Python数据分析项目：用户购买行为深度解析与个性化推荐预测研究

一.项目简介

        本项目采用Python+机器学习对数据集进行分析，最后通过Tableau对处理后的数据进行可视化

二.数据来源与说明

数据集来自kaggle平台，链接：某电商平台用户数据

本数据集汇集了某个电商平台的用户基本信息、行为习惯和互动数据。它包括用户的年龄、性别、居住地区、收入水平等基本属性，以及他们的兴趣偏好、登录频率、购买行为和平台互动等动态指标。数据说明如下：

排序	字段	备注
1	User lD	每个用户的唯一标识符，便于追踪和分析
2	Age	用户的年龄，提供对人口统计偏好的洞察，
3	Gender	用户的性别，使能性别特定的推荐和定位。
4	Location	用户所在地区:郊区、农村、城市，影响偏好和购物习惯。
5	income	用户的收入水平，表明购买力和支付能力。
6	Interests	用户的兴趣，如运动、时尚、技术等，指导内容和产品推荐
7	Last Login_Days_Ago	用户上次登录以来的天数，反映参与频率
8	Purchase Frequency	用户进行购买的频率，表明购物习惯和忠诚度
9	Average Order Value	用户下单的平均价值，对定价和促销策略至关重要。
10	Total Spending	用户消费的总金额，表明终身价值和购买行为。
11	Product_Category_Preference	用户偏好的特定产品类别。
12	Time_Spent on Site Minutes	用户在电子商务平台上花费的时间，表明参与程度
13	Pages_Viewed	用户在访问期间浏览的页面数量，反映浏览活动和兴趣。
14	Newsletter Subscription	用户是否订阅了营销活动通知。

三.研究问题

        对用户进行购买行为分析

        进行RFM分析

        对用户活跃度进行分析

        进行个性化推荐预测

四.数据预处理

1.数据导入

import pandas as pd
import numpy as np
location=r'C:\Users\ZMQ\Desktop\user_personalized_features.csv'
data=pd.read_csv(location)
print(data.head)
#查看数据的前五行

2.查看字段类型

# 查看各字段信息，并输出字段，字段类型等，最后输出各种类型的数量
print(data.info())

3.数据清洗

1）删除多余列

#删除多余列
data.drop('Unnamed: 0',axis=1,inplace=True)
#注释：Unnamed和0之间有空格，axis=1即为列删除
print(data.head())

2）数据去重

#对数据去重
data.drop_duplicates(subset=None,inplace=True)

3）过滤无效的值

data=data[data['Income']>0]

4）删除缺失值

#删除缺失值
data.dropna(subset=None,how='any',axis=0,inplace=True)
#注释：对所有列处理，只要一行有缺失值就删除这行

五.数据分析

1. 购买行为分析

分析购买频率、平均订单价值、总消费金额的分布。

探索不同用户群体（如不同性别、地区、年龄段）的购买行为差异。

识别高价值用户和低价值用户。

#1.购买行为分析
purchase_by_gender=data.groupby('Gender').agg(
    avg_purchase_freq=('Purchase_Frequency','mean'),
    total_spending=('Total_Spending','sum')
).reset_index()
print(purchase_by_gender)

#按地区统计总消费
spend_by_location=data.groupby('Location')['Total_Spending'].sum().reset_index()
print(spend_by_location)

 

2.RFM分析

1）RFM模型介绍

        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，该模型通过一个客户的最近一次消费时间，消费频率，消费金额三项指标来描述该客户的价值情况，在电商领域，RFM模型可以帮助企业了解客户的购买行为和购买偏好，从而识别高价值顾客，潜在回头客或者低活跃用户，这有助于电商企业定制个性化的营销策略。

RFM模型通过三个关键指标来描述客户的价值状况，这三个指标分别为：

R（Recency）：最近一次消费时间。它表示用户最后一次下单时间距今天有多长时间。这个指标与用户流失和复购直接相关，如果客户最近消费过，那么他们更有可能再次消费。

