邯郸手机网站建设,国外html响应式网站模板,怎样网站不用备案,网页美工设计说明书文章目录 0 前言2 用户画像分析概述2.1 用户画像构建的相关技术2.2 标签体系2.3 标签优先级 3 实站 - 百货商场用户画像描述与价值分析3.1 数据格式3.2 数据预处理3.3 会员年龄构成3.4 订单占比 消费画像3.5 季度偏好画像3.6 会员用户画像与特征3.6.1 构建会员用户业务特征标签… 文章目录 0 前言2 用户画像分析概述2.1 用户画像构建的相关技术2.2 标签体系2.3 标签优先级 3 实站 - 百货商场用户画像描述与价值分析3.1 数据格式3.2 数据预处理3.3 会员年龄构成3.4 订单占比 消费画像3.5 季度偏好画像3.6 会员用户画像与特征3.6.1 构建会员用户业务特征标签3.6.2 会员用户词云分析 4 最后 0 前言
Hi大家好这里是丹成学长今天做一个电商销售预测分析这只是一个demo尝试对电影数据进行分析并可视化系统 这两年开始毕业设计和毕业答辩的要求和难度不断提升传统的毕设题目缺少创新和亮点往往达不到毕业答辩的要求这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。
为了大家能够顺利以及最少的精力通过毕设学长分享优质毕业设计项目今天要分享的是 大数据用户画像分析系统
学长这里给一个题目综合评分(每项满分5分)
难度系数3分工作量3分创新点4分 项目分享:见文末!
实现效果 毕业设计 大数据用户行为分析 https://www.bilibili.com/video/BV1Hc41187N3
2 用户画像分析概述
用户画像是指根据用户的属性、用户偏好、生活习惯、用户行为等信息而抽象出来的标签化用户模型。通俗说就是给用户打标签而标签是通过对用户信息分析而来的高度精炼的特征标识。通过打标签可以利用一些高度概括、容易理解的特征来描述用户可以让人更容易理解用户并且可以方便计算机处理。 标签化就是数据的抽象能力
互联网下半场精细化运营将是长久的主题用户是根本也是数据分析的出发点
2.1 用户画像构建的相关技术
我们对构建用户画像的方法进行总结归纳发现用户画像的构建一般可以分为目标分析、体系构建、画像建立三步。
画像构建中用到的技术有数据统计、机器学习和自然语言处理技术NLP等下如图所示。具体的画像构建方法学长会在后面的部分详细介绍。 按照数据流处理阶段划分用户画像建模的过程分为三个层每一层次都需要打上不同的标签。
数据层用户消费行为的标签。打上事实标签作为数据客观的记录算法层透过行为算出的用户建模。打上模型标签作为用户画像的分类业务层指的是获客、粘客、留客的手段。打上预测标签作为业务关联的结果
2.2 标签体系
目前主流的标签体系都是层次化的如下图所示。首先标签分为几个大类每个大类下进行逐层细分。在构建标签时我们只需要构建最下层的标签就能够映射到上面两级标签。
上层标签都是抽象的标签集合一般没有实用意义只有统计意义。例如我们可以统计有人口属性标签的用户比例但用户有人口属性标签本身对广告投放没有任何意义。 2.3 标签优先级
构建的优先级需要综合考虑业务需求、构建难易程度等业务需求各有不同这里介绍的优先级排序方法主要依据构建的难易程度和各类标签的依存关系优先级如下图所示 我们把标签分为三类这三类标签有较大的差异构建时用到的技术差别也很大。第一类是人口属性这一类标签比较稳定一旦建立很长一段时间基本不用更新标签体系也比较固定第二类是兴趣属性这类标签随时间变化很快标签有很强的时效性标签体系也不固定第三类是地理属性这一类标签的时效性跨度很大如GPS轨迹标签需要做到实时更新而常住地标签一般可以几个月不用更新挖掘的方法和前面两类也大有不同如图所示 3 实站 - 百货商场用户画像描述与价值分析
3.1 数据格式 3.2 数据预处理
部分代码
# 作者丹成学长 Q746876041
import matplotlib
import warnings
import re
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as pltfrom sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
from sklearn.preprocessing import StandardScaler, MinMaxScaler%matplotlib inline
plt.rcParams[font.sans-serif] SimHei
plt.rcParams[axes.unicode_minus] False
matplotlib.rcParams.update({font.size : 16})
plt.style.use(ggplot)
warnings.filterwarnings(ignore)df_cum pd.read_excel(./cumcm2018c1.xlsx)
df_cum
# 先来对会员信息表进行分析
print(会员信息表一共有{}行记录{}列字段.format(df_cum.shape[0], df_cum.shape[1]))
print(数据缺失的情况为\n{}.format(df_cum.isnull().mean()))
print(会员卡号不重复有{}条记录.format(len(df_cum[会员卡号].unique())))# 会员信息表去重
