数据分析项目｜淘宝用户行为分析（Python+可视化）_淘宝用户行为数据分析

一、认识数据

了解数据的来源、字段等信息

1.1 数据来源及介绍

本数据来源于阿里云天池，是其随机选择约100万用户在2017年11月25日至12月3日之间发生的行为记录，具有包括点击、购买、加购物车和收藏商品的行为。数据集的每一行表示一条用户行为，由用户ID、商品ID、商品类目ID、行为类型和时间戳组成，并以逗号分隔。

1.2 数据格式

二、提出问题

针对不同的数据提出问题，总结分析思路

了解到所给数据集只有5个字段、时间维度限制在9天内、商品数据均为脱敏数据、行为数据只有4种等，具有一定的局限性。结合电商平台分析指标和AARRR漏斗分析模型，比较有分析价值的是用户行为和时间这两个维度。可以初步计划从用户行为习惯、用户消费习惯和用户价值等方分析。

2.1 用户行为方面

• 页面浏览量PV和独立访客数UV如何变化？和时间有关系吗？
• 用户的平均访问深度是多少？平台的跳失率怎么样？
• 用户从浏览到购买会经历哪些过程？最终的转化率如何？
• 平台用户留存率怎么样？

2.2 用户消费方面

• 平台的用户付费率是多少？用户复购的情况怎么样？
• 平台商品销售情况是怎么样？
• 商品销售之间有没有一定的联系？

2.3 用户价值方面

• 如何判断用户价值？针对不同用户如何采取不同的运营策略？

将上述问题整理如下，便于之后有针对性的进行分析：

三、数据处理

处理数据，主要包括对异常值、重复值和缺失值的处理

3.1 数据导入

# 源数据共有五个字段，为其定义英文字段
columns = ['user_id','item_id','category_id','behavior_type', 'timestamp']
# 迭代读取数据
df = pd.read_csv('UserBehavior.csv', names=columns, iterator=True)

loop, chunkSize, chunks = True, 10000000, [] # 分块大小为1000W
while loop:
    try:
        chunk = df.get_chunk(chunkSize)
        chunks.append(chunk)
    except StopIteration:
        loop = False
        print('Iteration is stopped.')

data = pd.concat(chunks, ignore_index = True)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

不需要全部数据的话，可以在读取数据之后通过get_chunk( ) 函数获取所需数据，如：

data = df.get_chunk(1000000) # 获取100W数据
1

大家可能会有疑问，这里是不是可以用Pandas的sample( )函数随机抽样比较好，我个人觉得最好不要随机抽样，稍后会解释原因。

3.2 了解数据

可以通过data.head( ) / http://data.info / data.describe( )等快速了解数据

通过对数据查看，发现原数据集是按照user_id排好序的，如果之前采用随机抽样的话，可能会破坏原有数据的信息，比如用户A在浏览多次后最终完成下单支付，随机抽样的话，可能会错过用户购买记录，最终导致数据分析不准确。

数据集原有的时间列是采用时间戳存储的，为了方便后续分析，这里将原有时间戳转为北京时间，并从中抽取出日期、时间和小时数据，处理代码如下：

# 将时间戳转换为北京时间
data['timestamp'] = pd.to_datetime(data.timestamp, unit='s') + datetime.timedelta(hours = 8)
# 将日期提取出来，这种方法提取出的日期需要进一步处理为datetime64格式
data['date'] = data['timestamp'].dt.date
data['date'] = pd.to_datetime(data['date'])
# 将时间取出来
data['time'] = data['timestamp'].dt.time
# 将小时提取出来
data['hour'] = data['timestamp'].dt.hour
1
2
3
4
5
6
7
8
9

