电子产品销售数据分析及RFM用户价值分析
目录
项目背景
实战案例
1 读取数据
1.1 字段解析
1.2 数据基础信息查看
1.3 数据存储最小格式
2 数据清洗
2.1 查看缺失值比例
2.2 查看重复值比例
合成新列：buy_count
合成新列：购买总金额（GMV）
2.3 检测异常值
2.3.1 转化id数据格式
2.3.2 检查price,age是否有异常值
2.3.3 其他字段是否有异常值
3 数据探索性分析（EDA）
3.1 总览
3.1.1 总成交金额GMV
3.1.2 月成交金额GMV
月度GMV可视化
3.1.3 客单价
3.2 用户分析
3.2.1 用户区域特征
3.2.2 用户性别特征
3.2.3 用户年龄特征
3.2.4 用户消费特征
4 RFM模型
4.1 M：消费金额
4.2 F:消费频率
4.3 R:最近一次消费
4.4 RFM打分体系
4.5 用户打标
4.6 RFM用户价值模型可视化
案例全代码
参考文章
项目背景
RFM是一种经典的业务分析模型。通过对客户购买行为的3个维度R（最近购买），F（购买频次），M（购买）金额进行打分，进而对客户价值类型进行分类。经典的RFM模型将客户分为8类。不同类型的客户对企业的贡献是截然不同的，针对不同价值的客户企业需要制定不同的营销对策。
- 近度（Recency，最近一次消费到当前的时间间隔）
- 频度（Frequency，最近一段时间内的消费次数）
- 额度（Monetory，最近一段时间内的消费金额总额/均额）
实战案例
电子产品销售数据分析及RFM用户价值分析
内容是分析消费类电子产品（主要指不同品牌手机及配件）在某电商平台的销售数据。
全代码notebook文件及原始数据文件附于文末。
1 读取数据
1.1 字段解析
- Unnamed: 行号
- event_time：下单时间
- order_id：订单编号
- product_id:产品标号
- category_id :类别编号
- category_code :类别
- brand :品牌
- price :价格
- user_id :用户编号
- age :年龄
- sex :性别
- local:省份
1.2 数据基础信息查看
1.3 数据存储最小格式
看上一步最后，数据大小50+MB,读取还是需要5-10秒的，这里介绍一段缩减数据类存储空间的代码。
# reduce memory
def reduce_mem_usage(df, verbose=True):start_mem = df.memory_usage().sum() / 1024**2numerics = ['int16', 'int32', 'int64', 'float16', 'float32', 'float64']for col in df.columns:col_type = df[col].dtypesif col_type in numerics:c_min = df[col].min()c_max = df[col].max()if str(col_type)[:3] == 'int':if c_min > np.iinfo(np.int8).min and c_max < np.iinfo(np.int8).max:df[col] = df[col].astype(np.int8)elif c_min > np.iinfo(np.int16).min and c_max < np.iinfo(np.int16).max:df[col] = df[col].astype(np.int16)elif c_min > np.iinfo(np.int32).min and c_max < np.iinfo(np.int32).max:df[col] = df[col].astype(np.int32)elif c_min > np.iinfo(np.int64).min and c_max < np.iinfo(np.int64).max:df[col] = df[col].astype(np.int64)else:if c_min > np.finfo(np.float16).min and c_max < np.finfo(np.float16).max:df[col] = df[col].astype(np.float16)elif c_min > np.finfo(np.float32).min and c_max < np.finfo(np.float32).max:df[col] = df[col].astype(np.float32)else:df[col] = df[col].astype(np.float64)end_mem = df.memory_usage().sum() / 1024**2print('Memory usage after optimization is: {:.2f} MB'.format(end_mem))print('Decreased by {:.1f}%'.format(100 * (start_mem - end_mem) / start_mem))return df本案例执行后代码可缩减12.5%
2 数据清洗
清晰必做的3个工作，处理缺失值、重复值、异常值
2.1 查看缺失值比例
df.isnull().mean()
缺失率23%的字段：category_code,保留，固定值填充
# category_code本身为字符型，且缺失率在23% ，不宜直接删除，考虑用字符‘N’表示缺失进行填充
df['category_code'] = df['category_code'].fillna('N')缺失率4%的字段：brand,删除缺失行
# 只保留非缺失行的数据
df = df[df.brand.notnull()]2.2 查看重复值比例
df.duplicated().mean()