本次的案例分析主要围绕整体消费情况和用户消费行为进行分析

本次的案例分析主要围绕整体消费情况和用户消费行为进行分析，找出高价值用户人群，了解用户留存以及流失等情况，为平台指定策略提供数据方面的支持和建议

首先第一步是什么呀，大家应该都很熟悉了对不对，数据处理和清洗！

我们导入数据包，同时设置好列标签

我们可以发现该数据集总共有69659行*4列数据，4张列标签分别是：

user_id：用户id

order_dt：下单日期

order_products：购买商品数量

order_amount：购买金额

order_dt字段为数值型，需要将其更改为日期型,同时加入month列，作为备用。

1.pd.to_datetime可以将特定字符串或数字转换为时间格式，其中format参数用于匹配

2.例如19970701，%Y匹配前面4位数字，如果y小写就只匹配2位数字97

3.同理，%m匹配月份07，%d匹配日期01。另外，小时是%h，分钟是%M

从表中我们可以看到，大部分订单只消费了少量商品（平均2.4个），存在极值干扰的可能

还有就是用户消费金额比较稳定，平均消费35.89元，中位数在25.98元，有一定极值干扰

然后我们再来简单观察一下数据集统计情况，可以发现大部分订单只消费了少量商品（平均2.4个），同时用户消费金额比较稳定，平均消费35.89元，但是中位数在25.98元，最大值有1286元，说明存在极值干扰的情况

接下来，我们对用户消费趋势进行分析

先来看月消费金额

然后用matplotlib进行图表展示

可以发现，顾客消费金额在前三月达到了顶峰，之后出现了明显的回落，但是能保持在较稳定的水平。

可以发现，顾客消费金额在前三月达到了顶峰，之后出现了明显的回落，但是能保持在较稳定的水平。

第二点，我们来看看月订单数量

在订单数量方面，我们发现其走势也和消费金额大体一致，前三月在11000左右，后期回落到了2500左右的水平。

接下来来看第三点，月消费人数

用drop duplicates对user_id字段进行去重，从而观察每月消费人数情况，我们可以发现前三月消费人数在8000到10000之间，后续月份消费人数大幅回落，平均消费人数不足2000。

分析完用户消费趋势，我们来看看用户个体的消费情况

1. 对用户消费的描述统计

我们发现：

1.用户平均购买了7张CD，但是中位数只有3，说明有小部分用户购买了大量CD

2.用户平均消费金额106元，中位数为43，同样存在极值的干扰

利用散点图对极值敏感的特点，我们可以直观发现极值的存在。

2、用户消费金额的分布情况

从直方图可知，用户消费金额绝大部分呈现集中趋势，小部分异常值干扰了判断，可以使用过滤操作来排除异常。

使用切比雪夫定理来过滤异常值，计算95%数字的情况（order_products平均值为7，标准差为17，7+5*17=92）

1. 用户累计消费占比情况

按用户消费金额进行升序排列，由图可知50%的用户仅贡献了15%的消费额度，而排名前5000的用户就贡献了60%的消费额。

接下来，我们需要对用户消费行为进行分析，首先来看用户的首购及末购情况

可以发现，用户第一次购买集中分布在前三个月，其中在2月11日至2月25日有一次剧烈波动。

而在最后一次购买方面，日期分布明显要比首购宽广，但是大量最后一次购买行为集中在前三个月，说明有大量用户只购买了一次之后便不再购买。随着时间递增，最后一次购买数量也在递增，消费呈现流失上升的状况。

第二来看看用户的生命周期

我们发现有一半用户只消费了一次

可以看到用户生命周期受极值的影响非常厉害，中位数仅有0天，但是平均首购与末购相隔天数为134天，而且图表中数据也集中于0天上。

将首购与末购相隔天数大于0的单独挑出来进行观察，我们可以发现有接近1200名用户两次消费间隔天数约在25天内，间隔400到500天的也有很大一部分。

我们用RFM模型来进行用户分层

从RFM分层可知，大量用户为重要保持客户，但这是受到极值的影响，RFM划分标准应以业务为准。

·尽量用小部分用户覆盖大部分额度

·不用为了数据好看划分等级

接下来看看新老客和活跃度这两个方面

若本月没有消费

-若之前是未注册，则依旧为未注册

-若之前有消费，则为流失/不活跃

-其他，为未注册

若本月有消费

-若是第一次消费，则为新用户

-若之前有消费，上个月为不活跃，则为回流

-若上个月未注册，则为新用户

-其他，为活跃用户

我们可以发现活跃用户在减少，非活跃用户不断增加

由上图可知每月不同消费状态的人群变化情况。

然后我们来看看用户的购买周期问题

我们可以发现，用户的购买周期具有以下几个特点：

1、订单周期呈指数型分布

2、用户平均购买周期是68天

3、大部分用户购买周期低于100天

下面看看复购率和回购率的分析过程

复购率：自然月内购买两次以上的用户占比

回购率：某一时期内曾经购买过的用户再次购买的占比

我们可以发现，复购率大体稳定在20%左右，前三个月大量只购买一次的新用户的涌入，导致复购率较低。

我们可以发现绝大部分用户购买一次后不再购买，老用户回购率在30%左右。

好！综上所述，我们来总结一下！

1、cd网站在前三个月涌入了绝大多数的新用户，月订单数量在11000左右，月消费人数在8000到10000之间，之后均回落至2000左右的水平；

2、50%的用户仅贡献了15%的消费额度，消费排名前5000的用户就贡献了60%的消费额，符合二八法则。同时该网站用户平均购买了7张cd，中位数只有3，说明有小部分用户购买了大量CD，同样也符合二八法则；

3、根据用户首购、末购情况，可以发现用户的受次购买集中分布在前三个月，且购买一次后便不再购买，该部分用户占比50%（符合2中提及的50%用户仅贡献15%的消费额度）；

4、根据用户分层RFM模型以及新老客、活跃度情况的分析，大量用户为重要保持客户，绝大多数新用户集中在前三个月，之后大部分转为非活跃用户；

5、按用户购买周期分析，用户平均购买周期为68天，大部分用户购买周期集中在100天内；

6、从复购率和回购率的角度来看，该cd网站的复购率答题稳定在20%左右，回购率在30%左右。