快捷導(dǎo)航

詳解如何利用Python進(jìn)行客戶分群分析

更新時(shí)間：2023年02月24日 09:13:16 作者：Python數(shù)據(jù)挖掘

每個電子商務(wù)數(shù)據(jù)分析師必須掌握的一項(xiàng)數(shù)據(jù)聚類技能，如果你是一名在電子商務(wù)公司工作的數(shù)據(jù)分析師，從客戶數(shù)據(jù)中挖掘潛在價(jià)值，來提高客戶留存率很可能就是你的工作任務(wù)之一。這篇就來告訴你如何將客戶分成不同的群組，并在一段時(shí)間內(nèi)觀察每個群組的留存率

然而，客戶數(shù)據(jù)是巨大的，每個客戶的行為都不一樣。2020年3月收購的客戶A與2020年5月收購的客戶B表現(xiàn)出不同的行為。因此，有必要將客戶分為不同的群組，然后調(diào)查每個群組在一段時(shí)間內(nèi)的行為。這就是所謂的同期群分析。

同期群分析是了解一個特殊客戶群體在一段時(shí)間內(nèi)的行為的數(shù)據(jù)分析技術(shù)。

在這篇文章中，不會詳細(xì)介紹同期群分析的理論。這篇文章更多的是告訴你如何將客戶分成不同的群組，并在一段時(shí)間內(nèi)觀察每個群組的留存率。

導(dǎo)入數(shù)據(jù)和python庫

import pandas as pd  
import matplotlib.pyplot as plt  
import seaborn as sns  
df = pd.read_csv('sales_2018-01-01_2019-12-31.csv')  
df

分離新老客戶

first_time = df.loc[df['customer_type'] == 'First-time',]  
final = df.loc[df['customer_id'].isin(first_time['customer_id'].values)]

在這里，不能簡單地選擇df.loc[df['customer_type']]，因?yàn)樵谶@個數(shù)據(jù)中，在customer_type列下，F(xiàn)irst_time指的是新客戶，而Returning指的是老客戶。因此，如果我在2019年12月31日第一次購買，數(shù)據(jù)會顯示我在2019年12月31日是新客戶，但在我第二次、第三次…時(shí)是返回客戶。同期群分析著眼于新客戶和他們的后續(xù)購買行為。因此，如果我們簡單地使用df.loc[df['customer_type']=='First-time',]，我們就會忽略新客戶的后續(xù)購買，這不是分析同期群行為的正確方法。

因此，這里所需要做的是，首先創(chuàng)建一個所有第一次的客戶列表，并將其存儲為first_time。然后從原始客戶數(shù)據(jù)框df中只選擇那些ID在first_time客戶組內(nèi)的客戶。通過這樣做，我們可以確保我們獲得的數(shù)據(jù)只有第一次的客戶和他們后來的購買行為。

現(xiàn)在，我們刪除customer_type列，因?yàn)樗呀?jīng)沒有必要了。同時(shí)，將日期列轉(zhuǎn)換成正確的日期時(shí)間格式

final = final.drop(columns = ['customer_type'])  
final['day']= pd.to_datetime(final['day'], dayfirst=True)

按客戶ID排序，然后是日期

final = final.drop(columns = ['customer_type'])  
final['day']= pd.to_datetime(final['day'], dayfirst=True)

定義一些函數(shù)

def purchase_rate(customer_id):  
    purchase_rate = [1]  
    counter = 1  
    for i in range(1,len(customer_id)):  
          if customer_id[i] != customer_id[i-1]:  
                 purchase_rate.append(1)  
                 counter = 1  
          else:  
                 counter += 1  
                 purchase_rate.append(counter)  
    return purchase_rate  
def join_date(date, purchase_rate):  
    join_date = list(range(len(date)))  
    for i in range(len(purchase_rate)):   
          if purchase_rate[i] == 1:  
                 join_date[i] = date[i]  
          else:  
                 join_date[i] = join_date[i-1]  
    return join_date  
def age_by_month(purchase_rate, month, year, join_month, join_year):  
    age_by_month = list(range(len(year)))  
    for i in range(len(purchase_rate)):  
          if purchase_rate[i] == 1:  
              age_by_month[i] = 0  
          else:  
              if year[i] == join_year[i]:  
                 age_by_month[i] = month[i] - join_month[i]  
              else:  
                 age_by_month[i] = month[i] - join_month[i] + 12*(year[i]-join_year[i])  
     return age_by_month

purchase_rate函數(shù)將決定這是否是每個客戶的第二次、第三次、第四次購買。
join_date函數(shù)允許確定客戶加入的日期。
age_by_month函數(shù)提供了從客戶當(dāng)前購買到第一次購買的多少個月。

現(xiàn)在輸入已經(jīng)準(zhǔn)備好了，接下來創(chuàng)建群組。

創(chuàng)建群組

final['month'] =pd.to_datetime(final['day']).dt.month  
final['Purchase Rate'] = purchase_rate(final['customer_id'])  
final['Join Date'] = join_date(final['day'], final['Purchase Rate'])  
final['Join Date'] = pd.to_datetime(final['Join Date'], dayfirst=True)  
final['cohort'] = pd.to_datetime(final['Join Date']).dt.strftime('%Y-%m')  
final['year'] = pd.to_datetime(final['day']).dt.year  
final['Join Date Month'] = pd.to_datetime(final['Join Date']).dt.month  
final['Join Date Year'] = pd.to_datetime(final['Join Date']).dt.year

final['Age by month'] = age_by_month(final['Purchase Rate'],   
                                     final['month'],  
                                     final['year'],  
                                     final['Join Date Month'],  
                                     final['Join Date Year'])

cohorts = final.groupby(['cohort','Age by month']).nunique()  
cohorts = cohorts.customer_id.to_frame().reset_index()   # convert series to frame  
cohorts = pd.pivot_table(cohorts, values = 'customer_id',index = 'cohort', columns= 'Age by month')  
cohorts.replace(np.nan, '',regex=True)

**如何解釋這個表格：**以群組2018-01為例。在2018年1月，有462名新客戶。在這462人中，121名客戶在2018年2月回來購買，125名在2018年3月購買，以此類推。

轉(zhuǎn)換為群組百分比

for i in range(len(cohorts)-1):  
    cohorts[i+1] = cohorts[i+1]/cohorts[0]  
cohorts[0] = cohorts[0]/cohorts[0]

可視化

cohorts_t = cohorts.transpose()  
cohorts_t[cohorts_t.columns].plot(figsize=(10,5))  
sns.set(style='whitegrid')  
plt.figure(figsize=(20, 15))  
plt.title('Cohorts: User Retention')  
sns.set(font_scale = 0.5) # font size  
sns.heatmap(cohorts, mask=cohorts.isnull(),  
cmap="Blues",  
annot=True, fmt='.01%')  
plt.show()