格式修改完后数据如下：

3.3 缺失值处理

# 判断是否有缺失值
data.isnull().sum()
1
2

阿里给的数据还是比较规范的，没有缺失值。如果有缺失值的话，需要对其填补或者删除等。

3.4 异常值处理

此数据集的异常值最有可能出现在时间范围上，这里筛选出符合时间范围的数据

# 异常值处理，时间超出给定范围的即为异常值
data = data[(data['timestamp'] >= '2017-11-25') & (data['timestamp'] < '2017-12-4')]
1
2

3.5 重复值处理

将数据集中重复数据删除

# 查看是否有重复值
data.duplicated().value_counts() 
# 删除重复值
data = data.drop_duplicates(keep = 'first',inplace = False) # 去除重复值
1
2
3
4

3.6 整理数据

因为之前删除掉了异常值和重复值，会缺失部分数据索引，这里给数据按照时间和用户id排序，并重新索引。

# 重新排序、索引
data = data.sort_values(by = ['timestamp','user_id'], ascending=True)
data = data.reset_index(drop=True)
1
2
3

四、数据分析

根据之前提出的问题对数据集进行分析

（一）用户行为习惯分析

4.1.1 页面访问量PV和独立访客数UV

下面按照日期分析UV、PV的变化趋势：

# 定义函数，可以通过接收的key值进行分组，返回pv和uv
def cal_pvuv(key = ''): 
    pv = data.groupby(key)['user_id'].count()
    pv.name = 'pv'
    uv = data.groupby(key)['user_id'].apply(lambda x: x.drop_duplicates().count())
    uv.name = 'uv'
    return pd.concat([pv,uv], axis = 1).reset_index()

pvuv_daily = cal_pvuv('date') # 得到按日期聚合的pv和uv数据
pvuv_daily.plot(x = 'date', secondary_y = 'uv', grid = True, figsize =(10, 5))
1
2
3
4
5
6
7
8
9
10

从图可以看出pv和uv整体变化趋势相同，11月25日到12月1日之间，uv变化不明显，pv在11月26日达到小高峰，与当天刚好是周六放假密切相关。从12月1日周四开始，pv和uv涨幅明显，12月2日和12月3日与上周相比较，环比增长率31.4%，uv环比增长率35.7%，可见本次活动宣传和引流效果不错，对实际销售情况的影响将在下个模块分析。

接下来按照小时去分析用户的行为习惯：

pvuv_hour = cal_pvuv('hour')
pvuv_hour.plot(x = 'hour', secondary_y = 'uv', grid = True, figsize = (10, 5), 
                          xticks = [x for x in range(24)], title = 'pvuv_hour')

1
2
3
4

从上图可以看出用户的活跃时间从上午10点持续到晚上10点，尤其是从下午6点开始呈现明显上升趋势，到晚上九点左右达到峰值，这符合大多数人的日常作息规律。由此可以建议店铺调整客服工作时间，增加下午6点到晚上10点的客服数量，促使用户从浏览向购买转换。

4.1.2 平均访问深度和跳失率

# 计算总用户数量
uv_count = len(data.user_id.unique())
# 计算总的页面浏览数量
pv_count = data[data.behavior_type == 'pv'].shape[0]
# 计算平均访问深度
print('Average access depth is %.1f' % (pv_count / uv_count))
# 计算每个用户浏览的页面数
pv_count_perUser = data[data['behavior_type'] == 'pv'].groupby('user_id')['behavior_type']
                     .count().reset_index().rename(columns = {'behavior_type':'pv_count'})
# 计算只浏览过一次界面的用户数量
bounce_user_count = pv_count_perUser[pv_count_perUser['pv_count'] == 1].shape[0]
print('Bounce Rate is %.3f%% ' % (100 * (bounce_user_count / uv_count))

1
2
3
4
5
6
7
8
9
10
11
12
13

可以得到用户的平均访问深度为90.8，也就是说在11月25到12月3日9天内平均每个用户每天要访问10个界面，可见淘宝用户粘度很高。

按照流失率=只浏览一次界面/总用户计算的话，发现流失人数只有679人，Bounce Rate 是 0.069% 左右，所以平台整体流失率是相当低的。我觉得可以考虑将只有浏览记录再无其他行为的用户视为流失用户，分析此类人群的跳失原因。

