电商零售数据分析案例

时间：2023-03-15 23:58:01 | 来源：电子商务

时间：2023-03-15 23:58:01 来源：电子商务

一：项目背景

电商零售是通过科技手段对线下零售店面的客户进行类互联网大数据分析，然后整合线上线下资源，更加充分利用数据分析来实现零售的效率充分化。但零售的本质还是离不开“人货场”三个核心，本文围绕这三个核心并延续了零售业的常见主流分析方法对某大型全球超市进行数据分析，进而对企业运营提出相关建议。

一：明确分析目的

本文将基于某大型超市2011-2014年的零售数据，完成以下分析任务。

1.对该企业过去四年进行运营情况分析，为将来新策略的制定提供数据支持。

2.了解企业不同商品类别的销售情况，找出受消费者青睐的类别以及价格区，为商品运营提出建议。

3.围绕客户购买行为，对客户进行价值分析，并对运营提出相关建议。

二：分析思路

围绕“人、货、场”三个核心依次达成以上分析目的。

1.企业整体运营情况：运用多维度拆解法，从盈利情况、市场布局两大方面进行分析，综合了解企业运营现状。

2.商品分析：对商品结构分析与价格分析两个维度综合考虑，找出企业的主打产品类别以及商品，同时尝试对每类商品进行关联销售分析。

3.客户分析：了解客户构成，对整体客户行为进行探索，并对其进行价值分析。

分析过程：

三：理解数据

数据来源：某大型全球超市4年（2011-2014年）

总共51263条，26个字段。

# 导库import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns%matplotlib inlinefrom pyecharts.charts import *from pyecharts import options as opts# plt显示中文plt.rcParams['font.sans-serif'] = ['SimHei'] #显示中文标签plt.rcParams['axes.unicode_minus'] = False #显示符号import warningswarnings.filterwarnings('ignore')导入数据

data0 = pd.read_excel(r'E:/jupyter data/superstore_dataset2011-2015.csv')data0.head()出现报错：XLRDError: Unsupported format, or corrupt file: Expected BOF record; found b'Row ID,O'

百度之后也找不到原因，把excel文件改为xlsx就可以了。

data0 = pd.read_excel(r'E:/jupyter data/superstore_dataset2011-2015.xlsx')data0.head()

四：数据预处理

1）列名更改

data1 = data0.copy()data1.columns=['行编号','订单ID','订单日期','发货时间','发货模式','客户ID','客户姓名','客户类别','客户所在城市','客户城市所在州','客户所在国家','邮编','marker所属区域','marker所属洲','产品ID','产品类别','产品子类别','产品名称','销售额','销售量','折扣','利润','发货成本','订单优先级','不知名24','不知名25']2）缺失值处理

(data1.isnull().sum().sort_values(ascending=False) / data1.shape[0]).apply(lambda x: format(x, '.2%'))由于不知名的那两列不知道特征含义且缺失率非常大，可以删除；“邮编”缺失率79%，但这个特征没什么用，可以不用管。剩下的几个特征的缺失值先不管，用到再说

# 剔除掉不知名的两列data2 = data1.iloc[:,:-2]3）数据格式转化

# "订单日期"data2['订单日期'] = pd.to_datetime(data2['订单日期']) # 转化为日期格式data2 = data2.sort_values(by='订单日期', ascending=True) # 排序data2['订单日期_月'] = data2['订单日期'].map(lambda x:x.month) # 增加列data2['订单日期_年'] = data2['订单日期'].map(lambda x:x.year)# "发货时间"data2['发货时间'] = pd.to_datetime(data2['发货时间']) # 转化为日期格式data2.reset_index(drop=True,inplace=True) # 重置索引

# 销售额、利润这两个字段存在非数字的异常值data2['销售额'] = data2['销售额'].astype(float)ValueError: could not convert string to float: ' Metal"'

data2.shape[0] - sum(data2['销售额'].apply(lambda x:type(x) is float)), data2.shape[0] - sum(data2['利润'].apply(lambda x:type(x) is float)) # 异常值数目(1555, 1438)

# 直接剔除data2 = data2[data2['销售额'].apply(lambda x:type(x) is float)]data2 = data2[data2['利润'].apply(lambda x:type(x) is float)]data2.reset_index(drop=True,inplace=True)# 转化类型data2['销售额'] = data2['销售额'].astype(float) data2['销售量'] = data2['销售量'].astype('int')data2['利润'] = data2['利润'].astype(float)4）增加指标

