大家好,昨天給大家講解了數據預處理,今天開始數據分析,本次對消費趨勢與消費能力進行分析
1趨勢分析
1.1消費趨勢,每個月的消費總金額。
<code>grouped_month=df.groupby('month'
)'order_amount'
].sum()) grouped_month['order_amount'
].sum().plot() plt.show()/<code>
數據時間跨度為5個月,大家可以根據自己數據從以下幾個方面做下描述。
競爭對手方面:近期是否出現其他競爭。
終端店鋪方面:可從用戶數量、銷售收入(環比、下滑)兩個維度來評判店鋪質量,查看其他數據指標。
用戶來源方面:從新老客構成、流失客戶的特徵、聚類與分類等角度。
1.2每月的消費訂單數。
<code>grouped_month
[
'user_id'
].count
().plot
()plt
.show
() #從圖上可以看出,12月份訂單數是最高的,3月份和12月份銷售金額差不多, #但是客單數比12月份少了500多單,說明3月份客單價有提高。 /<code>
1.3每月的產品購買量
<code>grouped_month
[
'order_products'
].sum
().plot
()plt
.show
()/<code>
1.4每月的消費人數
<code>grouped_month
[
'user_id'
].apply
(lambda
x
:len(x.unique())).plot()
plt
.show
()/<code>
本段小結
趨勢分析:總體來看,消費總金額、消費次數、產品購買量、消費人數的趨勢,趨於平穩,3月份客單價有提高,找出提高的原因。
2用戶個體消費能力分析(按每個用戶分析)
上段是按月分析,主要看趨勢;本段按用戶個體分析,來看消費能力。#
2.1用戶消費金額、消費數量的描述統計
<code>grouped_user=df.groupby('user_id'
)
平均數是11,中位數是5,說明有用戶購買了大量的商品
2.2用戶消費金額和消費數量的散點圖
<code>#因為極值影響,現在只看銷售金額小於10000
的用戶grouped_user
.sum
().query
("order_amount<10000>)
.plot
.scatter
(x ="order_amount"
,y ="order_products"
)plt
.show
()/<code>
2.3用戶消費金額的分佈圖
<code>grouped_user
['order_amount']
.sum
().plot
.hist
(bins=200
)plt
.show
()/<code>
從直方圖可知,用戶消費金額,絕大部分呈現集中趨勢
2.4用戶累計消費金額佔比(百分之多少的用戶佔了百分之多少的消費額)
<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>
本段小結:
按用戶消費金額進行降序排列,由圖可知,共計約6000多個用戶:20%(約1000)的客戶貢獻了70% 的消費額度,近似符合二八定律。60%的客戶貢獻了90% 的消費額度(即剩餘40%的客戶僅貢獻10% 的消費額度)。只要維護好這1000多個用戶(佔比20%)就可以把業績KPI完成70%,如果能把5000個用戶運營的更好就可以佔比更高。
今天就到這裡了,歡迎大家關注。明天講解用戶消費行為和復購率、回購率。