有了域名之后怎么做网站新闻头条 今天
用户偏好分析 TGI
1.1 用户偏好分析介绍
要分析的目标，在目标群体中的均值 和 全部群体里的均值进行比较， 差的越多说明 目标群体偏好越明显
TGI（Target Group Index，目标群体指数）用于反映目标群体在特定研究范围内强势或者弱势的程度
案例的需求， 高利润的产品投放市场， 找到合适的城市进行投放， 统计不同城市高客单价用户占比的TGI ，找到TGI比较大的城市， 还需要考虑总用户数量不要过少
1.2 代码
import pandas as pd
df = pd.read_excel('data/PreferenceAnalysis.xlsx')
df.head()
df.info()
df.describe()
用户打标 判断每个用户是否属于高客单价的人群
df['用户ID'].nunique() # 统计不重复的用户ID数量 # 计算每个用户平均消费金额 user_df = df.groupby(['用户ID'],as_index=False)['实付金额'].mean() user_df.columns = ['用户ID','平均支付金额'] #%% def if_high(x):if x>50:return '高客单价'else:return '低客单价' user_df['用户类别'] = user_df['平均支付金额'].apply(if_high) user_df
按城市统计， 高客单价人群 低客单价人群的数量
# 针对消费流水表， 去重， 用户ID 省份 城市 进行去重， 去重之后的数据，在与前面计算出来的用户标签进行关联 df_dup = df.drop_duplicates(subset=['用户ID','省份','城市']) df_merge = pd.merge(user_df,df_dup,on='用户ID',how='left') df_merge=df_merge[['用户ID', '平均支付金额', '用户类别','省份', '城市']] df_merge.head() #%% df_result = df_merge.pivot_table(index=['省份','城市'],columns='用户类别',values='用户ID',aggfunc='count') df_result.reset_index(inplace=True)
发现数据中有缺失值, 对缺失值进行处理
df_result.info() #%% # 分省份，城市 统计高客单价，低客单价用户数量的时候， 发现数据中有缺失值， 缺失的原因是某些城市没有这一类型的用户， 此时可以使用0来进行填充 df_result.fillna(0,inplace=True) df_result.info() #%% df_result[df_result['低客单价']==0]
计算用户总数和高客单价占比
df_result['用户总数'] = df_result['低客单价']+df_result['高客单价'] df_result['高客单价占比'] = df_result['高客单价']/df_result['用户总数']
计算TGI target Group index 目标群体指数
df_result.info() #%% df_result['高客单价'].sum()/df_result['用户总数'].sum() #%% df_result['整体高客单价占比'] = df_result['高客单价'].sum()/df_result['用户总数'].sum() #%% df_result['TGI'] = df_result['高客单价占比']/df_result['整体高客单价占比'] *100
过滤掉用户数量太少的城市， 给出结论
user_count_mean = df_result['用户总数'].mean() df_result[df_result['用户总数']>user_count_mean].sort_values(by='TGI',ascending=False)
同期群分析
使用场景
-
电商场景：比较不同月份客群的留存情况， 需要比较的是过了一个月（+1月）留存率，过了两个月（+2月）留存率....
-
金融信贷的场景：比较不同月份客群的违约情况, 需要比较的是过了一个月（+1月）违约率，过了两个月（+2月）违约率....
-
不能直接使用当前月份的数据直接做对比
使用同期群分析的时候， 周期可以调整， 指标可以换，可以把每一月份的数据按照其它维度进行拆解
-
比较客群留存情况把渠道考虑进来
案例: 计算了用户留存情况
-
每个月新增的用户, 当前有购买的用户ID - 之前月份也出现过的用户ID
-
留存使用复购来表示
评论文本分析
基本数据的处理
-
从评星中获取好评中评差评分类
-
从评价的时间中, 截取年月的数据
-
评论文本内容, 进行分词, 统计不同单词出现的次数(计算词频)
-
中文的评论, 分词是需要处理的部分, 可以使用 jieba这个库对中文进行分词
-
英文 词形还原过程 given → give been → be 可以使用NLTK库
-
无论中文/英文都要处理的 去停用词 stopwords 没有意义的连词,代词,介词
-
英文 of the
-
中文 的地 得 ...
-
可以从网上下载停用词表
-
统计词频的时候不统计停用词
-
-
从评论的数量, 判断出销量,按照时间的维度, 绘制折线图, 通过评论数量的波动, 发现销量的变化规律
从评论的词频统计中, 可以知道
-
如果是差评, 大家都在吐槽什么, 发现产品的缺点
-
如果是好评, 大家都在夸什么