# 增加销售单价列data2['销售单价'] = data2['销售额'] / data2['销售量']data2['星期'] = data2['订单日期'].apply(lambda x:x.isoweekday()) # 提取出周几

data2.describe()超过一半数据条的销售额、销售单价都以低价为主，但注意有25%的商品的利润都为负，可能要减少库存从而打折清仓处理

五：数据分析

5.1 运营状况

5.1.1 盈利情况分析

• 4年经营情况同比

data_sale = data2.groupby('订单日期_年').sum()[['销售额', '利润', '销售量']]data_sale['利润率'] = data_sale['利润'] / data_sale['销售额']data_saleriqi_nian = list(data_sale.index.astype(str)) # pyechart里面要求str格式作x坐标轴xiaoshoue = list(data_sale['销售额'].astype(int)) # 为了避免小数，直接转化为intlirun = list(data_sale['利润'].astype(int))lirunlv = list(round(data_sale['利润率']*100,2))rate = data_sale.pct_change() # 计算同比rate# 可视化bar1 = (Bar() .add_xaxis(riqi_nian) .add_yaxis('销售额', xiaoshoue , xaxis_index=1, yaxis_index=1) .add_yaxis('利润', lirun , xaxis_index=1, yaxis_index=1) .extend_axis(yaxis = opts.AxisOpts(name="百分比" ,type_="value" ,min_=6 ,axisline_opts=opts.AxisLineOpts(linestyle_opts=opts.LineStyleOpts(color="#d14a61")) #右边坐标轴颜色 ,axislabel_opts=opts.LabelOpts(formatter="{value} %"))) .set_global_opts(title_opts = opts.TitleOpts(title="2011年-2014年整体盈利情况") ,yaxis_opts = opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} 元")) # 左边坐标轴 ,toolbox_opts = opts.ToolboxOpts(is_show=True)) # 工具箱显示 )line1 = (Line() .add_xaxis(riqi_nian) .add_yaxis("利润率", lirunlv , xaxis_index=1 , yaxis_index=2) .set_global_opts(yaxis_opts=opts.AxisOpts(type_="value" ,min_=6 ,name='百分比')) )overlap1 = bar1.overlap(line1)line2 = (Line() .add_xaxis(riqi_nian[1:]) .add_yaxis("销售额", list(round(rate['销售额']*100,2))[1:] , xaxis_index=0, yaxis_index=0) .add_yaxis("利润", list(round(rate['利润']*100,2))[1:] , xaxis_index=0, yaxis_index=0) .add_yaxis("销售量", list(round(rate['销售量']*100,2))[1:] , xaxis_index=0, yaxis_index=0) .add_yaxis("利润率", list(round(rate['利润率']*100,2))[1:] , xaxis_index=0, yaxis_index=0) .set_global_opts(title_opts=opts.TitleOpts(title="2012年-2014年各项同比增长率" , pos_top="48%"), legend_opts=opts.LegendOpts(pos_top="48%") ,yaxis_opts = opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter="{value} %"))) )grid = (Grid(init_opts=opts.InitOpts(width="1000px", height="700px")) .add(line2, grid_opts=opts.GridOpts(pos_top="60%"), is_control_axis_index=True) .add(overlap1, grid_opts=opts.GridOpts(pos_bottom="60%"), is_control_axis_index=True) )# 这里先add(line2)，或许画图顺序是从下面开始，所以上面line2的xaxis与yaxis都比overlap1先画。grid.render_notebook()* 四年间销售额和利润都在稳步增长，但与大型超市(如：沃尔玛)的销售额差距明显巨大。

* 2011-2013年销售额、利润、销售量同比增长率都在上升，而利润率同比增长率则下跌，整体而言，这段时间超市整体运营保持着的不错的"加速度"，而2013-2014年除了销售量其他三项同比增长率都出现明显下跌，利润下跌幅度尤为明显，利润率甚至出现同比负增长的情况，明显体现出当年进行了促销活动，具体促销活动的效果评估后面再说。

