构建电商用户画像的实战案例

发布时间：2025-04-05 07:52:30 来源：热点资讯网 作者：流年

大家好，欢迎来到 Crossin的编程教室 ！本文以真实案例，手把手教你搭建电商系统的用户画像。先来看该电商用户画像用到的标签。数据内容包括user_id（用户身份）、item_id（商品）、IDbehavior_type（用户行为类型，包含点击、收藏、加购物车、支付四种行为，分别用数字1、2、3、4表示）、user_geohash（地理位置）、item_category（品类ID，即商品所属的品类）、Time（用户行为发生的时间），其中user_id和item_id因为涉及隐私，做了脱敏处理，显示的是数字编号。下面是具体的代码实现过程。01导入库本示例除了用到numpy、pandas、matplotlib，还用到其他一些模块。1# 导入所需的库23%matplotlib inline45import numpy as np67import pandas as pd89from matplotlib import pyplot as plt1011from datetime import datetime参数说明如下。%matplotlib inline：一个魔法函数，由于%matplotlib inline的存在，当输入plt.plot()后，不必再输入plt.show()，图像将自动显示出来。datetime：用来显示时间的模块。02数据准备1# 导入数据集23df_orginal = pd.read_csv('./taobao_persona.csv')45# 抽取部分数据67df = df_orginal.sample(frac=0.2,random_state=None)此处使用Pandas的read_csv方法读取数据文件，由于数据集太大，为了提高运行效率，使用sample函数随机抽取20%的数据。DataFrame.sample()是Pandas中的函数，DataFrame是一种数据格式，代指df_orginal。frac(fraction)是抽取多少数据，random_state是随机数种子，目的是保证每次随机抽取的数据一样，防止执行命令时使用不一样的数据。03数据预处理1# 查看其中是否有缺失值，统计各字段缺失值23df.isnull().any().sum()45# 发现只有user_geohash有缺失值，且缺失的比例很高，无统计分析的意义，将此列删除67df.drop('user_geohash',axis=1,inplace=True)89# 将time字段拆分为日期和时段1011df['date'] = df['time'].str[0:10]1213df['time'] = df['time'].str[11:]1415df['time'] = df['time'].astype(int)1617# date用str方法取0-9位的字符，time取11位到最后一位，将time转化成int类型。1819# 将时段分为'凌晨','上午','中午','下午','晚上'2021df['hour'] = pd.cut(df['time'],bins=[-1,5,10,13,18,24],labels=['凌晨','上午',2223 '中午','下午','晚上'])结果如图1所示。图1　数据预处理结果1# 生成用户标签表，制作好的标签都加入这个表中23users = df['user_id'].unique()45labels = pd.DataFrame(users,columns=['user_id'])pd.DataFrame()：其中数据填充的是users，列名为user_id。结果如图2所示。图2 制作好的用户ID之后分析后的内容都会放置在此表中，相当于建立了一个空白表，将自己分析后的结论一一加入。04数构建用户行为标签1）对用户浏览时间段进行分析选取出各用户浏览次数最多的时段，看看用户到底在什么时间浏览商品比较多。1# 对用户和时段分组，统计浏览次数23time_browse = df[df['behavior_type']==1].groupby(['user_id','hour']).item_45 id.count().reset_index()67time_browse.rename(columns={'item_id':'hour_counts'},inplace=True)89# 统计每个用户浏览次数最多的时段1011time_browse_max = time_browse.groupby('user_id').hour_counts.max().reset_index()1213time_browse_max.rename(columns={'hour_counts':'read_counts_max'},inplace=True)1415time_browse = pd.merge(time_browse,time_browse_max,how='left',on='user_id')1617# 之前已经按照user_id和hour进行了浏览物品次数的计数统计，现在借用浏览次数统计user_id在1819# 哪个时间段浏览次数最多，并将其作为该用户的浏览时间标签的代表。2021# 选取各用户浏览次数最多的时段，如有并列最多的时段，用逗号连接2223time_browse_hour=time_browse.loc[time_browse['hour_counts']==time_browse['read_2425 counts_max'],'hour'].groupby(time_browse['user_id']).aggregate(lambda2627 x:','.join(x)).reset_index()2829time_browse_hour.head()3031# 将用户浏览活跃时间段加入用户标签表中3233labels = pd.merge(labels,time_browse_hour,how='left',on='user_id')3435labels.rename(columns={'hour':'time_browse'},inplace=True)3637# labels相当于一张考试卷纸，上面展示的都是最后处理好的结果结果如图3所示。