本篇文章将利用Python工具对一份某商品的销售数据进行如下几个方面的分析，结合业务场景，构件常用业务指标，以从销售数据中挖掘出其潜在的商业价值，促进运营。用户消费趋势分析；

用户个体消费分析；

用户消费行为分析(利用RFM模型将用户进行重要性分层以及按照用户生命周期对用户进行活跃程度的区分)；

复购率和回购率的分析。

数据导入：第三方包的导入&利用pandas中的read_table函数进行txt数据文件的读取

这份文件总共有69659行4列数据，在数据读取的同时给每一列数据按照其实际内容进行了列名的定义，方便理解和后续分析。另外我们也看到这份数据存在的一个问题：第二列order_dt购买时间的数据类型为int 64，所以需要将其数据类型更改为时间类型：利用to_datetime函数更改数据类型

在更改order_dt数据类型的同时，新增“month"列，为后面进行有关按月相关分析做准备。

数据准备完成，接下来进行相关分析：

用户消费趋势分析(按月)：每月消费总金额：1.按月分组求和；2.绘制消费趋势折线图

从折线图趋势我们可以看到消费额在前三个月为最高峰，后续较为平稳且有轻微下降趋势每月消费次数：

前三个月消费次数在10000左右，后续平均每月2500单左右每月产品购买数：

前三个月的每月购买产品数在25000左右，后续普遍较低，在6000左右，有轻微下降趋势每月消费人数：利用匿名函数lambda结合drop_duplicates、len和apply函数对按月分组后的user_id列进行去重并计数

对比前面的消费次数趋势图可以看出，每月的消费人数低于消费次数，但无明显差异

前三个月每月消费人数在8000-10000之间，后续平均每月2000人不到，故从第四个月开始有大量用户流失导致了消费金额的急剧下降。

用户个体消费分析：用户消费金额、消费次数的描述统计：

用户平均购买了7个产品，但中位数是3，说明有一小部分用户购买了大部分的产品，均值为虚高，用户平均消费106元，但中位数是43，和购买产品书一样，说明有极值干扰用户消费金额和消费次数的散点图：用query函数过滤掉购买产品数大于400的极值干扰用户消费金额的分布图：直方图用户消费产品数的分布图：基于切比雪夫不等式可知图中展现了约96%的用户消费产品数数据用户累计消费金额占比：1.将消费金额列数据升序排序；2.给消费金额列赋予匿名函数使其每行返回累加消费金额在总消费金额中的占比

从折线图可以看出约50%的用户只消费了约15%的金额，而消费金额排在最前面的3570名用户消费了60%的金额

用户消费行为分析：用户第一次消费(首购)：

用户首购集中分布在前三个月，可明显看到2月11到2月25有一次剧烈的波动

从用户的首购分布我们可以依据实际业务场景去获客渠道对获客渠道进行分析用户最后一次消费：

用户最后一次购买的时间跨度较大，但大部分集中在前三个月，说明他们有且只有一次消费

进一步我们可以看一下有多少用户仅消费了一次：用agg而不是apply的原因是需要赋予两个函数，这是agg与apply函数在使用上的差别用户分层：利用RFM模型描述客户价值：利用透视表函数构建rfm数据框

R：最近一次消费，由于这份数据上的购买日期年代比较久远，所以最近一次消费就用消费日期与最大消费日期的差值来刻画；F:消费频次用消费产品数描述；M：消费金额自定义函数为用户增加价值标签

这段代码利用均值将R、F、M列进行0和1的区分，进而按照实际业务场景对客户添加价值标签，例如代码中‘111’对应的客户，第一个1表示他最近一次消费距今较远，后面两个1表明他的消费频次和消费金额是在均值以上的，所以我们给他定为”重要价值客户“，‘011’就是最近消费过，且消费频次和消费金额都还可以，即为”重要保持客户“。至此我们就对每一位客户的价值进行了描述。每一个价值标签对应客户群的消费概况

2. 按用户活跃度分层(用户生命周期)：透视表对用户每月的消费次数进行统计标示用户每月的活跃程度

首先对用户在每月中是否消费过进行0和1的区分，再依据实际业务场景利用for循环和if语句将用户在每月的活跃程度进行‘unreg'未注册、'new'新用户、'unactive'不活跃、'active'活跃、'return'回流用户 的区分。每月不同活跃程度用户数面积图(展现不同活跃程度用户在不同月份的份额)每月不同活跃度用户构成用户购买周期(按订单)：每位用户相邻两次订单间隔天数描述统计

平均间隔天数68天，中位数31天，有一部分用户消费间隔时间较长均值虚高用户消费周期分布

从直方图可以看出，绝大多数用户的购买周期都低于100天。用户生命周期：用户生命周期描述统计用户生命周期分布

用户生命周期受只购一次的用户影响比较大

用户平均消费134天，但中位数仅为0天，说明至少有一半用户只消费了一次

复购率、回购率分析：复购率：每月购买多次用户占比：利用匿名函数将购买次数2次及以上即复购的用户标为1，购买一次的标为0，没有购买的标为空复购率折线图回购率(曾经购买过的用户在某一时期内再次购买)：利用自定义函数将本月购买下月依然购买即回购的当月用户标为1，本月购买次月没有购买标为0，其余为空回购率折线图

本例中回购率、复够率均是按月计算。实际中需依据业务场景进行不同消费间隔期的区分。

复购率可以反映用户对商品的需求程度，而回购率反映了用户对商品的忠诚度。

都看到这里了，点个赞再走呗，哈哈。欢迎评论指教。