电商平台用户画像建模研究论文

包括用户行为数据和用户基本信息数据： 重复值处理 缺失值处理 数据格式处理： 日期格式的转换 astype() 查看有无重复值：首先看使用df.info查看各个字段的记录数，再看去除重复值后的数量。以此判断有无重复数据。 去重重复值可以使用函数drop_duplicates() 通过df.info查看数据格式 看到time是object类型的，不适合处理。同时我们一般将数据分为日期和时间格式，因此对其进行拆分处理。 为各个时段打标，将时段分为'凌晨'、'上午'、'中午'、'下午'、'晚上' 知识点：pd.cut函数，区间分割 查看空值，并计算数量。可以看到并无空值。 在订单表中按照（用户，时段）分组，取每个时段的记录数（订单数）： 这里的操作流程与hive-sql类似，我们需要先把max算出来，再去关联。 将生成的标签加入标签表： 同理，可统计出用户购买的活跃时间段，在此不赘述，仅展示结果 分析用户最喜欢的类目，从而便于我们为其进行推荐。 最终得到标签表： 通过分析用户分析最近的行为，来判断该用户是否活跃、流失 分析近30天的活跃天数，只要有浏览、收藏、加购和购物四种行为之一就认为是活跃。 结果如下： 我们可以通过查看所有用户30天活跃天数的分布情况，来确认一个分类的标准，判断某个用户是否活跃。 用户30天活跃天数分布图如图： 同理，可分析用户近7天的行为，包括其购物次数和活跃天数。 与上述操作类似，展示结果: 明确今天的日期，在本项目中，“今天”指“2014-12-19”，然后统计订单表中用户某种行为的最大日期与当前日期的差值。 使用的函数是：datetime.strptime： new datetime parsed from a string (like time.strptime()) ，将字符串转为date格式，以方便我们做日期运算 结果如图： 使用日期的diff函数 返回结果 RFM分组是指按照最近一次消费 (Recency)、消费频率 (Frequency)和消费金额(Monetary)进行分组 最近一次消费，我们按照最后一次购物距今的天数进行分组，同样是观看用户的一个分布情况，然后看如何进行分类。 消费频率，这里放宽要求，按照用户的30天活跃天数进行分类 消费金额，本次不涉及金额的统计。 因此，我们可以根据活跃度分类和最近一次消费将用户划分为四类： 结果如图 可以看到在第8天前后，用户有明显的分层，因此按照8天对其进行划分，最后一次消费距今天数小于8天的，认为最近有消费，大于8天的认为最近无消费 返回结果： 通过value_counts查看每个值的出现次数： 上述返回的结果值是： 如果值为空，说明无相应的行为，对浏览未购买的数据记录进行打标 以上的步骤到商品粒度，下面对用户进行统计，即只要用户有浏览未下单的行为就对其进行打标 返回的结果如图： 加购未下单同上述步骤 分析平台用户的年龄、学历、性别、城市、职业、婚姻情况等，以便于我们去分析我们的典型用户是什么。 从上图可以看出，平台用户中男性居多，女性较少。 值的分层可以使用pd.cut函数 从年龄分布图中，可以看出平台的用户以25岁-40岁的用户居多。青年人和中老年用户较少。 返回结果如下图，从结果中可以看到来自北上广深的用户占绝大部分比例。 从婚姻分布情况中可以看到，平台用户中有超过60％的用户为已婚。 使用该平台的用户大部分拥有大学及以上的学历 使用该平台的用户大部分为互联网从业人群 首先查看这一个月的时间跨度用户每天的购物情况： 从上图可以看出，该平台每天的下单用户数比较平稳，有一些周期性因素在其中，可能是每周周中和周末的购物情况不同。同时，注意到12.12这一天购物用户激增，可能是12.12购物节的因素。 再分析下用户喜欢在周几下单，哪个时间下单 从图中我们可以看到用户的喜欢的购物时间：周五，晚上9点。上午购物的人数都比较少，主要集中在下午和晚上。 通过用户的下单情况，我们可以对每周的下单用户进行分层，将其分为活跃用户、不活跃用户和回流用户。 最终结果 通过面积图看一下每周不同类型用户的比例情况： 复购率：一周内购买多次（＞1）的用户占总用户的比例 从中可以看到，5周的复购用户都在50％以上，47周和51周的复购率较低，可能是因为数据不完整的原因。 用户最喜欢购买的品类？ 用户最多收藏的品类？ 从结果可见，用户最喜欢购买的品类前五名是6344、12189、5232、1863和4370，用户收藏最多的品类是13230、5894、1863、6513和5027。 转换率=浏览该商品的用户数/购买该商品的用户数 最终结果如图： 查看转换率的分布情况：