• 每月经营情况

data_sale_month = pd.pivot_table(data2 ,index='订单日期_月' ,columns='订单日期_年' ,values=['销售额','利润','销售量'] ,aggfunc='sum')data_sale_month_lirunlv = data_sale_month['利润']/data_sale_month['销售量'] # 利润率data_sale_monthfig,axes = plt.subplots(2,2,figsize = (12,8),dpi=100)data_sale_month['销售额'].plot.area(colormap = 'Accent_r', stacked=False,ax=axes[0,0],title='销售额')data_sale_month['利润'].plot.area(colormap = 'Accent_r', stacked=False,ax=axes[0,1],title='利润')data_sale_month['销售量'].plot.area(colormap = 'Accent_r', stacked=False,ax=axes[1,0],title='销售量')data_sale_month_lirunlv.plot.line(ax=axes[1,1], title='利润率')plt.subplots_adjust(wspace=0.3, hspace=0.3) # wspace,hspace 把间距变大* 总体来看，季节性明显，其中上半年淡季居多，而下半年旺季居多

* 销售额与销售量看，每年二月、七月、十月都有一个低估

* 利润有一定的规律性，其中六月份和八月份左右都会出现一个小峰值

* 从利润率看，没看出什么

# 销售额每月同比增长data_sale_month['销售额'].pct_change(axis='columns').iloc[:,1:].style.background_gradient(cmap='Greens',low=0,high=1)每月销售额都是同比增长的，但增长率大小并没发现什么规律，这给下一年拆分业绩指标其实增加了一定难度

• 销售规律

week_xiaoshou = data2.groupby('星期')['销售量'].sum()week_xiaoshoux = week_xiaoshou.index.tolist()y = week_xiaoshou.values.tolist()bar = (Bar() .add_xaxis(x) .add_yaxis("销售额", y) .set_global_opts(title_opts=opts.TitleOpts(title="工作日销售额明显高于节假日")) )bar.render_notebook()原因可能是节假日消费者更加喜欢线下消费

5.1.2 市场布局分析

• 全球不同分店market的盈利情况

US(美国)、LATAM(拉丁美洲)、EU(欧盟)、APAC(亚太地区)所占总销售额大概有87%；

US(美国)、LATAM(拉丁美洲)、EU(欧盟)、APAC(亚太地区)所占总利润大概有90%；

各market区每年销售额基本都在增长，其中销售额占比最多前两位的APAC、EU区，其同比增长率也是最出色的两个区域。；

• 各国盈利情况

5.1.3 促销活动分析

data2['打折损失'] = data2[data2['折扣']!=0.0]['折扣']*data2[data2['折扣']!=0.0]['销售额']data2['打折损失'] = data2['打折损失'].fillna(0)data2.groupby('订单日期_年')['打折损失'].sum()5.2. 商品分析

5.2.1 销售分析

• 结构占比

明显看出，该企业打印机与手机类利润和销售额都数一数二，且利润率高，应该是自家优势主营产品，后续经营中应继续保持，可以结合整体战略发展适当加大投入，逐渐形成自己的品牌。比较受消费者青睐的产品为烤箱，而家具类中的桌子占据不低的销售份额，但其利润为负。以下进行分析：

table = data2[data2['产品子类别']=='Tables']other = data2[data2['产品子类别']!='Tables']# 打折率对比table[table['折扣']!=0]['折扣'].count() / table['折扣'].count(), other[other['折扣']!=0]['折扣'].count() / other['折扣'].count()(0.7617896009673518, 0.4453779747526728)

# 打折程度对比table[table['折扣']!=0]['折扣'].mean(), other[other['折扣']!=0]['折扣'].mean()(0.38733333333333225, 0.3271326164874401)

# 发货成本对比table['发货成本'].mean(), other['发货成本'].mean()(92.52696493349451, 25.154532756411655)

# table负利润率sum(table['利润']<0) / table['利润'].count()0.5888754534461911

# 假设打折率与其他类别相同a1 = int(table['折扣'].count() * (0.76-0.44)) # 不该打折的数据条数目a2 = table[table['折扣']!=0]['折扣'].count() - a1 # 应该打折数table_ = table[table['折扣']!=0].sample(a2) loss0 = (table[table['折扣']!=0]['折扣']*table[table['折扣']!=0]['销售额']).sum()loss1 = (table_['销售额']*table_['折扣']).sum()loss2 = loss0-loss1 # 其他类被打折率相同时补回的损失# 假设table的打折程度和其他类别相同loss3 = (table_['折扣'].mean()-other[other['折扣']!=0]['折扣'].mean())*table_['销售额'].sum() # 假设发货成本和其他类别相同loss4 = table['利润'].count()*67new_table_lirun = table['利润'].sum()+loss2+loss3+loss4new_table_lirun该理想利润处于各类别利润的中位数，初步下结论table利润为负的原因为：促销活动与发货成本高。表现为table促销率比其他类别高7%，打折程度高6%，发货成本高67元左右。初步判断为清仓产品，但如果不是，说明这个产品在市场推广上遇到了瓶颈，或者是遇到强竞争对手，需要结合实际业务进行分析，适当改善经营策略。而发货成本，由于table为大件物品，可以优化货仓的库存位置，尽量以最短路配送到消费者手中。

