一形病、數(shù)據(jù)集介紹

該數(shù)據(jù)集是跨國數(shù)據(jù)集，包含2010年12月12日至2011年12月9日期間發(fā)生的所有在英國注冊的非商店在線零售業(yè)務(wù)的交易霞幅。該公司主要銷售禮品漠吻，并且大部分客戶是批發(fā)商。

二司恳、字段介紹

InvoiceNo: 發(fā)票號碼途乃，每筆交易分配唯一的6位整數(shù)，而退貨訂單的代碼以字母'c'開頭扔傅。
StockCode: 產(chǎn)品代碼耍共，每個不同的產(chǎn)品分配唯一的5位整數(shù)。
Description: 產(chǎn)品描述猎塞，對每件產(chǎn)品的簡略描述划提。
Quantity: 產(chǎn)品數(shù)量，每筆交易的每件產(chǎn)品的數(shù)量邢享。
InvoiceDate: 發(fā)票日期和時間鹏往，每筆交易發(fā)生的日期和時間。
UnitPrice: 單價（英鎊）骇塘，單位產(chǎn)品價格伊履。
CustomerID:顧客號碼，每個客戶分配唯一的5位整數(shù)款违。
Country: 國家的名字唐瀑，每個客戶所在國家/地區(qū)的名稱。

三插爹、分析目的

通過分析銷售數(shù)據(jù)來了解在線零售業(yè)務(wù)的消費情況哄辣，分析用戶消費數(shù)據(jù)分析用戶消費行為。

分析問題：

• 商店消費情況
  • 每月成交金額
  • 每月銷售金額
  • 每月消費人數(shù)
  • 每月訂單數(shù)量
  • 每月消費產(chǎn)品數(shù)量
  • 每月客單價
  • 消費國家分布
  • 下單時間分布
  • 每月退款產(chǎn)品數(shù)
  • 每月退款金額
  • 每月退款率
• 用戶消費行為
  • 用戶消費次數(shù)赠尾、用戶消費金額力穗、用戶購買產(chǎn)品數(shù)量
  • 消費次數(shù)與消費金額關(guān)系
  • 用戶購買周期
  • 新用戶、活躍用戶气嫁、不活躍用戶当窗、回流用戶、回流率
  • 復(fù)購率和回購率
  • RFM

四寸宵、分析內(nèi)容

載入庫和獲取數(shù)據(jù)

# 載入庫
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

# 設(shè)置中文編碼和負號的正常顯示
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

# 導(dǎo)入數(shù)據(jù)
df = pd.read_csv('data.csv', encoding='ISO-8859-1')
df.head()

數(shù)據(jù)集前5行.JPG

df.info()

數(shù)據(jù)集信息.JPG

用戶ID部分缺失崖面，無法通過其他信息填充元咙，因此后期清洗將用戶ID缺失記錄刪除。

df.describe()

數(shù)據(jù)集統(tǒng)計信息.JPG

# 將產(chǎn)品數(shù)量為負數(shù)的記錄數(shù)與退款訂單的記錄數(shù)進行對比
df[df['Quantity']<0].count() == df['InvoiceNo'].str.startswith('C').sum()

驗證數(shù)據(jù).JPG

部分產(chǎn)品數(shù)量是負數(shù)巫员，經(jīng)過驗證是退款訂單的產(chǎn)品數(shù)為負數(shù)

數(shù)據(jù)清洗和處理

# 刪除用戶ID缺失的記錄
df = df[df['CustomerID'].notnull()].copy()

# 數(shù)據(jù)類型轉(zhuǎn)換
df['InvoiceDate'] = pd.to_datetime(df['InvoiceDate'])
df['CustomerID'] = df['CustomerID'].astype('O')

# 計算時間變量
df['Month'] = df['InvoiceDate'].values.astype('datetime64[M]')
df['Day'] = df['InvoiceDate'].dt.day
df['Dayofweek'] = df['InvoiceDate'].dt.dayofweek
df['Hour'] = df['InvoiceDate'].dt.hour

# 計算價格
df['Price'] = df['Quantity'] * df['UnitPrice']

探索性數(shù)據(jù)分析

商店銷售情況分析

原數(shù)據(jù)集粒度為訂購商品庶香，轉(zhuǎn)換為訂單粒度，看一下數(shù)據(jù)情況

# 訂單描述性統(tǒng)計分析
df.groupby('InvoiceNo')[['Quantity','Price']].sum().describe()

訂單粒度描述性統(tǒng)計分析.JPG

因為零售商大部分客戶是批發(fā)商简识，用戶每筆訂單平均產(chǎn)品數(shù)量和平均金額波動大赶掖，中位數(shù)和75分位數(shù)相差挺大，說明部分批發(fā)商批發(fā)數(shù)量大财异。