F（Frequency）：消费频率。它表示用户在固定的时间段内消费了多少次。这个指标反映了用户的消费活跃度，消费频率越高的客户，对商家的忠诚度通常也越高。

M（Monetary）：消费金额。它表示用户在固定的周期内在平台上花费了多少钱。这个指标直接反映了用户对公司贡献的价值，消费金额越高的客户，通常被认为价值越大。

这三个指标共同构成了RFM模型，帮助商家更好的理解额评估客户的价值，从而制定更加精准的营销策略，提高客户留存率，促进客户消费，最终实现业务的增长。同时，通过RFM模型，企业可以将客户进行细分，针对不同群体的客户采取不同的营销策略，实现精准营销

2）RFM分析实现

RFM计算：最近一次登录、购买频率、总消费金额。

用户分群：高价值客户、潜力客户、一般客户、流失风险客户。

3）对数据进行分类

替换列名

#Recency:最近一次登录的天数（越小越好）
#Frequency:购买频率（越大越好）
#Monetary:总消费金额（越大越好）
rfm = data[["User_ID", "Last_Login_Days_Ago", "Purchase_Frequency", "Total_Spending"]]
rfm.columns = ["User_ID", "Recency", "Frequency", "Monetary"]
#注释：这里是将原表的列名进行替换
print(rfm.head())

数据复制

在pandas里，当你对一个DataFrame进行切片操作后得到的对象，可能是原DataFrame的视图（view），而非独立的副本（copy）。视图是对原数据的一种引用，对视图进行赋值等修改操作时，会出现一些难以预期的情况。

rfm = rfm.copy()这行代码通过创建独立副本，确保后续对rfm的修改操作清晰明确，避免了在对DataFrame切片进行赋值等操作时出现的警告和潜在的数据不一致问题。

rfm=rfm.copy()
#注释：为避免A value is trying to be set on a copy of a slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead

a.对Recency分箱评分

#a.对Recency进行分箱（越小分数越高）
#定义分箱阈值（示例：根据业务需要调整）
recency_bins=[0,7,14,21,28,float('inf')] #设置边界值
recency_labels=[5,4,3,2,1] #对应的分数
#分箱处理，1-5分，5分为最佳
rfm['R_score']=0
#注释：这里是新建'R_score'一列
for i in range(len(recency_bins)-1):
    lower=recency_bins[i]
#注释：将recency_bins[i]作为下限赋值为lower
    upper=recency_bins[i+1]
# 注释：将recency_bins[i+1]作为上限赋值为upper
    rfm.loc[(rfm['Recency']>lower) & (rfm['Recency'] <= upper),'R_score']=recency_labels[i]
#将原表中的Recency中在此区间的数据在R_score列赋值为recency_labels[i]
print(rfm.head())

b.对Frequency分箱评分

#b.对Frequency进行分箱(越大得分越高)
#定义分箱阈值（示例：根据业务需要调整）
frequency_bins = [0, 2, 4, 6, 8, float('inf')]  # 边界值
frequency_labels = [1, 2, 3, 4, 5]             # 对应分数
rfm["F_Score"] = 0
for i in range(len(frequency_bins) - 1):
    lower = frequency_bins[i]
    upper = frequency_bins[i+1]
    rfm.loc[(rfm["Frequency"] > lower) & (rfm["Frequency"] <= upper), "F_Score"] = frequency_labels[i]
print(rfm.head())

c.对Monetary分箱评分

# c. Monetary 分箱评分（越大得分越高）
monetary_bins = [0, 1000, 2000, 3000, 4000, float('inf')]  # 边界值
monetary_labels = [1, 2, 3, 4, 5]                         # 对应分数

rfm["M_Score"] = 0
for i in range(len(monetary_bins) - 1):
    lower = monetary_bins[i]
    upper = monetary_bins[i+1]
    rfm.loc[(rfm["Monetary"] > lower) & (rfm["Monetary"] <= upper), "M_Score"] = monetary_labels[i]
print(rfm.head())

d.客户分类

#d.用户分类
rfm["RFM_Score"] = rfm["R_Score"] + rfm["F_Score"] + rfm["M_Score"]
rfm["Segment"] = "客户类别"
rfm.loc[rfm["RFM_Score"] >= 6, "Segment"] = "一般客户"
rfm.loc[rfm["RFM_Score"] >= 9, "Segment"] = "潜力客户"
rfm.loc[rfm["RFM_Score"] >= 12, "Segment"] = "高价值客户"
rfm.loc[rfm["RFM_Score"] < 6, "Segment"] = "流失风险客户"
print(rfm.head())