# 各商品销售额同比sale_leibie = pd.pivot_table(data2 ,index=['产品类别','产品子类别'] ,columns='订单日期_年' ,values=['销售额'] ,aggfunc='sum')sale_leibiesale_leibie.pct_change(axis='columns').style.background_gradient(cmap='Greens',low=0,high=1)几乎所有种类都是同比增长的。

• 关联分析

basket = data2.pivot_table(index='订单ID' ,columns='产品ID' ,values='销售量' ,aggfunc=np.sum).fillna(0)basket出现报错，原因不明。

5.2.2 价格分析

• 价格带分析

价格带宽度：同一类商品最高价与最低价之间的差值

data2['产品详细类别'] = data2['产品类别'] +','+data2['产品子类别']price_max = data2.groupby('产品详细类别')[['销售单价']].max().round(2)price_min = data2.groupby('产品详细类别')[['销售单价']].min().round(2)price_max.rename(columns={'销售单价':'最高价'}, inplace=True)price_min.rename(columns={'销售单价':'最低价'}, inplace=True)price_width = price_min.join(price_max)price_width['价格带(元)'] = '('+price_width['最低价'].astype(str)+', '+price_width['最高价'].astype(str)+')'price_width['价格带宽度(元)'] = price_width['最高价'] - price_width['最低价']price_width价格带深度：同一类商品品牌数或SKU数(保存库存控制的最小可用单位)

def drop_duplicates (group): # 用来去重 return group.drop_duplicates().count()place_deep = data2.groupby('产品详细类别')[['产品ID']].agg(drop_duplicates)place_deep.rename(columns={'产品ID':'价格带深度(个)'}, inplace=True)place_deep价格带广度:同一类商品中不重复销售价格的数量

place_range = data2.groupby('产品详细类别')[['销售单价']].agg(drop_duplicates)place_range.rename(columns={'销售单价':'价格带广度(个)'}, inplace=True)place_rangeplace_analysis = price_width[['价格带(元)']].join(price_width[['价格带宽度(元)']]).join(place_deep[['价格带深度(个)']]).join(place_range[['价格带广度(个)']])place_analysis由于产品子类别这个字段仍比较宽泛，导致这里价格带宽度普遍都比较大，进而导致这里价格带的分析起来并不准确，详细分析需要更详细的产品类别数据集

• 价格分布(各个价格段位的销量)

leibie = data2['产品详细类别'].unique().tolist()fig = plt.figure(figsize = (18,18))for i in range(len(data2['产品详细类别'].unique().tolist())): df1 = data2[data2['产品详细类别']==leibie[i]].groupby('销售单价')[['销售量']].sum() sns.set(style='whitegrid') plt.subplot(5,4, i+1) sns.distplot(df1['销售量'], bins=10) plt.xlabel(' ') plt.title(str(leibie[i]))大多数品种价格以偏态分布为主，即价格越低，销量越高。小部分品种(如fasteners纽扣)会呈现对称分布，还有一些会出现多峰情况，企业要根据品种的价格分布合理生产，避免库存积压。

5.2.3 供应情况

# datetime64格式使用.days提取日期data2['发货速度'] = (data2['发货时间']-data2['订单日期']).apply(lambda x:x.days)data2.groupby('产品详细类别')['发货速度'].mean()由于不了解具体业务流程，'订单日期'与'发货时间'先后关系不明确，这里就不进行分析了

