本文依据某在线零售电商销售数据，分别从公司销售订单情况、用户行为和用户价值分层三个角度进行分析。主要利用python进行数据清洗和探索，配合matplotlib和Tableau进行可视化呈现。项目分析思维导图如下：

数据集来源于：Online Retail Data Set

源码链接：https://pan.baidu.com/s/13lsLVDpm0yFDNoiLlwWQ1w 提取码：qwer

0 数据展示及数据处理（详见源码）

0.1 数据展示

前五行数据展示

数据集共有551919条数据，8个字段，字段详情如下：

1、InvoiceNo/发票号码：每笔交易分配唯一的6位数，含字母C开头取消订单。

2、StockCode/商品编码：每个不同的商品分配唯一的5位整数。

3、Description/商品信息：商品描述。

4、Quantity/数量：每笔交易中商品的数量。

5、InvoiceDate/发票日期和时间：订单发生的日期和时间。

6、UnitPrice/单价：商品单价。

7、CustomerID/顾客编号：每个客户分配唯一的5位整数。

8、Country/国家：客户所在国家/地区的名称。

0.2 数据处理

0.2.1 数据清洗

数据清洗操作主要包括：

1、缺失值处理：Description及CustomerID字段缺失数据删除，共删除135080条；

2、重复值删除，共删除5225条数据；

3、数据类型转换：CustomerID字段的数据类型由浮点型转换为字符型；

4、拆分字段：拆分InvoiceDate字段，得到date（日期）字段和month（月份）字段；

5、构造字段：由UnitPrice（单价）和Quantity（数量）构造TotalPrice字段，得到每条记录涉及的订单金额。

数据类型和缺失值占比表

0.2.2 异常值处理

数据处理过程中发现有产品数量Quantity和产品单价UnitPrice低于0的情况。分析对其进行分析并处理。

1、以C开头的取消订单。

构造临时表，计算得到被取消订单总数为3654单，占总订单数的16%，将取消订单删除。

2、单价为0或负的订单。

得知，负单价订单2条，用于坏账调整；另判断单价为零的产品为赠品，共2510条。将这两种异常数据条目删除。

最后得到处理完毕的DataFrame以及其数值型字段的统计描述如下：

最终数据概览最终数据统计描述

数据处理部分小结：

1、销售量和总销售额方面：均值均超过了第三四分位数，呈现长尾分布，即存在异常大的值拉高了平均水平，后续分析中要特别注意离群数据的影响。

2、商品单价方面：3/4的商品单价均低于3.75，但也存在高单价的商品。表明该电商主打低价商品，后续在商品分析单元对此进行专题分析。

1 订单分析

构造一张extract表，将每笔订单内的多条购买数据汇总为客户/订单维度，将数据聚合得到每笔订单内的商品品类/ProductsCate、商品数量/ProductsQuant、单笔订单总金额/InvoiceSales等字段便于后续分析。

客户/订单维度汇总表

1.1 订单详情分析

1.1.1 订单详情及连带率

1、订单合计18532笔，连带率(单笔订单销售件数)约为278件，可见该商店以批发为主。

2、订单平均销售额为479.56英镑，接近第三四分位数，表明有大额订单拉高销售额平均水平，后续用户分析中需对这类订单的高质量客户进行定位，提取相关用户信息重点营销。

订单统计描述

1.1.2 订单销售额分布情况分析

因数据存在极度偏斜，分析时剔除销售额为1000英镑以上订单（占总订单的7.1%）后做进行分析。

小结：大部分订单销售额位于0-400英镑之间，在300英镑左右出现峰值。

1.2 商品详情分析

构造products表，以商品为维度进行聚合，计算每个商品销售的总件数和总金额，两个字段相除得到商品的平均单价。得到的products表如下：

products（含AvgPrice字段）表商品平均单价/AvgPrice统计描述

初步观察，3/4的商品单价在3.74以下，单价20以上的商品仅占0.8%，单价10以上的商品仅占3.5%。

1.2.1 商品单价区间分布

注：为消除单价离群值的影响，商品单价分布图绘制时剔除单价20以上的商品。

结论：

该电商销售商品单价几乎都在10英镑以下，主要分布区间为0-5英镑；销售品类以低价商品为主。那么，低价策略对销售额是怎么影响的呢？

1.2.2 商品单价、销量、销售额相关性

单价、销量、销售额分布散点图

注：绘图时，剔除极大值的影响，控制单价上限为20（销量上限为10000件，总销售额上限为20000元，数据占总数据量的96.15%）。

小结：1、很明显，公司销售产品以低价为主，可见其采用的营销策略可能是用低价商品打造爆款进行销售；2、低价并不影响销售额的降低，低价对销量的增加的正面影响远远超过其本身单价低的劣势，表明公司商品定价的合理性。