之后可以细分到各个商品种类以及各个商品，计算其用户跳失率并采取相应的措施。

4.1.3 用户转化情况

接下来分析用户从浏览到最后下单的转化情况，首先先了解一下用户浏览、收藏、加购物车和购买行为的整体分布趋势。

pv_detail = data.groupby(['behavior_type','hour'])['user_id'].count().reset_index().rename(columns={'user_id':'total_behavior'})
fig, axes = plt.subplots(2, 1, figsize = (10,8), sharex = True)
sns.pointplot(x = 'hour',y = 'total_behavior', hue = 'behavior_type', data = pv_detail, ax = axes[0])
sns.pointplot(x = 'hour',y = 'total_behavior', hue = 'behavior_type', data = pv_detail[pv_detail.behavior_type!='pv'], ax = axes[1])
axes[0].set_title('different_behavior_count')
axes[0].grid()
axes[1].set_title('different_behavior_count_exceptpv')
axes[1].grid()

1
2
3
4
5
6
7
8
9

四种用户行为的波动情况基本一致，其中浏览页面pv数远大于其他三项，用户加购物车、收藏和购买数依次降低，可以通过漏斗模型整体分析用户转化情况。

从浏览到加入购物车的转换率为6.25%，收藏商品的转换率为3.26%，最后购买的转换率为2.23%左右。

4.1.4 用户行为路径分析

因为数据中用户行为分为四类，按照浏览在前，购买最后的话，一共有16种组合，利用桑基图分析如下所示：

一般认为购买之前必须得先浏览，因为所给数据是截取给定时间内的，所以会存在上图下方unpv的情况。现在只考虑最后产生购买行为的情况，用户从浏览到最后购买其实只有（1）浏览-购买、（2）浏览-加购物车-购买、（3）浏览-收藏-购买、（4）浏览-加购物车-收藏-购买（浏览-收藏-加购物车-购买）等四种情况，再次利用桑基图分析如下：

由上图可知，大多数购买行为发生在浏览之后，并没有加购物车、收藏等行为。

4.1.5 用户留存分析

下面计算本数据中的用户留存：

# 计算n日留存率
def cal_retention(n = 1):

    # 用于记录出现过的user_id
    user_list = [] 
    # 取最后一天的前N天
    cal_date = pd.Series(data['date'].unique()).sort_values()[:-n] 
    # 用于存储最后留存率结果
    retention_rates = [] 
    for to_date in cal_date:
        # 通过与已经有记录的用户列表的集合对比，识别新用户
        new_user_list = set(data[data['date'] == to_date]['user_id']) - set(user_list) 
        # 用于存储最后留存率结果
        user_list.extend(new_user_list) 
        # 第n天留存情况
        user_ndate = data[data['date'] == to_date + timedelta(n)]['user_id'].unique()
        retention_cnt = 0
        for user_id in user_ndate:
            if user_id in new_user_list: 
                retention_cnt += 1
        retention_rate = retention_cnt / len(new_user_list) 
        # 汇总N日留存数据
        retention_rates.append(retention_rate) 
    u_retention = pd.Series(retention_rates, index = cal_date)

    return u_retention

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27

将每日的留存率聚合后如下图所示：

可视化后如下：

因为所给数据是截取的部分数据，这里暂认为11月25日所有的登录用户都是新用户，所以11月25日的用户留存率最高。从之前的PV和UV分析可推测平台从12月1日开始搞活动，进而吸引用户登录，所以11月30日和12月1日用户留存率增加。

（二）用户消费习惯分析

4.2.1 用户付费率PUR（Paying User Rate）

根据用户付费率 = 有购买记录的用户 / 活跃用户计算：

# 分析用户付费率
paying_user_count = data[data.behavior_type == 'buy'].user_id.unique().shape[0]

print('Paying user Rate is %.2f%%' % ( 100 * paying_user_count / uv_count))