5.3 客户分析

5.3.1 客户构成

• 客户类别

customer_sale = data2.pivot_table('销售额' ,index='客户类别' ,columns='订单日期_年' ,aggfunc='sum' )customer_sale # 销售额customer_num = data2.pivot_table('客户ID' ,index='客户类别' ,columns='订单日期_年' ,aggfunc='count' )customer_num # 客户人数customer_num = customer_num.astype(float) # 不知道为什么pyechart可视化要变成float形式list1 = []for i in range(customer_sale.shape[1]): list1.append({"value":customer_sale.iloc[0,i], "percent":customer_sale.iloc[0,i]/customer_sale.iloc[:,i].sum()})list2 = []for i in range(customer_sale.shape[1]): list2.append({"value":customer_sale.iloc[1,i], "percent":customer_sale.iloc[1,i]/customer_sale.iloc[:,i].sum()})list3 = []for i in range(customer_sale.shape[1]): list3.append({"value":customer_sale.iloc[2,i], "percent":customer_sale.iloc[2,i]/customer_sale.iloc[:,i].sum()})from pyecharts.commons.utils import JsCodefrom pyecharts.globals import ThemeTypebar3 = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) .add_xaxis([2011,2012,2013,2014]) .add_yaxis("Consumer", list1, stack='stack1', category_gap="50%") .add_yaxis("Corporate", list2, stack='stack1', category_gap="50%") .add_yaxis("Home Office", list3, stack='stack1', category_gap="50%") .set_series_opts(label_opts=opts.LabelOpts(position="right" ,formatter=JsCode("function(x){return Number(x.data.percent * 100).toFixed() + '%';}")) ) )bar3.render_notebook()list4 = []for i in range(customer_num.shape[1]): list4.append({"value":customer_num.iloc[0,i], "percent":customer_num.iloc[0,i]/customer_num.iloc[:,i].sum()})list5 = []for i in range(customer_num.shape[1]): list5.append({"value":customer_num.iloc[1,i], "percent":customer_num.iloc[1,i]/customer_num.iloc[:,i].sum()})list6 = []for i in range(customer_num.shape[1]): list6.append({"value":customer_num.iloc[2,i], "percent":customer_num.iloc[2,i]/customer_num.iloc[:,i].sum()})bar2 = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) .add_xaxis([2011,2012,2013,2014]) .add_yaxis("Consumer", list4, stack='stack1', category_gap="50%") .add_yaxis("Corporate", list5, stack='stack1', category_gap="50%") .add_yaxis("Home Office", list6, stack='stack1', category_gap="50%") .set_series_opts(label_opts=opts.LabelOpts(position="right" ,formatter=JsCode("function(x){return Number(x.data.percent * 100).toFixed() + '%';}")) ) )bar2.render_notebook()每类消费者的销售额、消费人数都稳步增长，但Consumer体量最大，增长相对较慢，可能有点饱和，而Home office体量小增长快，似乎还有很大的市场，可以根据精准营销拉新。

5.3.2 行为分析

• 指标

customer_month = pd.pivot_table(data2 ,index='订单日期_月' ,columns='订单日期_年' ,values=['销售额', '订单ID', '客户ID', '销售量'] ,aggfunc = {'销售额':'sum' # 消费额 ,'订单ID':drop_duplicates # 订单数 ,'客户ID':drop_duplicates # 消费人数 ,'销售量':'sum'}) # 销售总量customer_month.rename(columns = {'销售额':'消费额' ,'订单ID':'订单数' ,'客户ID':'消费人数'},inplace = True) customer_monthfig,axes = plt.subplots(2,2,figsize = (12,8),dpi=100)# plt显示中文plt.rcParams['font.sans-serif'] = ['SimHei'] #显示中文标签plt.rcParams['axes.unicode_minus'] = False #显示符号customer_month['消费人数'].plot.area(colormap = 'Accent_r', stacked=False,ax=axes[0,0],title='消费人数')customer_month['订单数'].plot.area(colormap = 'Accent_r', stacked=False,ax=axes[0,1],title='消费次数')(customer_month['消费额'] / customer_month['订单数']).plot.line(colormap = 'Accent_r', stacked=False,ax=axes[1,0],title='单次消费金额')(customer_month['销售量'] / customer_month['订单数']).plot.line(colormap = 'Accent_r', stacked=False,ax=axes[1,1],title='连带率')plt.subplots_adjust(wspace=0.3, hspace=0.3) # wspace,hspace 把间距变大明显看出每年大概6-11月都会是旺季，其余则为淡季。每年6月-7月、9-10月、12-1月都会出现不同程度的下跌。单次消费金额与连带率没看出什么规律。