图3 用户浏览时间段groupby(['key1','key2'])：多列聚合，分组键为列名。reset_index()：默认drop=False，可以获得新的index，原来的index变成数据列保留下来，第一列会添加计数的数字，不会使用数据中的index。rename()：进行重命名，此处将item_id替换成hour_counts，inplace为是否原地填充。pd.merge()：将两个表合并在一起，横向合并，on代表通过某个主键，how指左合并，每行一一对应。loc函数：通过行索引Index中的具体值来取指定数据。aggregate函数：groupby分组之后会返回多个子数据帧，该函数可以实现数据聚合，可以得到每个子数据帧的某些列的某些信息。lambda函数：可以定义一个匿名函数，lambda [arg1[, arg2, … argN]]: expression，其中参数是函数的输入，是可选的，后面的表达式则为输出，此处和join()函数一起用，其中每个x值能被“,”隔开;使用类似的代码可以生成浏览活跃时间段，此处就不再赘述。2）关于类目的用户行为。1df_browse = df.loc[df['behavior_type']==1,['user_id','item_id','item_category']]23df_collect = df.loc[df['behavior_type']==2,['user_id','item_id','item_category']]45df_cart = df.loc[df['behavior_type']==3,['user_id','item_id','item_category']]67df_buy = df.loc[df['behavior_type']==4,['user_id','item_id','item_category']]根据不同的用户行为，如浏览、收藏等，分别导出数据进行分析。1# 对用户与类目进行分组，统计浏览次数23df_cate_most_browse = df_browse.groupby(['user_id','item_category']).item_id.count().45 reset_index()67df_cate_most_browse.rename(columns={'item_id':'item_category_counts'},inplace=89 True)1011# 统计每个用户浏览次数最多的类目1213df_cate_most_browse_max=df_cate_most_browse.groupby('user_id').item_category_1415 counts.max().reset_index()1617df_cate_most_browse_max.rename(columns={'item_category_counts':'item_category_1819 counts_max'},inplace=True)2021df_cate_most_browse = pd.merge(df_cate_most_browse,df_cate_most_browse_max,2223 how='left',on='user_id')2425# 将item_category的数字类型改为字符串型2627df_cate_most_browse['item_category'] = df_cate_most_browse['item_category'].2829 astype(str)3031# 选取各用户浏览次数最多的类目，如有并列最多的类目，用逗号连接3233df_cate_browse=df_cate_most_browse.loc[df_cate_most_browse['item_category_3435 counts']==3637df_cate_most_browse['item_category_counts_max'],'item_category'].groupby(df_3839 cate_most_browse['user_id']).aggregate(lambda x:','.join(x)).reset_index()4041# 将用户浏览最多的类目加入用户标签表中4243labels = pd.merge(labels,df_cate_browse,how='left',on='user_id')4445labels.rename(columns={'item_category':'cate_most_browse'},inplace=True)4647labels.head(5)用户浏览最多的类目如图4所示。图4　浏览最多的类目收藏、加购和购买最多的类目生成逻辑相同，重复操作后结果如图5所示。图5　关于类目的用户行为从整理的数据中可以看出，浏览、加购物车、收藏、购买之前其实不一定存在明显的必然关系，我们还需要进一步分析得到一些规律。3）近30天用户行为分析。