用户消费行为数据分析项目

1、数据源

1）需求分析

2、分析思路

一、用户整体消费趋势分析–按月份

1、按月份统计产品购买数量、消费金额、消费次数、消费人数

分析结果：
1、图一可以看出，前三个月销量非常高，而以后销量较为稳定，并且稍微呈现下降趋势
2、图二可以看出，依然前三个月消费金额较高，与消费数量成正比例关系，三月份过后下降严重，并且呈现下降趋势，跟月份有关
3、在我国，1 2 3月份处于春节前后；公司在1 2 3月份是否加大了促销力度
4、图三可以看出，前三个月订单数在10000左右，后续月份的平均消费单数在2500左右
5、图四可以看出，前三个月消费人数在8000-10000左右，后续平均消费人数在2000不到的样子

二、用户个体消费分析

1、用户消费金额、消费次数（产品数量）描述统计

分析结果：
1、从用户的角度，用户数量23570个，每个用户平均购买7个，但中位数只有3，
并且最大购买量为1033，平均值大于中位数，属于典型的右偏分布；
2、从消费金额角度，平均用户消费106，中位数43，并且存在土豪用户13990，结合分位数和最大值来看，平均数与75%分位数几乎相等，
属于典型的右偏分布，说明存在小部分用户（后面的25%）高额消费；
从图中可知，用户的消费金额与购买量呈现线形趋势，每个商品均价在15左右；
订单的极值点比较少（消费金额>1000，或者购买量大于60），对于样本来说影响不大，可以忽略不计；

2、用户消费分布图

分析结果：
图一：消费金额在100以内的订单占据了绝大多数
图二可知，每个用户购买数量非常小，集中在50以内
两幅图得知，我们的用户主要是消费金额低，并且购买量小于50的用户人数占据大多数（在电商领域是非常正常的现象）

3、用户累计消费金额占比分析（用户的贡献度）

分析结果：
前2万名用户贡献总金额的40%，剩余3500名用户贡献了60%（2/8原则）

三、用户消费行为

1、首购时间（用户分组，取最小值，即为首购时间）

分析结果：
由图可知：首次购买的用户量在1月1日–2月10日呈明显上升趋势，后续开始逐步下降；
猜测：有可能是公司产品的推广力度或者价格调整所致；

2、最后一次购买时间

大多数用户最后一次购买时间集中在前3个月，说明缺少忠诚用户
随着时间的推移，最后一次购买商品的用户量呈现上升趋势；
猜测：这份数据选择的是前三个月消费的用户在后面18个月的跟踪记录；

四、用户分层

1、构建RFM模型

RFM计算方式：每一列数据减去数据所在列的平均值，有正有负，
根据结果值与1做比较；如果>=1，设置为1；否则设置为0；

1、构建RFM模型
透视表的使用
index：相当于groupby
values：取出的数据列
aggfunc：key值必须存在于values列中，并且必须跟随有效的聚合函数名
rfm = df.pivot_table(index='user_id',
values=['order_products', 'order_amount', 'order_date']