实战案例，手把手教你用 Python 构建电商用户画像

实战案例，手把手教你用 Python 构建电商用户画像

2024-10-31 20:08

大家好，本文以真实案为例手把手教你搭建电商系统的用户画像。

先来看该电商用户画像用到的标签。

数据内容包括user_id（用户身份）、item_id（商品）、IDbehavior_type（用户行为类型，包含点击、收藏、加购物车、支付四种行为，分别用数字1、2、3、4表示）、user_geohash（地理位置）、item_category（品类ID，即商品所属的品类）、Time（用户行为发生的时间），其中user_id和item_id因为涉及隐私，做了脱敏处理，显示的是数字编号。

下面是具体的代码实现过程。

本示例除了用到numpy、pandas、matplotlib，还用到其他一些模块。

参数说明如下。

%matplotlib inline： 一个魔法函数，由于%matplotlib inline的存在，当输入plt.plot()后，不必再输入plt.show()，图像将自动显示出来。
datetime： 用来显示时间的模块。

此处使用Pandas的read_csv方法读取数据文件，由于数据集太大，为了提高运行效率，使用sample函数随机抽取20%的数据。

Dataframe.sample()是Pandas中的函数，Dataframe是一种数据格式，代指df_orginal。frac(fraction)是抽取多少数据，random_state是随机数种子，目的是保证每次随机抽取的数据一样，防止执行命令时使用不一样的数据。

结果如图1所示。

图1　数据预处理结果

pd.Dataframe()： 其中数据填充的是users，列名为user_id。

结果如图2所示。

图2 制作好的用户ID

之后分析后的内容都会放置在此表中，相当于建立了一个空白表，将自己分析后的结论一一加入。

1）对用户浏览时间段进行分析

选取出各用户浏览次数最多的时段，看看用户到底在什么时间浏览商品比较多。

结果如图3所示。

图3 用户浏览时间段

groupby([‘key1’,‘key2’])： 多列聚合，分组键为列名。
reset_index()： 默认drop=False，可以获得新的index，原来的index变成数据列保留下来，第一列会添加计数的数字，不会使用数据中的index。
rename()： 进行重命名，此处将item_id替换成hour_counts，inplace为是否原地填充。
pd.merge()： 将两个表合并在一起，横向合并，on代表通过某个主键，how指左合并，每行一一对应。
loc函数： 通过行索引Index中的具体值来取指定数据。
aggregate函数： groupby分组之后会返回多个子数据帧，该函数可以实现数据聚合，可以得到每个子数据帧的某些列的某些信息。
lambda函数： 可以定义一个匿名函数，lambda [arg1[, arg2, … argN]]: expression，其中参数是函数的输入，是可选的，后面的表达式则为输出，此处和join()函数一起用，其中每个x值能被“,”隔开;使用类似的代码可以生成浏览活跃时间段，此处就不再赘述。

2）关于类目的用户行为。

根据不同的用户行为，如浏览、收藏等，分别导出数据进行分析。

用户浏览最多的类目如图4所示。

图4　浏览最多的类目

收藏、加购和购买最多的类目生成逻辑相同，重复操作后结果如图5所示。

图5　关于类目的用户行为

从整理的数据中可以看出，浏览、加购物车、收藏、购买之前其实不一定存在明显的必然关系，我们还需要进一步分析得到一些规律。

3）近30天用户行为分析。

近30天购买次数：

近30天加购次数：

近30天活跃天数：

结果如图6所示。

图6　近30天用户行为

近30天用户行为分析属于中长期的用户行为，我们可以依此判断是否需要调整营销策略，类似可以得到短期的7天用户行为分析，观察中短期或一个小周期内，用户的行为是何种情况。

4）最后一次行为距今天数。

分析上次和本次用户行为的时间差值可以实现精确推荐分析，下面我们来看看具体如何实现。

上次浏览距今天数：

datetime.strptime(‘2014-12-19’,’%Y-%m-%d’)-x).days： 该部分属于lambda中的函数表达式部分，即计算规则，此处最后取相减后的天数总和。
apply()： 格式为apply(func,*args,**kwargs)，当一个函数的参数存在于一个元组或者一个字典中时，可间接调用这个函数，并将元组或者字典中的参数按照顺序传递给该函数，返回值就是func函数的返回值。相当于循环遍历，起到处理每一条数据的效果。