近30天购买次数：1# 将购买行为按用户进行分组，统计次数23df_counts_30_buy = df[df['behavior_type']==4].groupby('user_id').item_id.45 count().reset_index()67labels = pd.merge(labels,df_counts_30_buy,how='left',on='user_id')89labels.rename(columns={'item_id':'counts_30_buy'},inplace=True)近30天加购次数：1# 将加购行为按用户进行分组，统计次数23df_counts_30_cart = df[df['behavior_type']==3].groupby('user_id').item_id.45 count().reset_index()67labels = pd.merge(labels,df_counts_30_cart,how='left',on='user_id')89labels.rename(columns={'item_id':'counts_30_cart'},inplace=True)近30天活跃天数：1# 对用户进行分组，统计活跃的天数，包括浏览、收藏、加购、购买23counts_30_active = df.groupby('user_id')['date'].nunique()45labels = pd.merge(labels,counts_30_active,how='left',on='user_id')67labels.rename(columns={'date':'counts_30_active'},inplace=True)89这里pd.nunique()是指返回的是唯一值的个数。结果如图6所示。图6　近30天用户行为近30天用户行为分析属于中长期的用户行为，我们可以依此判断是否需要调整营销策略，类似可以得到短期的7天用户行为分析，观察中短期或一个小周期内，用户的行为是何种情况。4）最后一次行为距今天数。分析上次和本次用户行为的时间差值可以实现精确推荐分析，下面我们来看看具体如何实现。上次浏览距今天数：1days_browse = df[df['behavior_type']==1].groupby('user_id')['date'].max().apply23(lambda x:(datetime.strptime('2014-12-19','%Y-%m-%d')-x).days)45labels = pd.merge(labels,days_browse,how='left',on='user_id')67labels.rename(columns={'date':'days_browse'},inplace=True)datetime.strptime('2014-12-19','%Y-%m-%d')-x).days：该部分属于lambda中的函数表达式部分，即计算规则，此处最后取相减后的天数总和。apply()：格式为apply(func,*args,**kwargs)，当一个函数的参数存在于一个元组或者一个字典中时，可间接调用这个函数，并将元组或者字典中的参数按照顺序传递给该函数，返回值就是func函数的返回值。相当于循环遍历，起到处理每一条数据的效果。类似可以生成上次加购、购买距今天数，分析得到用户的活跃情况，如图7所示，如果长时间没有活跃，则需要推送一些内容，或者发放优惠券刺激用户。图7　最后一次行为距今天情况统计5）最近两次购买间隔天数。1df_interval_buy = df[df['behavior_type']==4].groupby(['user_id','date']).item_23 id.count().reset_index()45interval_buy = df_interval_buy.groupby('user_id')['date'].apply67(lambda x:x.sort_values().diff(1).dropna().head(1)).reset_index()89interval_buy['date'] = interval_buy['date'].apply(lambda x : x.days)1011interval_buy.drop('level_1',axis=1,inplace=True)1213interval_buy.rename(columns={'date':'interval_buy'},inplace=True)1415labels = pd.merge(labels,interval_buy,how='left',on='user_id')用购买间隔数分析用户的购买频率，方便确定用户的消费活跃等级，精准制定营销方式。结果如图8所示。图8　最近两次购买间隔天数统计6）是否浏览未下单。1df_browse_buy=df.loc[(df['behavior_type']==1)|(df['behavior_type']==4),23['user_id','item_id','behavior_type','time']]45browse_not_buy=pd.pivot_table(df_browse_buy,index=['user_id','item_id'],67columns=['behavior_type'],values=['time'],aggfunc=['count'])89browse_not_buy.columns = ['browse','buy']1011browse_not_buy.fillna(0,inplace=True)1213# 添加了一列browse_not_buy，初始值为0。1415browse_not_buy['browse_not_buy'] = 01617# 浏览数>0,购买数=0的数据输出1.1819browse_not_buy.loc[(browse_not_buy['browse']>0) & (browse_not_buy['buy']==0),2021 'browse_not_buy'] = 12223browse_not_buy=browse_not_buy.groupby('user_id')['browse_not_buy'].sum().reset_2425 index()2627labels = pd.merge(labels,browse_not_buy,how='left',on='user_id')2829labels['browse_not_buy'] = labels['browse_not_buy'].apply(lambda x: '是' if x>03031 else '否')|：在Python语句中表示或，&表示且。