3.用户活跃度分析

要求：

1.高活跃用户：最近七天内登录且网站停留时间>=300分钟

2.低活跃用户：超过30天为登录且停留时间<100分钟

3.普通用户：不满足以上条件的用户

# 3. 用户活跃度分析
data["Active_Status"] = "普通用户"
data.loc[(data["Last_Login_Days_Ago"] <= 7) & (data["Time_Spent_on_Site_Minutes"] >= 300), "Active_Status"] = "高活跃用户"
data.loc[(data["Last_Login_Days_Ago"] > 30) & (data["Time_Spent_on_Site_Minutes"] < 100), "Active_Status"] = "低活跃用户"
print(data)

4.个性化预测（K-相邻模型）

个性化预测可采用机器学习模型，根据用户的兴趣和产品类型偏好，预测他们可能感兴趣的其他产品类别

做法：将用户兴趣和产品偏好转换为数值特征

#查找用户特征之间的最近邻
from sklearn.neighbors import NearestNeighbors
#注释：NearestNeighbors 是一个无监督学习算法，用于在特征空间中查找最近邻样本
# 构建用户特征矩阵（兴趣 + 产品偏好）
user_features = pd.get_dummies(data[["Interests", "Product_Category_Preference"]])
#注释：用于将分类变量转换为哑变量（也称为独热编码）。
#注释：独热编码会为每个分类变量的每个可能取值创建一个新的二进制列，其中 1 表示该样本具有该取值，0 表示不具有。
#注释：通过这种方式，将分类数据转换为适合机器学习算法处理的数值数据。
model = NearestNeighbors(n_neighbors=5)
#注释：n_neighbors=5 是一个参数设置，表示在查找最近邻时，每个样本要找出 5 个最近的邻居。
model.fit(user_features)
#注释：使用 fit() 方法对模型进行训练，让模型学习 user_features 数据集中的样本分布。
#为每个用户推荐相似兴趣的Top 5商品类别
_, indices = model.kneighbors(user_features)
#注释：model.kneighbors() 方法用于查找每个样本的最近邻。
#注释：它返回两个数组：第一个数组是每个样本到其最近邻的距离，这里用下划线_表示不使用该数组；
#注释：第二个数组 indices 是每个样本的最近邻在原始数据集中的索引。
data["Recommended_Category"] = [data.iloc[i]["Product_Category_Preference"].mode()[0] for i in indices]
#注释：这里通过一个循环遍历 indices 数组。
#注释：对于每个样本的最近邻索引 i，使用 df.iloc[i] 选取这些最近邻对应的行，然后提取 Product_Category_Preference 列的数据。
#注释：mode() 方法用于找出这些数据中的众数（出现次数最多的值）。
#注释：如果众数存在，就将其添加到 recommended_categories 列表中；若不存在众数（即 mode_result 为空），则添加 None 到列表中。

5.导出数据

# 保存结果供Tableau可视化
data.to_csv(r"C:\Users\ZMQ\Desktop\cleaned_user_data11.csv", index=False)
rfm.to_csv(r"C:\Users\ZMQ\Desktop\rfm_segments.csv", index=False)
#注释：index=False说明导出的数据中不包含DataFrame的索引列

六.数据可视化

1.数据集的导入和连接

1.由于该数据为csv文件，因此导入时Tableau，要选择'文本文件'。

2.要将两个表进行连接，其中桥梁就是User_ID

2.图形可视化

1.地区总消费金额图(水平条形图)

分析：不同性别的不同客户的在不同的地区的总消费金额情况

用到：'Gender'，'Segment'，'Location'，'Active Status'，'Total Spending'

步骤：

1.将'Total Spending'拖到列，'Location'拖到行

2.将'Active Status'拖至颜色，对用户进行区分

3.将'Gender'，'Segment'拖至筛选器，并右击后，点'运用于工作表'-点 '使用相关数据源的所有项'

