本文中介紹的是一種數據分析方法：群組分析Cohort Analysis。

群組分析是用于研究用戶行為和提高增長的分析思路。在本文中，將結合一個數據集利用Python來實現該分析方法。

https://www.philosophicalhacker.com/post/better-cohort-analysis/

本文數據集下載地址：

https://www.kaggle.com/mkechinov/ecommerce-events-history-in-cosmetics-shop

一、什么是群組分析

群組分析Cohort Analysis，重點就是群/組，它是一種利用用戶分層和用戶建模的方法，主要分析的是相同用戶群體隨著時間延續的變化發展情況。

我們需要將獲取到的全部用戶分成一個個的組或者簇群，這樣的群或組的分層方式可以是日期、渠道或者其他特定的用戶為來劃分?？傊?#xff0c;我們可以按照實際的需求和維度來進行用戶分層。

通過群組分析，我們可以看到不同組別的留存情況。群組分析Cohort Analysis圖表和留存曲線是最常用的留存工具。這些圖表主要是告訴我們用戶在我們產品的中的參與度如何，留存率是怎樣的情況，同時還可以分析用戶新增速度是否達到我們的要求。

目前市面上很多的BI工具都可以繪制群組分析的圖表和留存曲線，比如GrowingIO、神策大數據系統、PowerBI等。但是，如果想自定義一些分組或分群的維度，使用Python也是不二選擇。

二、Cohort 分析使用場景

用戶留存率分析

用戶流失率分析

用戶轉化率分析

廣告轉化率分析

上面是很常見的使用場景，還可以進行其他場合的延伸，比如電商網站用戶的交易支付數據，不同周期內獲取的用戶在交易頻次、客單價等的比較分析

三、用戶留存

用戶留存指的是隨著時間延續，用戶在某個周期內的存在情況。為什么要看留存？

• 了解一個渠道的質量：通常是日留存，衡量用戶的短期活躍情況

• 觀察整體的情況：用周留存或者月留存，衡量用戶在平臺上的黏性

留存又分為次日留存、7日留存、14留存等。下面通過一個案例來說明常見的7日留存計算規則。

問題：如何計算產品的7日留存？

3.1 算法1-7日日留存

第一種算法是：第7天活躍人數 / 第1天活躍人數 * 100%

3.2 算法2-7日內留存

第二種算法是：第2天~第7天去重后/第1天*100%

3.3 算法3-不同定義的7日日留存

上面的算法1中是把當前日直接記為Day1，還有一種計算方法將當前日當做Day0，然后再開始計算；

舉例說明一下算法3的使用，比如DAU=10剛好是星期2產生的數據：

• 如果使用算法1，7日日留存=下周1的數據/本周2的數據(10)

• 如果使用算法2，7日日留存=下周2的數據/本周2的數據(10)

說明：算法3在一定程度上能夠巧妙避開星期級別的影響

3.4 3種留存算法比較

四、本文數據

4.1 導入數據

本文中使用的一份數據集是從kaggle下載，主要是包含事件發生時間、類型（閱覽、加購、移除購物車和購買）、產品ID、分類ID、產品編碼、品牌、價格、用戶ID、用戶會話，總共7個屬性

import?numpy?as?np? import?pandas?as?pd? import?datetime?as?dt?import?matplotlib.pyplot?as?plt import?seaborn?as?sns#設置漢字格式：Trebuchet MS, Tahoma, Verdana, Arial, Helvetica,SimHei 中文的幼圓、隸書等等#?解決中文無法顯示問題 plt.rcParams['font.sans-serif']=['Songti?SC']??? #?解決保存圖像中負號'-'顯示為方塊問題 plt.rcParams['axes.unicode_minus']?=?False

4.2 數據探索

主要查看的是數據類型、數據的行列數看大小、數據的缺失值情況

df.dtypes??#?數據類型#?結果 event_time????????object event_type????????object product_id?????????int64 category_id????????int64 category_code?????object brand?????????????object price????????????float64 user_id????????????int64 user_session??????object dtype:?objectdf.shape??#?數據的行列數 #?結果 (3533286,?9)df.isnull().sum()???#?字段缺失值情況 #?結果 event_time?????????????0 event_type?????????????0 product_id?????????????0 category_id????????????0 category_code????3474821????#?缺失值嚴重 brand????????????1510289 price??????????????????0 user_id????????????????0 user_session?????????779 dtype:?int64

