【Python 数据分析 实战案例】通过用户和订单的数据分析，制定营销策略

在互联网行业中，电子商务领域绝对是数据分析用途最多的地方，各大电商平台都依赖数据分析帮助其挖掘用户订单增长机会。比如某宝的随手买一件，核心思路也就是根据用户的日常浏览内容及停留时间，以及订单的关联度来进行推荐的。

本篇文章，我们来通过一个真实的电商数据集进行分析，在复习前面内容的基础上，也可以感受一下电商数据分析的分析流程。

1、需求说明

最近某个电商网站需要策划一场推广活动，通过发短信的方式，向客户发送广告和优惠信息，吸引他们来购物。但由于预算及短信限制，无法对全量客户发送，需要找出最有可能转化的人群，定向发送推广信息，同时，下单的行为往往也跟时间呈现一定的关联关系，推送时间也需要考虑。

基于以上的需求说明，作为数据分析师，我们就需要根据需求，制定自己的分析计划。那么我们的任务就是：

• 通过数据分析，找到最有可能转化的人群特征（比如年龄、性别、地域等）。
• 通过数据分析，给出最适合发送推广短信的时间。

任务明确之后，就需要考虑我们要完成以上任务，需要哪些数据支撑，开始找数据部门提供相应的数据支持。

通过一顿友（唇）好（枪）协（舌）商（战），最终从数据部门要到如下数据：

• 用户行为表：最近6个月的用户行为数据。也就是下单数据
• VIP数据：用户VIP会员开通数据。
• 用户数据：用户个人信息相关数据。

拿到数据之后，我们就可以大展拳脚了。

2、数据集获取及分析

为了方便我们学习，需要自己模拟一些相关数据，不想模拟的话，可以在公众号联系获取。

拿到数据后，解压后可以看到如下几个文件：

• user_behavior_time_resampled.csv （用户行为数据）
• vip_users.csv （VIP用户数据）
• user_info.csv（用户数据）

我们先来看一下各个表的字段说明：

user_behavior_time_resampled.csv vip_users.csv

user_info.csv

3、加载数据

从这里开始，我们就开始使用我们前面了解的一些包和库来读取数据了，这里首先是使用pandas来加载数据。

import pandas as pd
df_user_log = pd.read_csv("EComm/user_behavior_time_resampled.csv")

df_vip_user = pd.read_csv("EComm/vip_user.csv")

df_user_info = pd.read_csv("EComm/user_info.csv")

df_user_log

df_vip_user

df_user_info

加载完后，输出如下：

❝

这里，df_user_log表中有一个 time_stamp 和 timestamp 字段，我们需要了解一下这两个字段的意思。