第5章,Python数据分析案例实战-客户价值分析

下面是小编为大家整理的第5章,Python数据分析案例实战-客户价值分析,供大家参考。

　

　客户价值分析

　随着电商行业竞争越来越激烈，推广费用也是越来越高，加之电商法的出台，刷单冲销量的运营思路已不再适应企业需求，而应将更多的思路应转向 客户，做好 客户运营才是企业生存的 王道。

　运营好客户，我们首先就要了解客户、分析客户，找出哪些是 重要保持客户、哪些是发展客户、哪些是 潜在客户，根据不同类别的客户采取不同的营销模式：如分类营销、一对一多样化营销、个性化营销等模式，从而使企业的利润最大化。

　应用场景：某淘宝店铺客户多，消费行为复杂，客户价值很难人工评估。

　RFM模型 重要保持客户 发展客户 潜在客户

　系统设计

　系统 结构图

　客户价值分析 获取Excel 数据 数据 抽取 数据探索分析 数据规约 数据 清洗 数据转换 客户聚类 客户价值分析 获取数据 数据分析 数据 处理

　业务流程图

　用户 数据是否缺失、异常 抽取近两年数据 Y N 标准化处理 客户聚类 客户价值分析 填充、删除处理

　系统预览

　客户群0 客户群1 客户群2 客户群3 755人 273人 560人 2人

　系统预览

　系统开发准备

　开发环境及工具

　

　操作系统 ：Windows 7 、Windows 10

　

　开发工具 ：Pycharm 

　第三方模块 ：pandas 、numpy 、matplotlib 、sklearn

　项目文件结构

　分析方法

　RFM模型 聚类分析 聚类算法

　RFM 模型

　RFM模型 最近消费时间间隔

　Recency 消费频率

　Frequency 消费金额

　Monetary R F M

　聚类分析

　 聚类类似于 分类，不同的是聚类划分的类是 未知的，也就是说我们不知道应该属于哪类，而是通过一定的 算法自动分类。而在实际应用中，聚类就是将 数据 集中某些方面 相似的数据进行 分类 组织的过程。

　应用领域

　聚类分析主要应用领域：

　商业 生物 保险行业 因特网 电子商务

　K K- - means 聚类 算法

　传统的聚类算法包括五类：

　 划分方法  层次方法  基于密度方法  基于网络方法  基于模型方法 K-means聚类算法

　K K- - means 聚类 算法

　k k 均值聚类是给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。

　01

　创建k个点作为起始质心，可以随机选择（位于数据边界内）

　02

　当任意一个点的簇分配结果发生改变时 03

　 对数据集中每一个点 04

　对每个质心 05

　计算质心与数据点之间的距离 06

　将数据点分配到距其最近的簇 07

　 对每一个簇，计算簇中所有点的均值并将均值作为质心 伪代码

　K K- - means 聚类 算法

　终止条件可以是以下任意一个：

　 没有（或最小数目）对象被重新分配给不同的聚类。

　 没有（或最小数目）聚类中心再发生变化。

　 误差平方和局部最小。

　技术准备

　Sklearn 模块

　1

　 K K- - means 聚类

　2

　 Pandas 模块

　3

　Sklearn 模块

　Sklearn 模块（全称Scikit-learn）是Python的第三方模块，它是机器学习领域当中知名的Python模块之一，它对常用的机器学习算法进行了封装，包括 回归（Regression）、降维（Dimensionality Reduction）、 分类（Classfication）和 聚类（Clustering）四大机器学习算法。Sklearn具有以下特点：

　 简单高效的数据挖掘和数据分析工具  让每个人能够在复杂环境中重复使用  Sklearn模块是Scipy模块的扩展，是建立在NumPy和Scipy基础上的模块

　Sklearn 模块

　Sklearn 模块的安装

　  使用pip命令安装

　 Python版本为2.7以上、NumPy版本1.8以上、SciPy版本0.13.3以上。首先，安装NumPy和SciPy，如果已经安装NumPy和SciPy，那么安装scikit-learn可以在命令提示符下（cmd）使用安装命令：

　pip install scikit-learn  在Pycharm开发环境下安装

　K K- - means 聚类

　调用 KMeans 类

　 from sklearn.cluster import KMeans

　 客户价值分析系统主要是通过Scikit——learn的cluster模块提供的Kmeans函数来处理K-means聚类问题的，首先调用Kmeans类。

　K K- - means 聚类

　基本语法

　 kmodel = KMeans(n_clusters=8, init=’k-means++’, n_init=10, max_iter=300, tol=0.0001, precompute_distances=’auto’,verbose=0,random_state=None,copy_x=True,n_jobs=None, algorithm=’auto’)