• 客户状态

划分为以下五个状态：

* 未注册：本月无消费，之前无消费

* 不活跃：本月无消费，之间有消费

* 新用户：本月有消费，第一次消费

* 回流：本月有消费，上月无消费，之前有消费

* 活跃：本月有消费，上月有消费

data2['订单日期_年月'] = data2['订单日期_年'].astype(str)+'-'+data2['订单日期_月'].astype(str)data2['订单日期_年月'] = pd.to_datetime(data2['订单日期_年月'])month_buy_ = data2.pivot_table(index='客户ID' ,columns='订单日期_年月' ,values='行编号' ,aggfunc='count').fillna(0) # 某些用户在某月没有消费过，用nan表示，这里用0填充month_buy = month_buy_.applymap(lambda x: 1 if x>0 else 0)month_buy.head()#用户状态def active_status(data): status = [] for i in range(month_buy.shape[1]): if data[i] == 0: #若本月没有消费 if len(status) > 0: # 2011-01之后 if status[i-1] == 'unreg': # 未注册 status.append('unreg') else: status.append('unactive') else: # 2011-01 status.append('unreg') else: #若本月消费 if len(status) == 0: # 2011-01 status.append('new') else: # 2011-01之后 if status[i-1] == 'unactive': status.append('return') # 回流 elif status[i-1] == 'unreg': status.append('new') else: status.append('active') return pd.Series(status, index = month_buy.columns) # 这里需要对返回的值进行转换，将列表转为Seriescustomer_status = month_buy.apply(active_status,axis=1)customer_status.head()customer_status_num = customer_status.apply(lambda x : pd.value_counts(x)).fillna(0).T # 统计每类的数量customer_status_num.index = pd.DataFrame(customer_status_num.index)['订单日期_年月'].astype(str).apply(lambda x:x[:-3]).tolist()customer_status_numx_data = customer_status_num.index.tolist()y_data1 = customer_status_num['active'].values.tolist()y_data2 = customer_status_num['new'].values.tolist()y_data3 = customer_status_num['return'].values.tolist()y_data4 = customer_status_num['unactive'].values.tolist()y_data5 = customer_status_num['unreg'].values.tolist()line = (Line() .add_xaxis(x_data) .add_yaxis('active', y_data1, label_opts=opts.LabelOpts(is_show=False)) .add_yaxis('new', y_data2, label_opts=opts.LabelOpts(is_show=False)) .add_yaxis('return', y_data3, label_opts=opts.LabelOpts(is_show=False)) .add_yaxis('unactive', y_data4, label_opts=opts.LabelOpts(is_show=False)) .add_yaxis('unreg', y_data5, label_opts=opts.LabelOpts(is_show=False)) )line.render_notebook()四年来，活跃用户都在稳步增加，说明召回运营工作有点成效，但总量相比与不活跃用户占比仍比较小；而回流用户变化不大，可能没怎么注重该方面运营；每月的新客不多，13后每月新客的增加甚至只有个位数了，可能受限于市场规模，拉新是个大问题。所以往后就更需要老顾客的消费来拉动销售额，应该特别注重召回运营的工作，一旦用户流失，在没有新客进入的情况下，企业受损会有点严重。

# 只消费一次的客户a = data2.groupby('客户ID')['订单日期'].agg(['min', 'max']).reset_index()bug_one = (a['min'] == a['max']).value_counts().values (a['min'] == a['max']).value_counts()绝大多数客户都不会只消费一次，该超市口碑至少不错

复购率复购率的定义：在某时间窗口内消费两次及以上的用户在总消费用户中占比。这里的时间窗口是月，如果一个用户在同一天下了两笔订单，这里也将他算作复购用户#转换：消费2次以上记为1，消费1次记为0，消费0次记为NAN #applymap针对dataframe所有数据transf = month_buy_.applymap(lambda x: 1 if x>1 else np.nan if x==0 else 0)transf.head()#count统计所有非空数据个数表示总消费用户数，sum计算非0数据的和表示消费两次以上的用户数df_duplicate = pd.DataFrame(transf.sum() / transf.count()).reset_index()df_duplicate.columns = ['Date', 'DuplicatedRate']df_duplicate['Date'] = df_duplicate['Date'].astype(str).apply(lambda x:x[:-3])df_duplicatex_data = df_duplicate['Date'].tolist()y_data = df_duplicate['DuplicatedRate'].tolist()line = (Line() .add_xaxis(x_data) .add_yaxis('', y_data ,label_opts=opts.LabelOpts(is_show=False)) )line.render_notebook()