1
2
3
4
5

得到用户付费率为67.94%，淘宝用户付费率还是比较高的。

4.2.2 用户购买次数

根据总购买次数 / 总付费用户可得到付费用户平均消费次数为3次，下面进一步分析各购买次数的用户分布：

由上图可知，购买次数为1次的用户数量最多，大约有88%的用户购买次数在5次以内，购买次数在10次以内的用户占总付费用户的98%。

4.2.3 用户复购率

根据用户复购率 = 多次购买用户数 / 总付费用户计算：

#每个付费用户的购买次数
peruser_paying_count = data[data['behavior_type'] == 'buy'].groupby('user_id').count()['behavior_type']
                           .reset_index().rename(columns={'behavior_type':'paying_count'})
# 复购用户数量 通过筛选支付次数>=2 
paying_retention_user_count = peruser_paying_count[peruser_paying_count['paying_count'] >= 2]['user_id'].count()

print('Buyer Retention Rate %.2f%%' % (100 * paying_retention_user_count / paying_user_count))

1
2
3
4
5
6
7
8

可得用户复购率为66.01%。还可以计算用户复购的间隔时间：

buyer_retention_diff = data[data.type == 'buy'].groupby('user_id').date.apply(lambda x: x.sort_values().diff(1).dropna())
buyer_retention_diff = buyer_retention_diff.map(lambda x: x.days) 
buyer_retention_diff.describe()

1
2
3
4

箱线图表示不太明显，根据describe()返回值分析，用户复购平均间隔1.2天，有超过50%的用户在同一天内产生多笔交易。

4.2.4 商品大类销售分析

分析商品浏览TopN和商品销售TopN的数据：

# 定义计算销售/浏览TopN的函数
def cal_topN (index, behavior_type, n):
    # 创建透视表
    topN = pd.pivot_table(data, index = index, values = 'user_id', columns = 'behavior_type', fill_value=0, 
                     aggfunc='count', margins = True).sort_values(by = behavior_type, ascending = False).fillna(0).head(n)
    topN['paying_rate'] = topN.apply(lambda x: x.buy / x.pv, axis = 1).apply(lambda x: format(x, '.2%'))
    topN = topN[['pv','buy','paying_rate']]
    return topN

1
2
3
4
5
6
7
8
9

分别查看商品浏览量前10和商品销售量前10：

# 计算商品大类浏览量前10
category_pv_topN = cal_topN('category_id', 'pv', 10)
# 计算商品大类购买量前10
category_buy_topN = cal_topN('category_id', 'buy', 10)

1
2
3
4
5

针对支付率较高的商品应该分析其原因，思考是否能拓展到其他商品上去。

进一步查看购买量前10和浏览量前10的交集：

# 查看购买量和浏览量前10的交集
category_pv_buy_topN = pd.merge(category_pv_topN, category_buy_topN, 
                                        on = 'category_id', how ='inner')

1
2
3
4

由上图可知存在部分商品浏览量高但购买量较低，应进一步分析原因。

此部分只对商品大类进行分析，可以套用此代码，将‘categoryid’换为‘item_id’进一步分析具体商品销售情况。

4.2.5 商品大类行为分析

即针对所有产生购买行为的商品种类，分析其从浏览到最后购买发生的行为数量和最终购买量的关系。

# 筛选出产生购买行为的数据
data_buy = data[data['behavior_type'] == 'buy']

# 计算各种商品大类的交易数
buy_category = data_buy[['category_id','behavior_type']].groupby('category_id')
                             .count().rename(columns = {'behavior_type':'buy_count'})