df_cum.drop_duplicates(subset 会员卡号, inplace True)
print(会员卡号去重有{}条记录.format(len(df_cum[会员卡号].unique())))# 去除登记时间的缺失值不能直接dropna因为我们需要保留一定的数据集进行后续的LRFM建模操作
df_cum.dropna(subset [登记时间], inplace True)
print(df_cum去重和去缺失有{}条记录.format(df_cum.shape[0]))# 性别上缺失的比例较少所以下面采用众数填充的方法
df_cum[性别].fillna(df_cum[性别].mode().values[0], inplace True)
df_cum.info()# 由于出生日期这一列的缺失值过多且存在较多的异常值不能贸然删除
# 故下面另建一个数据集L来保存“出生日期”和“性别”信息方便下面对会员的性别和年龄信息进行统计
L pd.DataFrame(df_cum.loc[df_cum[出生日期].notnull(), [出生日期, 性别]])
L[年龄] L[出生日期].astype(str).apply(lambda x: x[:3] 0)
L.drop(出生日期, axis 1, inplace True)
L[年龄].value_counts()
...(略)....3.3 会员年龄构成
# 使用上述预处理后的数据集L包含两个字段分别是“年龄”和“性别”先画出年龄的条形图
fig, axs plt.subplots(1, 2, figsize (16, 7), dpi 100)
# 绘制条形图
ax sns.countplot(x 年龄, data L, ax axs[0])
# 设置数字标签
for p in ax.patches:height p.get_height()ax.text(x p.get_x() (p.get_width() / 2), y height 500, s {:.0f}.format(height), ha center)
axs[0].set_title(会员的出生年代)
# 绘制饼图
axs[1].pie(sex_sort, labels sex_sort.index, wedgeprops {width: 0.4}, counterclock False, autopct %.2f%%, pctdistance 0.8)
axs[1].set_title(会员的男女比例)
plt.savefig(./会员出生年代及男女比例情况.png)# 绘制各个年龄段的饼图
plt.figure(figsize (8, 6), dpi 100)
plt.pie(res.values, labels [中年, 青年, 老年], autopct %.2f%%, pctdistance 0.8, counterclock False, wedgeprops {width: 0.4})
plt.title(会员的年龄分布)
plt.savefig(./会员的年龄分布.png)3.4 订单占比 消费画像
# 由于相同的单据号可能不是同一笔消费以“消费产生的时间”为分组依据我们可以知道有多少个不同的消费时间即消费的订单数
fig, axs plt.subplots(1, 2, figsize (12, 7), dpi 100)
axs[0].pie([len(df1.loc[df1[会员] 1, 消费产生的时间].unique()), len(df1.loc[df1[会员] 0, 消费产生的时间].unique())],labels [会员, 非会员], wedgeprops {width: 0.4}, counterclock False, autopct %.2f%%, pctdistance 0.8)
axs[0].set_title(总订单占比)
axs[1].pie([df1.loc[df1[会员] 1, 消费金额].sum(), df1.loc[df1[会员] 0, 消费金额].sum()], labels [会员, 非会员], wedgeprops {width: 0.4}, counterclock False, autopct %.2f%%, pctdistance 0.8)
axs[1].set_title(总消费金额占比)
plt.savefig(./总订单和总消费占比情况.png)消费偏好
我觉得会稍微偏向与消费的频次相当于消费的订单数因为每笔消费订单其中所包含的消费商品和金额都是不太一样的有的订单所消费的商品很少但金额却很大有的消费的商品很多但金额却特别少。如果单纯以总金额来衡量的话会员下次消费时间可能会很长消费频次估计也会相对变小因为这次所购买的商品已经足够用了。所以我会偏向于认为一个用户消费频次订单数越多就越能带来更多的价值从另一方面上来讲用户也不可能一直都是消费低端产品消费频次越多用户的粘性也会相对比较大
3.5 季度偏好画像
# 前提假设2015-2018年之间消费者偏好在时间上不会发生太大的变化均值消费偏好——以不同时间的订单数来衡量
quarters_list, quarters_order orders(df_vip, 季度, 3)
days_list, days_order orders(df_vip, 天, 36)