五、數據清洗

主要操作是挑選數據中價格大于和去重操作：

六、數據處理

在本文的案例中，群組分析是按照首次訪問的時間和每次的訪問來計算時間間隔，從而來計算留存情況，具體步驟為：

• 計算每個用戶的首次訪問時間min_day

• 記錄后續每次訪問時間和首次訪問時間的間隔day_gap

• 因為是12月份的電商數據，我們將一個月分成10份，時間周期為3天

因為上面的兩個因素都是和時間相關，所以必須導入Python中強大的datetime庫來處理時間處理的需求。

1、獲取event_time中的時間：年月日

def?get_time(datetime):"""函數作用：獲取時間中的年月日"""event_time?=?datetime.strip("?UTC")??#?傳進來的參數去掉?UTC部分#?dt表示datetime庫event_time?=?dt.datetime.fromisoformat(event_time)??#?生成一個YYYY-MM-DD的date對象y?=?dt.date(event_time.year,event_time.month,event_time.day)??#?取出年月日return?ydf2["event_day"]?=?df2["event_time"].apply(get_time) df2

2、根據每個用戶user_id來確定最早時間

#?用戶本月的最早登陸時間確定 grouping?=?df2.groupby("user_id")["event_day"] groupingdf2["min_day"]?=?grouping.transform("min") df2.head()

3、計算訪問日event_day和最早訪問時間的間隔

#?計算用戶當日訪問event_day和最早訪問時間min_day之間的時間間隔 #?3為假定的用戶分組訪問周期df2["day_gap"]?=?(((df2["event_day"]?-?df2["min_day"])?//?3)?+?dt.timedelta(days=1)).apply(lambda?x:x.days) df2

4、按照首次訪問時間和時間間隔來統計用戶數

#??按照首次訪問時間和下一次訪問的間隔，統計用戶數 grouping1?=?df2.groupby(["min_day","day_gap"])#?根據用戶user_id去重統計每個組的用戶數 # grouping1["user_id"].apply(pd.Series.nunique)：展示去重的總個數 #?grouping1["user_id"].apply(pd.Series.unique):?展示去重之后的具體元素 df3?=?grouping1["user_id"].apply(pd.Series.nunique).reset_index() df3.head()

上面表中的數據表示的是和當前的時間間隔分別為1，2，3…的人數分別為17519，2591，2276等

5、生成數據透視表

有了上面分組統計的數據，我們可以生成透視表

#?數據透視部分 df4?=?df3.pivot(index="min_day",columns="day_gap",values="user_id") df4.head()

6、改變數據形式：方便最終使用百分比顯示數據

一般情況下，我們習慣用百分比來表示用戶的留存，很清晰地看到用戶的留存比例。首先我們取出第一列的數據（全部行）：

后面每個數據除以相應日期的第一個數據：

#?divide?函數 table?=?df4.divide(size,axis=0)??#?在行的方向上除以對應size中的值 table.head()

保留3位小數，同時改變數據table的索引值：

#?保留3位小數并乘以100 table.round(3)?*?100#?索引重置，只取出年月日，后面的時分秒取消 table.index?=?table.index.date

群組分析繪圖

繪制群組分析留存熱力圖：

#?解決中文無法顯示問題 plt.rcParams['font.sans-serif']=['Songti?SC']??? #?解決保存圖像中負號'-'顯示為方塊問題 plt.rcParams['axes.unicode_minus']?=?False??plt.figure(figsize=(15,8)) plt.title("群組分析留存圖")sns.heatmap(data=table,annot=True,fmt='.0%',vmin?=?0.0,vmax?=?0.2,cmap="BuPu_r") plt.show()

從上面的數據中我們可以看到：前6天的留存情況還是很漂亮（顏色較淺，留存率相對較高）。

可能原因是這是整個12月份的全量數據，導致了多數的活躍用戶會被歸類為月初前幾天的新增活躍用戶。但是數據整體上到了月末，留存占比還是較少，月留存情況并不可觀。

-?END -

對比Excel系列圖書累積銷量達15w冊，讓你輕松掌握數據分析技能，可以在全網搜索書名進行了解：

總結

以上是生活随笔為你收集整理的利用Python实现用户群组分析！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。