pd.pivot_table()：透视表功能，df_browse_buy为data块，values可以对需要的计算数据进行筛选，aggfunc参数可以设置我们对数据聚合时进行的函数操作。fillna：会填充NaN数据，返回填充后的结果，inplace=True代表原地填充。结果如图9所示。图9　是否浏览未下单情况统计针对浏览未下单的用户要加大推广力度，可以增加优惠券的发放次数，促进购物。7）是否加购未下单。1df_cart_buy=df.loc[(df['behavior_type']==3)|(df['behavior_type']==4),['user_23 id','item_id','behavior_type','time']]45cart_not_buy=pd.pivot_table(df_cart_buy,index=['user_id','item_id'],columns=67 ['behavior_type'],values=['time'],aggfunc=['count'])89cart_not_buy.columns = ['cart','buy']1011cart_not_buy.fillna(0,inplace=True)1213cart_not_buy['cart_not_buy'] = 01415cart_not_buy.loc[(cart_not_buy['cart']>0) & (cart_not_buy['buy']==0),'cart_not_1617 buy'] = 11819cart_not_buy = cart_not_buy.groupby('user_id')['cart_not_buy'].sum().reset_index()2021labels = pd.merge(labels,cart_not_buy,how='left',on='user_id')2223labels['cart_not_buy'] = labels['cart_not_buy'].apply(lambda x: '是' if x>02425 else '否')结果如图10所示。图10　是否加购未下单情况统计制定营销策略时，要重点注意这部分人群，因为加购未下单的购买转化率是最大的，有成功下单、最大潜力的客户就在这里。05构建用户属性标签1）是否复购用户：1buy_again = df[df['behavior_type']==4].groupby('user_id')['item_id'].count().23 reset_index()45buy_again.rename(columns={'item_id':'buy_again'},inplace=True)67labels = pd.merge(labels,buy_again,how='left',on='user_id')89labels['buy_again'].fillna(-1,inplace=True)1011# 未购买的用户标记为'未购买'，有购买未复购的用户标记为'否'，有复购的用户标记为'是'1213labels['buy_again'] = labels['buy_again'].apply(lambda x: '是' if x>1 else1415 '否' if x==1 else '未购买')结果如图11所示。图11　是否复购用户统计2）访问活跃度：1user_active_level = labels['counts_30_active'].value_counts().sort_index(ascending=23 False)45plt.figure(figsize=(16,9))67user_active_level.plot(title='30天内访问次数与访问人数的关系',fontsize=18)89plt.ylabel('访问人数',fontsize=14)1011plt.xlabel('访问次数',fontsize=14)1213# 用于显示中文1415plt.rcParams["font.sans-serif"] = ['SimHei']1617plt.rcParams['axes.unicode_minus'] = False1819# 先将user_active_level全部设置成高，再搜索数值<16的部分，设置成低2021labels['user_active_level'] = '高'2223labels.loc[labels['counts_30_active']<=16,'user_active_level'] = '低'结果如图12所示。图12　30天内访问次数与访问人数的关系value_counts()：查看表格某列中有多少个不同值，并计算每个不同值在该列中有多少重复值。sort_index()：按照某一列的大小进行排序，ascending=False是按照从大到小排序。plt.figure(figsize=(a,b))：创建画板，figsize代表宽为a，高为b的图形，单位为英寸。plt.ylabel：设置y轴，fontsize是字体大小。plt.xlabel：设置x轴。通过图12可以看出，访问次数多的用户比访问次数少的用户数量多，且以15次左右为拐点，因此定义访问次数小于等于16次的用户为低活跃用户，访问次数大于16次的用户定义为高活跃用户，此定义只是从用户的角度出发，工作中当从业务角度定义。访问次数多的访客比访问次数少的访客数量多，与绝大多数的产品访问规律相反，从侧面反映了用户黏性之强。