# 整理各种商品大类的交易数
buy_category = buy_category.sort_values('buy_count',ascending=False).reset_index()

# 将产生购买行为的数据和原数据外连接，进而得到有购买记录的商品大类的其他行为信息
behav_category = pd.merge(data_buy[['user_id','category_id']], data, 
                                 on = ['user_id','category_id'], how = 'left')
# 计算各种商品大类的行为数
behav_category = behav_category[['category_id', 'behavior_type']].groupby('category_id').count()
                                .reset_index().rename(columns={'behavior_type':'behavior_count'})

# 统计分析各种商品大类的购买数和产生行为数
buy_behav_category = pd.merge(buy_category, behav_category, on = 'category_id', how = 'inner')
buy_behav_category = buy_behav_category.assign(behav_per_buy = buy_behav_category['behavior_count'] / buy_behav_category['buy_count'])

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

可视化后如下：

由上图可知，大部分购买行为平均只会产生20次以内的行为，可以据此对商品初步分类，以实施不同的运营策略。

• 购买量大、行为数多（上图右上部分）：推测该区域商品是快销产品或高频刚需物品，不仅销量大而且可选择品牌众多，如食品、日用品、护肤品和衣物服装等。平台可以据此将该商品类别建立专区，可以同时浏览查看该类别下的诸多产品，减少用户的多次搜索，提升用户体验度
• 购买量大、行为数少（上图左上部分）：推测该区域商品主要为高频产品，行为数少说明可能品牌种类少、被少数品牌垄断，或者是用户对某品牌建立了一定的依赖度等等。此类区域的商品，用户决策相对会轻松，因此应着重快速让用户触达商品，可以优先展示用户购买过的品牌等。
• 购买量小、行为数少（上图左下部分）：大多数商品大类都集中分布在这个区域，应该针对具体类别具体分析。
• 购买量小、行为数多（上图右下部分）：推测该区域商品低频或者商品贵重，用户需要货比三家、再三考虑后下单，对此可以改善商品的介绍方式，如现在的品牌直播，让用户更快速、直观的了解商品。

4.2.6 商品关联性分析

之后准备做专题分析，这里先占个坑…

（三）用户价值分析

这里利用RFM模型去分析用户价值，以便针对不同用户采取不同措施。RFM模型的概念如下：

• R（Recency）：客户最近一次交易时间的间隔。R值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的日期越近。
• F（Frequency）：客户在最近一段时间内交易的次数。F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。
• M（Monetary）：客户在最近一段时间内交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。
  
  由于所给数据集不包含用户购买金额，所以只考虑最近消费时间R和购买频率F，将客户分为有价值的客户、保持客户、发展客户和挽留客户。

# 1 R: 最近一次消费距今天数统计
nowDate = datetime.datetime(2017,12,4) # 假定当前时间为（2017，12，4）
user_recent_pay = data[data['behavior_type'] == 'buy'].groupby('user_id')['date']
                                .apply(lambda x: nowDate - x.sort_values().iloc[-1])
user_recent_pay = user_recent_pay.reset_index().rename(columns={'date':'recent'})

# 2 F: 消费次数统计
user_freq = data[data['behavior_type'] == 'buy'].groupby('user_id').date.count()
user_freq = user_freq.reset_index().rename(columns={'date':'freq'})

# 3 通过user_id将R、F合并
rfm = pd.merge(user_recent_pay, user_freq, left_on='user_id', right_on='user_id')

# 4 给R、F打分score
rfm['score_recent'] = pd.qcut(rfm['recent'], 2, labels = ['1', '0'])
rfm['score_freq'] = pd.qcut(rfm['freq'], 2, labels = ['0', '1'])

# 5 得分拼接
rfm['rfm'] = rfm['score_recent'].str.cat(rfm['score_freq'])

# 6 根据RFM分类
rfm = rfm.assign(user_type = rfm['rfm']
           .map({'11':'重要客户', '01':'保持客户', '10':'发展客户', '00':'挽留客户'}))

