文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

怎么利用Python进行客户分群分析

2023-07-05 05:55

关注

这篇文章主要讲解了“怎么利用Python进行客户分群分析”,文中的讲解内容简单清晰,易于学习与理解,下面请大家跟着小编的思路慢慢深入,一起来研究和学习“怎么利用Python进行客户分群分析”吧!

导入数据和python库

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

怎么利用Python进行客户分群分析

分离新老客户

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

在这里,不能简单地选择df.loc[df['customer_type']],因为在这个数据中,在customer_type列下,First_time指的是新客户,而Returning指的是老客户。因此,如果我在2019年12月31日第一次购买,数据会显示我在2019年12月31日是新客户,但在我第二次、第三次…时是返回客户。同期群分析着眼于新客户和他们的后续购买行为。因此,如果我们简单地使用df.loc[df['customer_type']=='First-time',],我们就会忽略新客户的后续购买,这不是分析同期群行为的正确方法。

因此,这里所需要做的是,首先创建一个所有第一次的客户列表,并将其存储为first_time。然后从原始客户数据框df中只选择那些ID在first_time客户组内的客户。通过这样做,我们可以确保我们获得的数据只有第一次的客户和他们后来的购买行为。

现在,我们删除customer_type列,因为它已经没有必要了。同时,将日期列转换成正确的日期时间格式

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

按客户ID排序,然后是日期

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

怎么利用Python进行客户分群分析

定义一些函数

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

现在输入已经准备好了,接下来创建群组。

创建群组

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

怎么利用Python进行客户分群分析

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

怎么利用Python进行客户分群分析

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)

怎么利用Python进行客户分群分析

**如何解释这个表格:**以群组2018-01为例。在2018年1月,有462名新客户。在这462人中,121名客户在2018年2月回来购买,125名在2018年3月购买,以此类推。

转换为群组百分比

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

怎么利用Python进行客户分群分析

可视化

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()

怎么利用Python进行客户分群分析

怎么利用Python进行客户分群分析

感谢各位的阅读,以上就是“怎么利用Python进行客户分群分析”的内容了,经过本文的学习后,相信大家对怎么利用Python进行客户分群分析这一问题有了更深刻的体会,具体使用情况还需要大家实践验证。这里是编程网,小编将为大家推送更多相关知识点的文章,欢迎关注!

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