　常用参数及说明

　参数 说明 n_clusters 整型，默认值8，表示生成的聚类数 init 3个可选值分别为‘ k-means++’、‘random’或者提供一个数组。默认值为" k-means++"

　n_init 整型，表示算法的运行次数，默认值为10 max_iter 整型，默认值300，表示每执行一次k-means算法的最大迭代次数 tol float类型，表示算法收敛的阈值，默认值为0.0001 precompute_distances 3个可选值分别为"auto"、True或者False。该参数用于提前计算好样本之间的距离。默认值为"auto" verbose 整型，默认值=0

　常用参数及说明

　参数 说明 random_state 整型，表示随机数生成器的种子。默认值为None n_jobs 整型，表示指定计算所用的进程数。默认值为1

　属性说明

　

　cluster_centers_：

　：

　返回ndarray 。表示分类簇的均值向量 

　labels_：

　：

　返回ndarray 。表示每个样本所属的簇的标记 

　inertia_：

　：

　返回ndarray 。

　表示每个样本距离它们各自最近簇的中心之和

　pandas 模块

　Pandas是Python的一个核心模块，主要用于数据处理与数据分析，它提供了快速、灵活、明确的数据结构，能够简单、直观地处理关系型、标记型数据。

　客户价值分析

　数据抽取

　数据抽取

　数据抽取是从数据源中抽取数据的过程。

　 淘宝电商存在大量的历史销售数据，我们从中抽取近两年的数据2017 年1 1 月1 1 日 —— 2018 年 12 月 31 日

　业务数据库1 业务数据库2 „„ 业务数据库n 抽取 数据 仓库

　数据探索 分析

　数据探索分析

　数据探索分析主要分析与客户价值RFM模型有关的数据是否存在数据缺失、数据异常的情况，分析出数据的规律。

　主要使用：

　describe 函数

　开发步骤

　①

　导入模块pandas ②

　使用 pandas读取 Excel 数据 ③

　使用describe 函数 统计数据 ④

　计算空值数（ 缺失数据）

　）

　⑤

　导出结果

　最终实现效果

　数据处理

　开发步骤

　①

　数据规约 ②

　数据清洗 ③

　数据转换

　数据规约

　数据 规约是指在接近或保持原始数据完整性的同时将数据集规模减小，以提高数据处理的速度。

　…… 58列 买家会员名 订单付款时间 买家实际支付 金额 数据采集时间

　编写 相关代码

　aa =r"TB201812.xls" df = pd.DataFrame(pd.read_excel(aa)) df1=df[["订单付款时间","买家会员名","买家实际支付金额","数据采集时间"]] 指定 Excel 文件

　读取 Excel 文件

　选取需要的数据

　数据清洗

　数据清洗

　通过前面的数据探索分析，我们发现在淘宝电商历史销售数据中存在一些 缺失值，例如“ 订单付款日期”为空、“ 买家实际支付金额”最小值为0，下面将这部分数据清理掉，关键代码如下：

　#去除空值，订单付款时间非空值才保留 #去除买家实际支付金额为0的记录 df1=df1[df1["订单付款时间"].notnull() & df1["买家实际支付金额"] !=0]

　数据转换

　数据转换

　数据 转换是将数据转换成“适当的”格式，以适应 数据分析和数据挖掘算法的需要。下面将清理后的数据进行标准化处理。

　最终实现效果

　客户聚类

　客户聚类

　客户 聚类主要使用Python第三方模块 Sklearn 模块中提供的K K- - means聚类方法对客户数据进行分类。根据业务需要，这里分为4 4 类。

　开发步骤

　①

　导 入数据 ②

　数据塞进

　模型 ③

　客户聚类

　最终实现效果

　客户价值分析

　客户价值分析结果解析

　客户价值分析结果解析

　常见问题与解决

　常见错误与解决

　 1 1 、缺少模块导致程序运行错误

　 2 2 、模块版本不适合导致程序运行错误

　常见错误与解决

　 3 3 、 Excel 文件打开时程序运行错误

　注意事项

　 4 4 、数据结果保存 Excel 文件时

　注意：index参数，是否输出索引

　安装缺失的模块

　安装缺失的模块

　在 Available Packages窗口的搜索框中输入模块名称，比如xlrd，模块搜索到后勾选安装复选框，然后单击Install Package按钮即可安装该模块。

　模块安装版本选择

　在File菜单中选择Settings打开Available Packages窗口，在该窗口中找到 Specify version 复选框，在下拉列表中选择 0.21.0版本

相关热词搜索： 基于python的数据分析案例 第5章 Python数据分析案例实战-客户价值分析 分析 实战 案例