类似可以生成上次加购、购买距今天数，分析得到用户的活跃情况，如图7所示，如果长时间没有活跃，则需要推送一些内容，或者发放优惠券刺激用户。

图7　最后一次行为距今天情况统计

5）最近两次购买间隔天数。

用购买间隔数分析用户的购买频率，方便确定用户的消费活跃等级，精准制定营销方式。结果如图8所示。

图8　最近两次购买间隔天数统计

6）是否浏览未下单。

|：在Python语句中表示或，&表示且。
pd.pivot_table()： 透视表功能，df_browse_buy为data块，values可以对需要的计算数据进行筛选，aggfunc参数可以设置我们对数据聚合时进行的函数操作。
fillna： 会填充NaN数据，返回填充后的结果，inplace=True代表原地填充。

结果如图9所示。

图9　是否浏览未下单情况统计

针对浏览未下单的用户要加大推广力度，可以增加优惠券的发放次数，促进购物。

7）是否加购未下单。

结果如图10所示。

图10　是否加购未下单情况统计

制定营销策略时，要重点注意这部分人群，因为加购未下单的购买转化率是最大的，有成功下单、最大潜力的客户就在这里。

1）是否复购用户：

结果如图11所示。

图11　是否复购用户统计

2）访问活跃度：

结果如图12所示。

图12　30天内访问次数与访问人数的关系

value_counts()： 查看表格某列中有多少个不同值，并计算每个不同值在该列中有多少重复值。
sort_index()： 按照某一列的大小进行排序，ascending=False是按照从大到小排序。
plt.figure(figsize=(a,b))： 创建画板，figsize代表宽为a，高为b的图形，单位为英寸。
plt.ylabel： 设置y轴，fontsize是字体大小。
plt.xlabel： 设置x轴。

通过图12可以看出，访问次数多的用户比访问次数少的用户数量多，且以15次左右为拐点，因此定义访问次数小于等于16次的用户为低活跃用户，访问次数大于16次的用户定义为高活跃用户，此定义只是从用户的角度出发，工作中当从业务角度定义。访问次数多的访客比访问次数少的访客数量多，与绝大多数的产品访问规律相反，从侧面反映了用户黏性之强。

3）购买活跃度：

结果如图13所示。

图13　30天内购买次数与购买人数的关系

由图13可知，14次左右是个拐点，因此定义购买次数小于等于14次的用户为低活跃用户，大于14次的用户为高活跃用户。

4）购买的品类是否单一：

结果如图14所示。

图14　购买品类单一情况统计

了解用户购买的品类有利于构建用户群体行为，比如该群体统一对化妆品消费占比巨大，则该用户群体的主要特征标签之一就是化妆品。

5）用户价值分组（RFM模型）：

结果如图15所示。

图15　最后购买行为距今天数与购买人数的关系

使用RFM模型分析：

结果如图16所示。

图16 RFM模型分析结果

str.cat() 是指将两个独立的字符串拼接，此处将
’buy_active_level‘和’buy_days_level’ 拼接。如果要在两个合并的列中间加一个分隔符号，可在cat括号内加：sep=’-’，用-连接合并内容。

将buy_active_level和buy_days_level组合，形成“高高”或者“高低”等。将两个重要指标合并后，每个user_id进入不同的分类组。RFM模型是衡量客户价值和客户创利能力的重要工具和手段，其中，R(recently)：最近一次消费；F（Frequently）：消费频率；M（Monetary）：消费金额。

对最后输出的用户群体制定不同的营销策略。针对重要价值客户要予以关注并维护；针对重要深耕用户，予以相应的价格刺激，如折扣和捆绑销售等增加用户的购买频率，提高黏性；针对重要唤回用户，要在特定时间点进行刺激，比如进行产品卖点刺激、品牌灌输等，不断加强他们对品牌的认可，提高忠诚度；针对流失客户，在此例中，因其数量占三分之一左右，需进一步分析得出流失原因。

推荐文章