3）购买活跃度：1buy_active_level = labels['counts_30_buy'].value_counts().sort_index(ascending=23 False)45plt.figure(figsize=(16,9))67buy_active_level.plot(title='30天内购买次数与购买人数的关系',fontsize=18)89plt.ylabel('购买人数',fontsize=14)1011plt.xlabel('购买次数',fontsize=14)1213labels['buy_active_level'] = '高'1415labels.loc[labels['counts_30_buy']<=14,'buy_active_level'] = '低'结果如图13所示。图13　30天内购买次数与购买人数的关系由图13可知，14次左右是个拐点，因此定义购买次数小于等于14次的用户为低活跃用户，大于14次的用户为高活跃用户。4）购买的品类是否单一：1buy_single=df[df['behavior_type']==4].groupby('user_id').item_category.nunique()23.reset_index()45buy_single.rename(columns={'item_category':'buy_single'},inplace=True)67labels = pd.merge(labels,buy_single,how='left',on='user_id')89labels['buy_single'].fillna(-1,inplace=True)1011labels['buy_single'] = labels['buy_single'].apply(lambda x: '是' if x>1 else1213 '否' if x==1 else '未购买' )结果如图14所示。图14　购买品类单一情况统计了解用户购买的品类有利于构建用户群体行为，比如该群体统一对化妆品消费占比巨大，则该用户群体的主要特征标签之一就是化妆品。5）用户价值分组（RFM模型）：1last_buy_days = labels['days_buy'].value_counts().sort_index()23plt.figure(figsize=(16,9))45last_buy_days.plot(title='最后一次购买距今天数与购买人数的关系',fontsize=18)67plt.ylabel('购买人数',fontsize=14)89plt.xlabel('距今天数',fontsize=14)结果如图15所示。图15　最后购买行为距今天数与购买人数的关系使用RFM模型分析：1labels['buy_days_level'] = '高'23labels.loc[labels['days_buy']>8,'buy_days_level'] = '低'45labels['rfm_value'] = labels['buy_active_level'].str.cat(labels['buy_days_level'])67def trans_value(x):89 if x == '高高':1011 return '重要价值客户'1213 elif x == '低高':1415 return '重要深耕客户'1617 elif x == '高低':1819 return '重要唤回客户'2021 else:2223 return '即将流失客户'2425labels['rfm'] = labels['rfm_value'].apply(trans_value)2627# 此处的apply()调用了一个自己定义（def）的函数2829labels.drop(['buy_days_level','rfm_value'],axis=1,inplace=True)3031labels['rfm'].value_counts()结果如图16所示。图16 RFM模型分析结果str.cat()是指将两个独立的字符串拼接，此处将'buy_active_level‘和'buy_days_level'拼接。如果要在两个合并的列中间加一个分隔符号，可在cat括号内加：sep='-'，用-连接合并内容。将buy_active_level和buy_days_level组合，形成“高高”或者“高低”等。将两个重要指标合并后，每个user_id进入不同的分类组。RFM模型是衡量客户价值和客户创利能力的重要工具和手段，其中，R(recently)：最近一次消费；F（Frequently）：消费频率；M（Monetary）：消费金额。对最后输出的用户群体制定不同的营销策略。针对重要价值客户要予以关注并维护；针对重要深耕用户，予以相应的价格刺激，如折扣和捆绑销售等增加用户的购买频率，提高黏性；针对重要唤回用户，要在特定时间点进行刺激，比如进行产品卖点刺激、品牌灌输等，不断加强他们对品牌的认可，提高忠诚度；针对流失客户，在此例中，因其数量占三分之一左右，需进一步分析得出流失原因。本文摘编自《Python金融数据挖掘与分析实战》，来源：数仓宝贝库作者：刘鹏 高中强Crossin的新书 《码上行动：用ChatGPT学会Python编程》 已经上市了 。本书创新地以ChatGPT作为辅助学习工具，系统全面地讲解了零基础读者如何快速有效地学习Python编程技能。书中包含Python语言基础、文件操作和爬虫等进阶内容，并 讲解了ChatGPT的功能及在编程 中的应 用，包括如何利用它进行辅助开发和在程序中接入ChatGPT。本书内容系统全面，案例丰富，讲解浅显易懂，适合Python零基础入门的读者学习。读者朋友们购买后可在后台联系我，加入读者交流群，Crossin会为你开启陪读模式，解答你在阅读本书时的一切疑问。Crossin的其他书籍：感谢转发和点赞的各位~【教程】:python【答疑】:666更多资源请在公众号内搜索或留言

特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“号”用户上传并发布，本平台仅提供信息存储服务。

相关文章