每月成交金額

# 商店消費情況繪圖函數(shù)
def store_plot(data, xlab, ylab, title):
    plt.figure(figsize=(10,5))
    plt.plot(data)
    plt.xlabel(xlab)
    plt.ylabel(ylab)
    plt.title(title)

# 每月成交金額，包含退款訂單的金額
store_plot(data=df[df['Quantity']>0].groupby('Month')['price'].sum(), 
           xlab='月份', 
           ylab='成交金額', 
           title='每月成交金額')

每月成交金額.jpeg

從2010年12月至2011年11月月成交金額總體呈現(xiàn)上漲趨勢唱遭，從2010年8月開始高漲戳寸，可能是因為公司主要銷售的產(chǎn)品包括禮品，而后半年國外有各種節(jié)日導(dǎo)致對禮品需求大增拷泽，也有可能是接近年底有各種促銷活動疫鹊，2011年2月和2011年4月都有一個明顯的下降，暫時不清楚具體原因司致。

每月銷售金額

 # 每月銷售金額拆吆，成交金額-退款金額
store_plot(data=df.groupby('Month')['Price'].sum(), 
           xlab='月份', 
           ylab='銷售金額', 
           title='每月銷售金額')

每月銷售金額.jpeg

月銷售金額跟月成交金額趨勢非常相似，可以看到2011年1月銷售金額較成交金額有較大差異脂矫，可能是由于這個月的退款金額比較大枣耀。

每月消費人數(shù)

# 每月消費人數(shù)
store_plot(data=df[df['Quantity']>0].groupby('Month')['CustomerID'].nunique(), 
           xlab='月份', 
           ylab='消費人數(shù)', 
           title='每月消費人數(shù)')

每月消費人數(shù).jpeg

每月訂單數(shù)量

# 每月訂單數(shù)量
store_plot(data=df[df['Quantity']>0].groupby('Month')['InvoiceNo'].nunique(), 
           xlab='月份', 
           ylab='訂單數(shù)量', 
           title='每月訂單數(shù)量')

每月訂單數(shù)量.jpeg

每月消費產(chǎn)品數(shù)量

# 每月銷售產(chǎn)品數(shù)量
store_plot(data=df[df['Quantity']>0].groupby('Month')['Quantity'].sum(), 
           xlab='月份', 
           ylab='銷售產(chǎn)品數(shù)量', 
           title='每月銷售產(chǎn)品數(shù)量')

每月銷售產(chǎn)品數(shù)量.jpeg

每月客單價

# 每月客單價
store_plot(data=df[df['Quantity']>0].groupby('Month')['Price'].sum()/df[df['Quantity']>0].groupby('Month')['InvoiceNo'].nunique(), 
           xlab='月份', 
           ylab='客單價', 
           title='每月客單價')

每月客單價.jpeg

• 月訂單數(shù)量、月消費人數(shù)和銷售產(chǎn)品數(shù)量趨勢都跟月成交金額趨勢相似庭再，每月客單價趨勢與月成交金額趨勢差別比較大
• 2011年1月較2010年12月消費人數(shù)和訂單數(shù)量下降捞奕，銷售產(chǎn)品數(shù)量和客單價上升，尤其是客單價很高拄轻，因此2011年1月與2010年12月成交金額持平主要原因是1月客單價遠遠高于12月客單價
• 2011年2月和2011年4月的成交金額環(huán)比減少是由于消費人數(shù)颅围、訂單數(shù)量、銷售產(chǎn)品數(shù)量和客單價都減少的原因
• 2011年5月至2011年10月總體呈上升趨勢原因是消費人數(shù)恨搓、訂單數(shù)量院促、銷售產(chǎn)品數(shù)量和客單價總體持平或上升
• 2011年11月成交金額大漲主要是因為購買用戶數(shù)、訂單數(shù)和購買產(chǎn)品數(shù)增多斧抱，這個月客戶購買的產(chǎn)品價格比較低
• 由于數(shù)據(jù)集中只有成交信息常拓、產(chǎn)品信息、地區(qū)和時間辉浦，具體上升或下降的原因沒辦法具體判斷墩邀，推測可能是年底的促銷活動或節(jié)日引起的

