Python电商推荐与用户购买行为分析

一、 走进购物车的秘密花园：电商数据的魔法森林

A. 探索用户画像：如何勾勒出消费者的轮廓？

在电商领域，了解你的顾客就像是拥有一张通往宝藏的地图。而这张地图上最珍贵的信息就是用户的画像——他们是谁，喜欢什么，以及他们的购物习惯。用户画像是通过收集和分析用户的行为数据来构建的。比如，一个经常购买运动装备的年轻人可能对户外活动感兴趣，而一位常买婴儿用品的用户可能是一位年轻的父母。

让我们来看一看如何用Python来构建一个基本的用户画像。首先，我们需要收集一些数据。假设我们的数据库里已经有了一些用户的基本信息和购物记录，我们可以使用Pandas来加载和处理这些数据。

import pandas as pd

# 假设有一个CSV文件包含了用户数据
data = pd.read_csv('users.csv')

# 显示数据前5行
print(data.head())

# 创建用户画像函数
def create_user_profile(df):
    # 统计用户购买频率
    purchase_freq = df.groupby('user_id')['product_id'].count().reset_index(name='purchase_count')
    
    # 分析用户年龄分布
    age_distribution = df['age'].value_counts().sort_index()
    
    # 计算平均消费金额
    avg_spending = df.groupby('user_id')['amount'].mean().reset_index(name='avg_amount')
    
    # 合并所有画像信息
    user_profile = pd.merge(purchase_freq, avg_spending, on='user_id', how='left')
    user_profile = pd.merge(user_profile, age_distribution.to_frame(name='age_count'), left_on='age', right_index=True, how='left')
    
    return user_profile

# 构建用户画像
user_profile = create_user_profile(data)
print(user_profile.head())

通过这样的方式，我们就可以初步了解每位用户的购物习惯，为进一步的个性化推荐打下基础。

B. 行为追踪：用户在电商网站上的每一次点击都意味着什么？

在电商网站中，用户的每一次点击、浏览、收藏、评论都是有价值的数据点。这些行为数据不仅能够帮助我们理解用户的偏好，还能够揭示出用户的潜在需求。例如，如果一个用户经常浏览某一类产品的页面，那么他很可能对这类产品感兴趣。

为了跟踪这些行为，我们可以使用Python中的Web框架如Flask或Django来记录用户在网站上的行为。下面是一个简单的例子，展示如何使用Flask来记录用户访问某个页面的行为：

from flask import Flask, request
import json
import sqlite3

app = Flask(__name__)

# 连接到SQLite数据库
conn = sqlite3.connect('user_behavior.db')
c = conn.cursor()

# 创建表格存储用户行为
c.execute('''
    CREATE TABLE IF NOT EXISTS behavior (
        user_id TEXT,
        page_visited TEXT,
        timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
    )
''')

# 记录用户行为
@app.route('/track', methods=['POST'])
def track():
    data = request.get_json()
    c.execute("INSERT INTO behavior (user_id, page_visited) VALUES (?, ?)", (data['user_id'], data['page']))
    conn.commit()
    return 'Behavior tracked successfully'

# 示例：发送请求模拟用户行为
@app.route('/simulate_behavior', methods=['GET'])
def simulate_behavior():
    data = {
   
        'user_id': 'user123',
        'page': '/product/123'