电商用户画像python实战 |
您所在的位置：网站首页 › 用户画像分析系统开源代码 › 电商用户画像python实战 |
电商用户画像python实战
|
目录
1.我认为的用户画像
2.某电商用户画像分析
2.1 分析目的
2.2 数据说明
2.3 分析思路
2.4 分析过程
2.4.1 用户基本属性分析
2.4.1.1 数据清洗
2.4.1.2 男女占比分析
2.4.1.3 年龄段占比分析
2.4.1.4 地区/省份/城市用户TOP10分布
2.4.1.4.1 地区用户TOP10分布
2.4.1.4.2 省份用户TOP10分布
2.4.1.4.3 城市用户TOP10分布
2.4.1.4.4 小结
2.4.2 用户购买手机偏好（TGI）分析
2.4.2.1 数据清洗
2.4.2.2 不同性别的用户对手机品牌的偏好TOP10
2.4.2.2.1 男性用户对手机品牌的偏好TOP10
2.4.2.2.2 女性用户对手机品牌的偏好TOP10
2.4.2.2.3 作图并小结
2.4.2.3 不同年龄段的用户对手机品牌的偏好TOP10
2.4.2.3.1 20岁及以下(95后)对手机品牌的偏好TOP10
2.4.2.3.2 90后/85后.../70前对手机品牌的偏好TOP10
2.4.2.3.3 作图并小结
2.4.2.4 不同地区的用户对手机品牌的偏好TOP10
2.4.2.4.1 东北地区对手机品牌的偏好TOP10
2.4.2.4.2 华北...等地区对手机品牌的偏好TOP10
2.4.2.4.3 作图并小结
2.4.2.5 不同城市级别的用户对手机品牌的偏好TOP10
2.4.2.5.1 一线城市对手机品牌的偏好TOP10
2.4.2.5.2 二线...等城市级别对手机品牌的偏好TOP10
2.4.2.5.3 作图并小结
2.4.3 RFM模型
2.4.3.1 计算最近一次购买时间R
2.4.3.2 计算购买频次F
2.4.3.3 计算购买金额M
2.4.3.4 RFM用户分类
2.4.3.4.1 给用户贴标签
2.4.3.4.2 分为8个标签
2.4.3.4.3 不同用户类型的人数
3.总结
1.我认为的用户画像
简单来说，就是通过你的基本信息，生活习惯、消费行为等方面来对你进行一个抽象的概括。 构建用户画像的核心工作就是给用户贴标签，而标签是通过对用户各方面信息的分析后提炼出来的特征标识。 下面直接通过一个案例来了解用python做用户画像。 2.某电商用户画像分析 2.1 分析目的通过对用户的基本属性信息，消费行为特征去构建用户画像，实现对用户进行分群，做精细化的区别营销，达到提效降本的效果。 2.2 数据说明本次案例用到4张表，通过python连接mysql读取数据： # 导入相关模块 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import datetime import warnings warnings.filterwarnings("ignore") # 解决中文乱码问题 mpl.rcParams["font.family"] = "SimHei" mpl.rcParams["axes.unicode_minus"]=False # 用来正常显示负号 plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签 # 魔法函数 %matplotlib inline import pymysql.cursors # 连接mysql数据库 conn = pymysql.connect(host = 'localhost',port = 3306,user = 'root',password = '123456',charset = 'utf8') # 读取数据库 pd.read_sql('show databases',conn) # 定义使用哪个数据库 pd.read_sql('use jd3c',conn) # 查看数据表 pd.read_sql('show tables',conn)
1、用户基本属性分析（整体的人群画像） 男女占比分析 年龄段占比分析 地区/省份/城市用户TOP10分布2、用户购买手机偏好（TGI）分析 不同性别的用户对手机品牌的偏好TOP10 不同年龄段的用户对手机品牌的偏好TOP10 不同地区的用户对手机品牌的偏好TOP10 不同城市级别的用户对手机品牌的偏好TOP10 注：TGI：即Target Group Index（目标群体指数） TGI指数= [目标群体中具有某一特征的群体所占比例/总体中具有相同特征的群体所占比例]×标准数100 3、RFM模型 R：最近一次购买时间 F：购买的频次 M：购买的金额 2.4 分析过程 2.4.1 用户基本属性分析 2.4.1.1 数据清洗方法1: |
4张表的字段说明： 
由于字段的问题，创建时间和更新时间的值是一样的，所以只用使用一个创建时间字段。 
画一张图来显示这四张表的关系： 
【本文地址】
今日新闻 |
推荐新闻 |