大家好,昨天给大家讲解了数据预处理,今天开始数据分析,本次对消费趋势与消费能力进行分析
1趋势分析
1.1消费趋势,每个月的消费总金额。
<code>grouped_month=df.groupby('month'
)'order_amount'
].sum()) grouped_month['order_amount'
].sum().plot() plt.show()/<code>
数据时间跨度为5个月,大家可以根据自己数据从以下几个方面做下描述。
竞争对手方面:近期是否出现其他竞争。
终端店铺方面:可从用户数量、销售收入(环比、下滑)两个维度来评判店铺质量,查看其他数据指标。
用户来源方面:从新老客构成、流失客户的特征、聚类与分类等角度。
1.2每月的消费订单数。
<code>grouped_month
[
'user_id'
].count
().plot
()plt
.show
() #从图上可以看出,12月份订单数是最高的,3月份和12月份销售金额差不多, #但是客单数比12月份少了500多单,说明3月份客单价有提高。 /<code>
1.3每月的产品购买量
<code>grouped_month
[
'order_products'
].sum
().plot
()plt
.show
()/<code>
1.4每月的消费人数
<code>grouped_month
[
'user_id'
].apply
(lambda
x
:len(x.unique())).plot()
plt
.show
()/<code>
本段小结
趋势分析:总体来看,消费总金额、消费次数、产品购买量、消费人数的趋势,趋于平稳,3月份客单价有提高,找出提高的原因。
2用户个体消费能力分析(按每个用户分析)
上段是按月分析,主要看趋势;本段按用户个体分析,来看消费能力。#
2.1用户消费金额、消费数量的描述统计
<code>grouped_user=df.groupby('user_id'
)
平均数是11,中位数是5,说明有用户购买了大量的商品
2.2用户消费金额和消费数量的散点图
<code>#因为极值影响,现在只看销售金额小于10000
的用户grouped_user
.sum
().query
("order_amount<10000>)
.plot
.scatter
(x ="order_amount"
,y ="order_products"
)plt
.show
()/<code>
2.3用户消费金额的分布图
<code>grouped_user
['order_amount']
.sum
().plot
.hist
(bins=200
)plt
.show
()/<code>
从直方图可知,用户消费金额,绝大部分呈现集中趋势
2.4用户累计消费金额占比(百分之多少的用户占了百分之多少的消费额)
<code>user_cumsum=grouped_user.sum().sort_values('order_amount'
, ascending=False
).apply(lambda
x:x.cumsum()/x.sum()) user_cumsum.reset_index().order_amount.plot() plt.show()/<code>
本段小结:
按用户消费金额进行降序排列,由图可知,共计约6000多个用户:20%(约1000)的客户贡献了70% 的消费额度,近似符合二八定律。60%的客户贡献了90% 的消费额度(即剩余40%的客户仅贡献10% 的消费额度)。只要维护好这1000多个用户(占比20%)就可以把业绩KPI完成70%,如果能把5000个用户运营的更好就可以占比更高。
今天就到这里了,欢迎大家关注。明天讲解用户消费行为和复购率、回购率。