每月复购率都稳定在0.5-0.65之间，同样可以看出每年的冬天都是淡季

• 消费周期
• 购买周期

# 每个客户的每次购买时间间隔buy_diff = data2.groupby('客户ID').apply(lambda x:x['订单日期'] - x['订单日期'].shift())# shift()把第一个元素变为Nan，并且弹出最后一个元素，类似求解等比数列的思想buy_diffdiff = (buy_diff / np.timedelta64(1, 'D')).dropna() sns.distplot(diff[(diff.values>0)&(diff.values<500)], bins=30, kde=True)呈现指数分布，大部分的订单客户消费周期都很短，对该超市的黏性不错

• 生命周期

# 假设今天是2014-12-31日buy_life = (data2.groupby('客户ID')['订单日期'].max() - data2.groupby('客户ID')['订单日期'].min()).reset_index()buy_life['life_time'] = buy_life['订单日期'] / np.timedelta64(1,'D')buy_lifebuy_life['life_time'].plot.hist(bins=15, title='客户生命周期分布')大部分客户生命周期都有3年，整体比较健康

5.3.3 价值分析

• 价格容忍度

-热衷特价商品消费用户

data2['是否特价'] = data2['折扣'].apply(lambda x: 1 if x>0.5 else 0) # 取折扣大于0.5为特价商品customer_tejia = pd.DataFrame(data2.groupby('客户ID')['是否特价'].sum() / data2.groupby('客户ID')['是否特价'].count()) #购买特价商品的占比customer_tejia_ = customer_tejia[customer_tejia['是否特价']>0.5] # 取占比大于0.5的为热衷特价商品消费用户customer_tejia_['是否特价'].sort_values(ascending=False)-高单价商品消费用户

pd.DataFrame(data2.groupby('客户ID')['销售单价'].mean().sort_values(ascending=False)).iloc[:10,:] # 高消费的前十位

• RFM模型

为了进行精细化运营，可以利用RMF模型对用户价值指数（衡量历史到当前用户贡献的收益）进行计算，根据以下三个维度，对客户做细分

最近一次消费时间-R：客户最近一次交易时间的间隔。R值越大，表示客户交易发生的日期越久，反之则交易发生的日期越近。

消费频率-F：客户在最近一段时间内交易的次数。F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。

消费金额-M：客户在最近一段时间内交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。

rfm = pd.pivot_table(data2 ,index='客户ID' ,values=['销售额', '订单日期','订单ID'] ,aggfunc = {'销售额':'sum', # money '订单日期':'max', # 最近一次消费时间 '订单ID':'count'}) # frequencyrfm.rename(columns = {'销售额':'M', '订单ID':'F'},inplace = True) rfm.head()# 假设今天为2014-12-31rfm['R'] = (rfm['订单日期'].max() - rfm['订单日期'])/ np.timedelta64(1, 'D')# rfm['订单日期']里面的数据类型是timedflta时间,无法直接作出直方图，先换算成数值,换算的方式直接除timedelta函数即可，np.timedelta64(1, ‘D’)，D表示天，1表示1天，作为单位使用的。rfm.head()sns.pairplot(rfm[['F','M','R']])rfm_std = rfm[['R']].apply(lambda x: -(x-x.mean()) / x.std()) # 先转化为极大值，再标准化rfm_std[['F','M']] = rfm[['F','M']].apply(lambda x: (x-x.mean()) / x.std())rfm_std# 构建rfm模型公式,用平均值进行划分def get_rfm(x): """ R: 用户最近一次消费的间隔， 1为表现好 F: 用户最近一段时间的消费次数， 1为表现好 M: 用户最近一段时间的交易金额， 1为表现好 """ level = x.apply(lambda x:'1' if x>=0 else '0') label = level['R'] + level['F'] + level['M'] dict = {'111':'重要价值客户', '011':'重要保持客户', '101':'重要挽留客户', '001':'重要发展客户', '110':'一般价值客户', '010':'一般保持客户', '100':'一般挽留客户', '000':'一般发展客户'} result = dict[label] return resultrfm['label'] = rfm_std.apply(get_rfm, axis=1)rfm.head()rfm_groupby = rfm.groupby('label')['M'].sum().sort_values()bar = ( Bar() .add_xaxis(rfm_groupby.index.tolist()) .add_yaxis("", np.around(rfm_groupby,0).tolist()) .reversal_axis() .set_series_opts(label_opts=opts.LabelOpts(position="right")) .set_global_opts(title_opts=opts.TitleOpts(title="各类用户销售额贡献值")))bar.render_notebook()重要价值客户贡献了大部分的销售额，将来运营可以对不同的客户类型进行相应营销策略，特别要注重重要价值客户的留存