time_list [quarters_list, days_list]
order_list [quarters_order, days_order]
maxindex_list [quarters_order.index(max(quarters_order)), days_order.index(max(days_order))]
fig, axs plt.subplots(1, 2, figsize (18, 7), dpi 100)
colors np.random.choice([r, g, b, orange, y], replace False, size len(axs))
titles [季度的均值消费偏好, 天数的均值消费偏好]
labels [季度, 天数]
for i in range(len(axs)):ax axs[i]ax.plot(time_list[i], order_list[i], linestyle -., c colors[i], marker o, alpha 0.85)ax.axvline(x time_list[i][maxindex_list[i]], linestyle --, c k, alpha 0.8)ax.set_title(titles[i])ax.set_xlabel(labels[i])ax.set_ylabel(均值消费订单数)print(f{titles[i]}最优的时间为: {time_list[i][maxindex_list[i]]}\t 对应的均值消费订单数为: {order_list[i][maxindex_list[i]]})
plt.savefig(./季度和天数的均值消费偏好情况.png)# 自定义函数来绘制不同年份之间的的季度或天数的消费订单差异
def plot_qd(df, label_y, label_m, nrow, ncol):df: 为DataFrame的数据集label_y: 为年份的字段标签label_m: 为标签的一个列表n_row: 图的行数n_col: 图的列数# 必须去掉最后一年的数据只能对2015-2017之间的数据进行分析y_list np.sort(df[label_y].unique().tolist())[:-1]colors np.random.choice([r, g, b, orange, y, k, c, m], replace False, size len(y_list))markers [o, ^, v]plt.figure(figsize (8, 6), dpi 100)fig, axs plt.subplots(nrow, ncol, figsize (16, 7), dpi 100)for k in range(len(label_m)):m_list np.sort(df[label_m[k]].unique().tolist())for i in range(len(y_list)):order_m []index1 df[label_y] y_list[i]for j in range(len(m_list)):index2 df[label_m[k]] m_list[j]order_m.append(len(df.loc[index1 index2, 消费产生的时间].unique()))axs[k].plot(m_list, order_m, linestyle -., c colors[i], alpha 0.8, marker markers[i], label y_list[i], markersize 4)axs[k].set_xlabel(f{label_m[k]})axs[k].set_ylabel(消费订单数)axs[k].set_title(f2015-2018年会员的{label_m[k]}消费订单差异)axs[k].legend()plt.savefig(f./2015-2018年会员的{和.join(label_m)}消费订单差异.png)# 自定义函数来绘制不同年份之间的月份消费订单差异
def plot_ym(df, label_y, label_m):df: 为DataFrame的数据集label_y: 为年份的字段标签label_m: 为月份的字段标签# 必须去掉最后一年的数据只能对2015-2017之间的数据进行分析y_list np.sort(df[label_y].unique().tolist())[:-1]m_list np.sort(df[label_m].unique().tolist())colors np.random.choice([r, g, b, orange, y], replace False, size len(y_list))markers [o, ^, v]fig, axs plt.subplots(1, 2, figsize (18, 8), dpi 100)for i in range(len(y_list)):order_m []money_m []index1 df[label_y] y_list[i]for j in range(len(m_list)):index2 df[label_m] m_list[j]order_m.append(len(df.loc[index1 