消費國家分布

# 國家用戶數(shù)量分布
plt.figure(figsize=(12,8))
df[df['Quantity']>0].groupby('Country')['CustomerID'].nunique().sort_values(ascending=True).plot.barh()
plt.xlabel('用戶數(shù)量')
plt.ylabel('國家')
plt.title('不同國家用戶數(shù)量')

不同國家用戶數(shù)量分布.png

# 國家訂單數(shù)量分布
plt.figure(figsize=(12,8))
df[df['Quantity']>0].groupby('Country')['InvoiceNo'].nunique().sort_values(ascending=True).plot.barh()
plt.xlabel('訂單數(shù)量')
plt.ylabel('國家')
plt.title('不同國家訂單數(shù)量')

不同國家訂單數(shù)量分布.png

# 國家成交金額分布
plt.figure(figsize=(12,8))
df[df['Quantity']>0].groupby('Country')['Price'].sum().sort_values(ascending=True).plot.barh()
plt.xlabel('成交金額')
plt.ylabel('國家')
plt.title('不同國家成交金額')

不同國家成交金額分布.png

• 因為該公司在英國，因此可以看到客戶數(shù)量盏浙、訂單數(shù)量和成交金額英國都遠遠超過其他國家眉睹，英國是客戶來源的主要國家荔茬，屬于重要價值國家。
• 除英國外竹海，德國和法國在用戶數(shù)量慕蔚、訂單數(shù)量和成交金額方面都屬于前5，屬于重點維持國家斋配。
• 荷蘭孔飒、愛爾蘭和澳大利亞雖然用戶數(shù)量和訂單數(shù)量少，但是成交金額位于前6艰争，這三個國家的客單價比較高坏瞄，屬于重點發(fā)展國家。
• 重點維持國家和重點發(fā)展國家可以進行適當(dāng)推廣甩卓、完善物流服務(wù)等等鸠匀。

下單時間分布

# 星期
plt.figure(figsize=(12,8))
df[df['Quantity']>0].groupby('Dayofweek')['InvoiceNo'].nunique().plot.bar()
plt.xticks(range(6),['周一','周二','周三','周四','周五','周日'], rotation=0)
plt.xlabel('星期')
plt.ylabel('訂單數(shù)')
plt.title('訂單數(shù)隨星期變化')

訂單數(shù)隨星期變化.jpeg

絕大多數(shù)訂單在周一至周四完成。

# 小時
plt.figure(figsize=(12,8))
df[df['Quantity']>0].groupby('Hour')['InvoiceNo'].nunique().plot()
plt.xlabel('小時')
plt.ylabel('訂單數(shù)')
plt.title('訂單數(shù)隨小時變化')

訂單數(shù)隨小時變化.jpeg

訂單集中在上午10點至下午3點逾柿，中午12點是高峰期缀棍，這段時間內(nèi)注意維持好網(wǎng)站的穩(wěn)定性。

每月退款訂單數(shù)

# 每月退款訂單數(shù)量
store_plot(data=df[df['Quantity']<0].groupby('Month')['InvoiceNo'].nunique(), 
           xlab='月份', 
           ylab='退款訂單數(shù)量', 
           title='每月退款訂單數(shù)量')

每月退款訂單數(shù)量.jpeg

每月退款訂單數(shù)量2010年12月至2011年10月圍繞280上下波動机错，略微呈上漲趨勢爬范，雖然2011年11月訂單數(shù)量非常大，但同時退款訂單數(shù)量也非常大弱匪。

每月退款金額

# 每月退款金額
store_plot(data=df[df['Quantity']<0].groupby('Month')['Price'].sum().abs(), 
           xlab='月份', 
           ylab='退款金額', 
           title='每月退款金額')

每月退款金額.jpeg

• 每月退款金額圍繞25000波動青瀑。
• 2011年1月退款訂單數(shù)量不大，因為客單價高萧诫，所以退款金額非常高狱窘，也印證了我們之前的猜測。
• 由于2011年11月客單價很低财搁，即使退款訂單很多蘸炸，退款金額也不大。

每月退款率

# 每月退款率
store_plot(data=df[df['Quantity']<0].groupby('Month')['InvoiceNo'].nunique()/df[df['Quantity']>0].groupby('Month')['InvoiceNo'].nunique(), 
           xlab='月份', 
           ylab='退款率', 
           title='每月退款率')