# 可以进行打分quantiles = rfm.quantile(q=[0.25,0.5,0.75]).to_dict()quantiles# 我们最想要的客户是：粘性高，忠诚度和收入高的用户# 一般分成 3~5 段，这里我们分为4段def RScore(x,p,d): if x <= d[p][0.25]: return 1 elif x <= d[p][0.50]: return 2 elif x <= d[p][0.75]: return 3 else: return 4 def FMScore(x,p,d): if x <= d[p][0.25]: return 4 elif x <= d[p][0.50]: return 3 elif x <= d[p][0.75]: return 2 else: return 1rfm['r_quartile'] = rfm['R'].apply(RScore, args=('R',quantiles))rfm['f_quartile'] = rfm['F'].apply(FMScore, args=('F',quantiles))rfm['m_quartile'] = rfm['M'].apply(FMScore, args=('M',quantiles))#RFM score = r*100+f*10+m, 这里权重随便设置的，111 为rfm score的最高分rfm['RFMScore'] = rfm.r_quartile*100 + rfm.f_quartile*10 +rfm.m_quartilerfm.head(5)# 划分等级def rfm_level(RFMScore): if (RFMScore >= 0 and RFMScore < 122): return '1' elif (RFMScore >= 122 and RFMScore < 223): return '2' elif (RFMScore >= 223 and RFMScore < 333): return '3' return '4'rfm['RFMScore_level'] = rfm['RFMScore'].apply(rfm_level)rfm.head()# 不同rfm 分数的分布import seaborn as snscolor = sns.color_palette()from pylab import mplmpl.rcParams['font.sans-serif'] = ['SimHei'] plt.figure(figsize=(6,8))sns.countplot(x='RFMScore_level',data=rfm, color = color[9])plt.ylabel('计数',fontsize=12)plt.xlabel('RFM得分水平', fontsize=12)plt.xticks(rotation='vertical')plt.title('RFM得分水平分布',fontsize=15)plt.show()

六：总结与提出建议

• 总结：

1.企业四年间的销售额、利润都在稳步增长，但2013年利润率开始下跌，初步判断为进行了大型促销活动，但并没有给销售额带来质的飞跃。

2.该企业自家优势主营产品为复印机、手机类。比较受消费者青睐的产品为烤箱，而家具类中的桌子占据不低的销售份额，但其利润为负。定性与定量分析后判断其原因为促销程度过大与发货成本过高。

3.大多数品种价格越低，销量越高。小部分品种(如fasteners纽扣)价格区为位于中位数销量高，还有一些品种销量高峰位于几个不同的价格点。

4.每类消费者的销售额、消费人数都稳步增长，但Consumer体量最大，增长相对较慢，可能有点饱和，而Home office体量小增长快

5.四年来，活跃用户都在稳步增加，说明召回运营工作有点成效，但总量相比与不活跃用户占比仍比较小；而回流用户变化不大，可能没怎么注重该方面运营；每月的新客不多，13后每月新客的增加甚至只有个位数了，可能受限于市场规模，拉新是个大问题。

6.由RFM模型，重要价值客户贡献了76%的销售额。

• 建议

1.结合年度销售额/利润额/销量及增长率，再结合公司整体战略规划，可以预测或制定下一年度总销售额业绩指标。

2.自家优势主营产品，后续经营中应继续保持，可以结合整体战略发展适当加大投入，逐渐形成自己的品牌。

3.对于负利润产品，先判断是否为清仓产品，如果不是，说明这个产品在市场推广上遇到了瓶颈，或者是遇到强竞争对手，需要结合实际业务进行分析，适当改善经营策略。如果是，则要注意根据品种的价格分布合理生产，避免库存积压。

4.对Home office这个群体，似乎还有很大的市场，可以根据精准营销尽量拉新。

5.可能受限于市场规模，2013年新客户增长缓慢，往后就更需要老顾客的消费来拉动销售额，应该特别注重召回运营的工作，一旦用户流失，在没有新客进入的情况下，企业受损会有点严重。

6.将来运营可以对不同的客户类型进行相应营销策略，特别要注重重要价值客户的留存。

参考：

《Python数据分析案例实战-电商零售》 作者：土豆爱数学

《数据化管理：洞悉零售及电子商务运营》