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

可视化后如下图所示：

由上图可知重要客户和发展客户比例相当，各占总用户的三分之一左右，挽留客户最少。

五、总结与建议

总结分析的结论并提出一些建议

5.1 用户行为分析

• 12月2日12月3日相较于其他日期用户活跃度、各指标增长明显。与同样是周末的11月25日、11月26日pv环比增长率31.4%，uv环比增长率35.7%，推测是12月2日周五平台开始双十二预热活动或其他活动所致。
• 用户的活跃时间从10:00持续到晚上22:00，其中5:00-10:00和18:00-21:00是用户活跃度迅速增长的时段。21:00点左右达到一天峰值，这符合大多数人的日常作息规律，由此可以建议店铺调整客服工作时间，增加18:00-22:00点的客服数量，提升用户的购买率。仔细观察的话，可以发现10:00和15:00分别达到了一个小高峰，所以可以在这两个时间段开始推广活动等。
• 针对用户路径：

①浏览—购买路径占比高达72.2%，转化率为1.39%。可以分析访问量高的商品，吸引用户将其收藏、加购物车，以提高后续转化率等。

②浏览—加购物车—购买路径占比19.9%，转化率为10.0%，一般为提前加入购物车或者多件商品共同购买。此路径转化率较高，可以分析最后成交商品在用户加入购物车后的状态，是自身降价还是参与活动促销等；还可以根据同一订单内的商品分析其联系，作为商品推荐的一个参考依据。

③浏览—收藏—购买路径占比6.9%，转化率为8%。可以在收藏界面添加商品动态，或者向用户推送商品补货信息，提高商品转化率。

④浏览—加购—收藏—购买路径占比1%，转化率为14.9%。既加购又收藏可说明此类商品比较受用户欢迎，可以挖掘商品共性，扩大其他相似产品的曝光度。

5.2 用户消费分析

• 用户付费率达到67.94%，所有用户平均消费次数为2次。
• 针对付费用户来看，用户平均消费次数为3次，其中购买次数为1次的用户数量最多，大约有88%的用户购买次数在5次以内，购买次数在10次以内的用户占总付费用户的98%。
• 用户复购率为66%，用户复购平均间隔1.2天，有超过50%的用户在同一天内产生多笔交易。
• 通过比对商品大类浏览top10和商品大类销售top10可知，存在某些商品浏览量高但成交量相对较低，对此应该分析用户流失原因，对症下药；对于成交量高但浏览量相对较低的商品，是否应该考虑增加商品的曝光率等等。
• 观察得知商品大类4159072和1464116商品转换率较高，分别达到了10%和5%以上，应该进一步分析这些商品成交率高的原因，是否能推广到其它商品。
• 在不同日期的不同时间点，商品销量具有不同的表现，可进一步对商品按照时间维度进行挖掘分析，更加精准地投放商品广告。
• 商品发生购买前产生的用户行为在100次之内，可以进一步简化用户的购买流程，提升用户体验。

5.3 用户价值分析

此部分将用户分为四个维度，针对不同维度的用户应当采取不同的运营策略：

• 针对重要客户（近期有付费且经常付费），即忠实用户，他们可能不需要额外的刺激消费，可以关注其售后体验等，提升用户的消费满意度；
• 针对保持客户（经常付费但是已经在很久之前了），曾经的忠实用户面临流失的风险，对其可以进行适当的提醒，如消息推送，还可以了解其离开的原因，以采取相应措施。
• 针对发展客户（近期有付费但是次数很少，或者只有一次付费），即新用户或者黏性较低的用户，我们的目标是刺激他们消费，可以通过开展促销活动等措施。
• 针对挽留客户（很少付费而且在很久之前），即流失用户，需要挽回并刺激其消费。从另一方面来看，可以尝试寻找用户流失的原因，通过反馈来调整我们的产品。

最后

在学习python中有任何困难不懂的可以微信扫描下方CSDN官方认证二维码加入python交流学习
多多交流问题，互帮互助，这里有不错的学习教程和开发工具。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/羊村懒王/article/detail/159304