2.购买评论分析(性别)(水平条形图)

分析：不同地区的不同性别的总消费金额情况

用到：'Location'，'Total Spending'，'Gender'

步骤：

1.将'Total Spending'拖到列，'Location'拖到行

2.将'Gender'拖至颜色，对性别进行区分

3.兴趣组VS产品类别偏好(热力图)

分析：不同兴趣下不同产品类别偏好下用户Id的计数

用到：'Product Category Preference'，'Interests'，'User_ID'

步骤：

1.将'Product Category Preference'拖到列，'Interests'拖到行

2.将'Interests'放入筛选器，对兴趣进行筛选

3.将'User_ID'放到颜色上，后，右击'User_ID'-度量-计数(此处是将'User_ID'转变为度量进行计数)，复制'User_ID'拖到标签里面，最后标记选方形

4.用户分群占比图(环形图)

分析：不同用户分类下的用户ID数占比
用到：'Segment'，'User_ID'

步骤：

1.将'Segment'拖到颜色，标记选饼图，将'User_ID'拖到角度，右击'User_ID'-度量-计数(此处是将'User_ID'转变为度量进行计数)

2.将按住Shift将标记中的'Segment'，'User_ID'分别拖到标签，右击标签的'User_ID'-快速表计算=合计百分比

3.在行中双击输入两个0，生成两个图形，后点双轴，将下个图层设置都去掉并设置白色，将上个图层放大

4.点0轴，取消显示显示标题，右击零值线，将零值线设为无

5.活跃用户占比图(环形图)

分析：不同活跃用户的的用户ID数占比

用到：'User_ID'，'Active Status'

步骤：

1.将上个图进行拷贝
2.将上个图中所有'Segment'都替换成'Active Status'

6.不同收入用户情况分布(直方图)

分析：不同收入下，不同活跃用户的计数情况

用到：'Income'，'User_ID'，'Active Status'

步骤：

1.创建数据桶：选择Income，右击-创建-数据桶，数据桶大小为5000

2.将'Income(数据桶)'拖到列，'Use_ID'拖到行，并转换为计数类型

3.将'Active Status'拖到颜色

7.兴趣-收入-消费关系图(面积图)

分析：随着收入的增加，不同兴趣的总消费金额的变化
用到：'Income(数据桶)'，'Total Spending'，'Interests'

步骤：

1.将'Income(数据桶)'拖入列，'Total Spending'拖入行

2.'Interests'拖入颜色，进行区分，将'Interests'拖入颜色，标记变为区域

8.推荐商品类别(词云图)

分析：分析推荐商品类别的词云图(无轴图形)
用到：'User_ID'，'Recommended Category' 

步骤：

1.创建字段：推荐频率=count([User_ID])

2.将'Recommended Category' 拖到文本，将'推荐频率'拖到颜色卡，复制'推荐频率'拖到大小，标记中选择文本

9.年龄-收入-平均消费图(面积图)

分析：随着年龄的增长，根据商品类别偏好的不同，分析收入和平均消费的情况

用到：'Age'，'Product Category Preference'，'Average Order Value'，'Income'

步骤：

1.将'Age'拖入行，并转为维度，'Income'，'Average Order Value'分别放入列，并点双轴

2.在标记中选择全部，将'Product Category Preference'放入颜色卡，标记选择区域

3.仪表盘的搭建

对之前做的表进行拖拽，设置字体，颜色，这里就不操作了，可以自己操作

七.总结与建议

1.关键发现

高价值客户集中在一线城市（Urban），偏好电子产品和服饰。

女性用户平均购买频率比男性高15%，但男性总消费金额更高。

流失风险客户中，60%超过30天未登录，且停留时间低于100分钟。

2. 行动建议

定向营销：向高价值客户推送高端电子产品限时折扣。

召回策略：对流失风险客户发送“回归奖励”（如优惠券）。

动态推荐：在首页根据用户兴趣展示推荐商品类别（如Sports用户推荐Apparel）。

作者：不懂数据的小白