每月退款率.jpeg

每月退款率呈下降趨勢尖奔，這是個不錯的現(xiàn)象搭儒。

用戶消費行為分析

用戶消費次數(shù)、用戶消費金額提茁、用戶購買產(chǎn)品數(shù)量

將數(shù)據(jù)集粒度轉(zhuǎn)換成用戶淹禾，看一下用戶消費行為。

df[df['Quantity']>0].groupby('CustomerID').agg({'InvoiceNo':'nunique',
                                                'Quantity':'sum',
                                                'Price':'sum'}).describe()

用戶粒度描述性統(tǒng)計.JPG

• 超過一半客戶至少消費了兩次茴扁，甚至有客戶消費了210次铃岔，屬于非常忠誠的用戶了。
• 因為大部分客戶是批發(fā)商，超過75%的客戶購買數(shù)量在100以上毁习。
• 用戶平均消費金額是2053元智嚷，標(biāo)準(zhǔn)差是8988元，用戶平均消費金額大于75分位數(shù)纺且，存在部分高額消費用戶盏道。

消費次數(shù)與消費金額關(guān)系

# 消費次數(shù)與消費金額關(guān)系
plt.figure(figsize=(12,8))
plt.scatter(x=df[df['Quantity']>0].groupby('CustomerID')['InvoiceNo'].nunique(),
            y=df[df['Quantity']>0].groupby('CustomerID')['Price'].sum())
plt.xlabel('消費次數(shù)')
plt.ylabel('消費金額')
plt.title('消費次數(shù)與消費金額關(guān)系')
plt.savefig('消費次數(shù)與消費金額關(guān)系.jpeg')

消費次數(shù)與消費金額關(guān)系.jpeg

消費次數(shù)和消費金額有較弱的相關(guān)性，用戶消費次數(shù)越大载碌，消費金額越大猜嘱，可以引導(dǎo)用戶多次消費，那么多長時間召回呢嫁艇？我們來看看用戶的消費間距朗伶。

用戶消費周期

# 用戶消費周期
purchase_time = df[df['Quantity']>0].groupby('CustomerID').apply(lambda x: x['InvoiceDate']-x['InvoiceDate'].shift()).dt.days
purchase_time.describe()

用戶消費周期.JPG

purchase_time[purchase_time>0].describe()

老用戶消費周期.JPG

至少消費兩次的用戶有一半消費間隔在一個月內(nèi)，75%消費間隔在兩個月內(nèi)步咪，可以在10天论皆、28天、58天三個時間點對用戶進行推送和提醒歧斟。

新用戶纯丸、活躍用戶偏形、不活躍用戶静袖、回流用戶、回流率

pivoted_amount = df[df['Quantity']>0].pivot_table(index='CustomerID',
                                                  columns='Month',
                                                  values='Price',
                                                  aggfunc='mean').fillna(0)
columns_month = df['Month'].sort_values().astype('str').unique()
pivoted_amount.columns = columns_month

pivoted_purchase = pivoted_amount.applymap(lambda x: 1 if x>0 else 0)

# 用戶分層
def active_status(data):
    status = []
    for i in range(13):
        
        # 若本月沒有消費
        if data[i] == 0:
            if len(status) > 0:
                if status[i-1] == 'unreg':
                    status.append('unreg')
                else:
                    status.append('unactive')
            else:
                status.append('unreg')
                
        # 若本月消費
        else:
            if len(status) == 0:
                status.append('new')
            else:
                if status[i-1] == 'unactive':
                    status.append('return')
                elif status[i-1] == 'unreg':
                    status.append('new')
                else:
                    status.append('active')
    return pd.Series(status, index=columns_month)

pivoted_purchase_status = pivoted_purchase.apply(lambda x: active_status(x), axis=1)

purchase_status_counts = pivoted_purchase_status.replace('unreg',np.NaN).apply(lambda x:pd.value_counts(x))

purchase_status_counts.fillna(0).T.plot.area(figsize=(12,6))
plt.xticks(range(12), columns_month)
plt.title('用戶分層')

用戶分層.jpeg

# 回流率
return_rate = purchase_status_counts.apply(lambda x:x / x.sum(), axis=1)
return_rate.loc['return'].plot(figsize=(12,6))
plt.xticks(range(1,13), columns_month)
plt.title('回流率')