index2, 消费产生的时间].unique()))money_m.append(df.loc[index1 index2, 消费金额].sum())axs[0].plot(m_list, order_m, linestyle -., c colors[i], alpha 0.8, marker markers[i], label y_list[i])axs[1].plot(m_list, money_m, linestyle -., c colors[i], alpha 0.8, marker markers[i], label y_list[i])axs[0].set_xlabel(月份)axs[0].set_ylabel(消费订单数)axs[0].set_title(2015-2018年会员的消费订单差异)axs[1].set_xlabel(月份)axs[1].set_ylabel(消费金额总数)axs[1].set_title(2015-2018年会员的消费金额差异)axs[0].legend()axs[1].legend()plt.savefig(./2015-2018年会员的消费订单和金额差异.png)maxindex order_nums.index(max(order_nums))
plt.figure(figsize (8, 6), dpi 100)
plt.plot(x_list, order_nums, linestyle -., marker o, c m, alpha 0.8)
plt.xlabel(小时)
plt.ylabel(消费订单)
plt.axvline(x x_list[maxindex], linestyle --, c r, alpha 0.6)
plt.title(2015-2018年各段小时的销售订单数)
plt.savefig(./2015-2018年各段小时的销售订单数.png)3.6 会员用户画像与特征
3.6.1 构建会员用户业务特征标签
# 取DataFrame之后转置取values得到一个列表再绘制对应的词云可以自定义一个绘制词云的函数输入参数为df和会员卡号L: 入会程度新用户、中等用户、老用户
R: 最近购买的时间月
F: 消费频数低频、中频、高频
M: 消费总金额高消费、中消费、低消费
P: 积分高、中、低
S: 消费时间偏好凌晨、上午、中午、下午、晚上
X性别
# 开始对数据进行分组L入会程度3个月以下为新用户4-12个月为中等用户13个月以上为老用户
R最近购买的时间
F消费频次次数20次以上的为高频消费6-19次为中频消费5次以下为低频消费
M消费金额10万以上为高等消费1万-10万为中等消费1万以下为低等消费
P消费积分10万以上为高等积分用户1万-10万为中等积分用户1万以下为低等积分用户df_profile pd.DataFrame()
df_profile[会员卡号] df[id]
df_profile[性别] df[X]
df_profile[消费偏好] df[S].apply(lambda x: 您喜欢在 str(x) 时间进行消费)
df_profile[入会程度] df[L].apply(lambda x: 老用户 if int(x) 13 else 中等用户 if int(x) 4 else 新用户)
df_profile[最近购买的时间] df[R].apply(lambda x: 您最近 str(int(x) * 30) 天前进行过一次购物)
df_profile[消费频次] df[F].apply(lambda x: 高频消费 if x 20 else 中频消费 if x 6 else 低频消费)
df_profile[消费金额] df[M].apply(lambda x: 高等消费用户 if int(x) 1e05 else 中等消费用户 if int(x) 1e04 else 低等消费用户)
df_profile[消费积分] df[P].apply(lambda x: 高等积分用户 if int(x) 1e05 else 中等积分用户 if int(x) 1e04 else 低等积分用户)
df_profile3.6.2 会员用户词云分析
# 开始绘制用户词云封装成一个函数来直接显示词云
def wc_plot(df, id_label None):df: 为DataFrame的数据集id_label: 为输入用户的会员卡号默认为随机取一个会员进行展示myfont C:/Windows/Fonts/simkai.ttfif id_label None:id_label df.loc[np.random.choice(range(df.shape[0])), 会员卡号]text df[df[会员卡号] id_label].T.iloc[:, 0].values.tolist()plt.figure(dpi 100)wc WordCloud(font_path myfont, background_color white, width 500, height 400).generate_from_text( .join(text))plt.imshow(wc)plt.axis(off)plt.savefig(f./会员卡号为{id_label}的用户画像.png)plt.show()4 最后 项目分享:见文末!