回流率.jpeg

在后期消費中新用戶占比減少俊扭，回流用戶和活躍用戶增多队橙，回流率一直在上漲，整體用戶質(zhì)量不錯萨惑。

復(fù)購率和回購率

# 復(fù)購率
pivoted_counts = df[df['Quantity']>0].pivot_table(index='CustomerID', 
                                                  columns='Month',
                                                  values='InvoiceNo',
                                                  aggfunc='nunique').fillna(0)
columns_month = df['Month'].sort_values().astype('str').unique()
pivoted_counts.columns = columns_month

pivoted_counts_transf = pivoted_counts.applymap(lambda x: 1 if x>1 else np.NaN if x==0 else 0)

(pivoted_counts_transf.sum() / pivoted_counts_transf.count()).plot(figsize=(12,6))
plt.xticks(range(12), columns_month)
plt.title('復(fù)購率'

復(fù)購率.jpeg

由于早期新用戶占比大捐康，前期復(fù)購率比后期復(fù)購率低，且后期復(fù)購率波動大庸蔼，但復(fù)購率基本在20%以上解总。

# 回購率
def purchase_return(data):
    status = []
    for i in range(12):
        if data[i] == 1:
            if data[i+1] == 1:
                status.append(1)
            if data[i+1] == 0:
                status.append(0)
        else:
            status.append(np.NaN)
    status.append(np.NaN)
    return pd.Series(status, index=columns_month)

pivoted_purchase_return = pivoted_purchase.apply(purchase_return,axis=1)

(pivoted_purchase_return.sum() / pivoted_purchase_return.count()).plot(figsize=(12,6))
plt.xticks(range(12), columns_month)
plt.title('回購率')

回購率.jpeg

用戶的回購率高于復(fù)購率，都大于30%姐仅，后期因為回流用戶增多花枫，這段時間老用戶的忠誠度表現(xiàn)較好，所以后期回購率較高掏膏。

RFM

# rfm
rfm = df[df['Quantity']>0].groupby('InvoiceNo').agg({'daydiff':'min',
                                                     'Quantity':'sum',
                                                     'Price':'sum'})
rfm.rename(columns={'daydiff':'R',
                    'Quantity':'F',
                    'Price':'M'},inplace=True)

def rfm_func(x):
    level = x.apply(lambda x: '1' if x > 0 else '0')
    label = level.R + level.F + level.M
    d = {
         '111':'重要價值客戶', 
         '011':'重要保持客戶', 
         '101':'重要挽留客戶',
         '001':'重要發(fā)展客戶',
         '110':'一般價值客戶',
         '010':'一般保持客戶',
         '100':'一般挽留客戶',
         '000':'一般發(fā)展客戶'
    }
    result = d[label]
    return result

rfm['label'] = rfm[['R','F','M']].apply(lambda x: x-x.median()).apply(rfm_func, axis=1)
rfm.groupby('label').sum()

rfm分層.JPG

rfm.groupby('label')['M'].count()

rfm用戶數(shù)量.JPG

五劳翰、總結(jié)

• 從2011年5月開始成交金額總體上升芝此，11月達到高峰郁竟，成交金額主要受到消費人數(shù)、訂單數(shù)量和客單價的影響逻谦，但由于數(shù)據(jù)只包含部分成交數(shù)據(jù)沒有辦法得知上漲或下降的具體原因颖变，推測可能是年中以后節(jié)日增多導(dǎo)致禮品需求量增大或促銷活動引起生均。
• 英國是主要的客戶來源地區(qū)听想，而德國、法國疯特、荷蘭哗魂、愛爾蘭和澳大利亞成交金額表現(xiàn)不錯，可以嘗試拓展這些國家的市場漓雅；訂單下單時間高峰期主要在10點至15點录别，這段時間要維護好網(wǎng)站的穩(wěn)定。
• 退款訂單數(shù)略微呈上漲趨勢邻吞，2011年11月退款訂單數(shù)最高组题；退款金額總體持平，2011年1月退款金額高抱冷；退款率在下降崔列，這是個好現(xiàn)象。
• 多數(shù)用戶至少消費了兩次旺遮，由于大部分客戶是批發(fā)商赵讯，購買數(shù)量和金額較大；用戶消費次數(shù)越多耿眉，消費金額越大边翼，可以在半個月、一個月鸣剪、兩個月三個時間段對用戶進行召回组底，引導(dǎo)客戶進行多次消費。
• 活躍用戶比例和回流用戶比例隨時間增大筐骇，后期老用戶忠誠度較好债鸡，因此復(fù)購率和回購率表現(xiàn)不錯；可以通過RFM模型對用戶價值進行分類铛纬，不同價值用戶采取不同的業(yè)務(wù)決策厌均。