1.3 订单时间变化分析

订单维度对InvoiceDate/发票日期、TotalPrice/销售额进行聚合，得到订单/时间相关的表，order_grouped，导出后用Tableau分析。

1.3.1 销售额时间变化情况

由图可见，1、订单数量和销售额均在11月到达巅峰，推测是受到国外类似于双十一的促销活动活动影响，比如美国的黑色星期五；2、销售额在2011年12月9日剧增，是错误数据还是确有大额订单产生，在下面进行探究。

1.3.2 销售额异常值分析

观察到2011年12月9日销售异常数据，将当天完整数据取出，如下：

2011年12月9日销售数据

取数发现，CustomerID为16446的用户，一次性购买了80995件纸质工艺品，需对这类用户进行持续跟踪，提供优质服务进行重点营销。

1.4 国家消费能力分析

销售额前十名的国家

小结：

1、该公司以英国为大本营，英国的客户数和销售额自然遥遥领先；

2、看到销售额前十的基本都是欧洲国家，和英国本土差距甚远，有极大的潜力。对如荷兰/Netherlands、爱尔兰/EIRE、澳大利亚/Australia等国家，其客单价很高，但客户量很少，需要积极拓客。

2 用户行为分析

2.1 客单价/复购率

客户指标描述

注：CustomerSalesCounts为客户消费订单数，CustomerSalesAmount为客户消费金额。

复购率(月)变化折线图

结论：

1、共有4338名客户，客单价约2048英镑，远超第三四分位数的1660英镑，表明数据倾斜严重，大部分的效益由少部分人产生，后续将就用户价值用RFM模型对用户分层；

2、平均每个用户消费4.27单，至少由25%的客户仅购买一次商品，表明至少75%的用户消费次数在5次以下，年复购率为65.58%。

3、月复购率：2010年12月、2011年5月/11月，月复购率均在25%以上，相当于4个人里面有1人复购，其他月份基本在20%以上，月复购率较为可观。

2.2 回购率

回购率是指某一个时间窗口内消费的用户，在下一个时间窗口仍旧消费的占比。这里计算当月消费的用户在下个月仍消费的占比。

回购率(月)详细数据

注：因数据集12月仅有前9天的数据，导致11月回购率指标不准确，在回购率折线图绘制时进行剔除。

回购率(月)变化折线图

结论：

1、回购率出3月份出现低点(31.2%)后，其余月份均在40%上下波动，较为平稳，且整体有上升趋势，即用户活跃度稳中有升。

2.3 用户生命周期

根据用户消费的最早和最晚日期，整理得到用户的生命周期表lifetime，其统计特征和分布直方图（剔除0周期用户）如下：

用户生命周期统计特征描述

注：用户生命周期分布直方图绘制剔除0周期。

结论：

1、至少有1/4的客户下过一次单后未能留存，首次购买用户的留存不理想，需在用户发生购买行为后及时跟踪营销，发放优惠券或者返利，提高首次购买用户留存率，具体在留存率分析中进一步探究；

2、对用户下单最近日期进行分析，发现2011年12月8日有103名用户下单，即截止日期，表明有许多用户的实际消费周期高与分析得到的用户生命周期，这是由数据集有限的客观原因所造成的。

3、用户生命周期均值在131天左右，在350天左右出现峰值，考虑到低估的情况，整体用户生命周期表现良好。

2.4 用户留存分析

结论：

1、用户首次购买后90天之后再购买用户数量可观，这类用户忠诚度较高，需跟踪保持；

2、对其他低留存的用户：1）分析这类用户的特征，包括渠道来源、用户共性，是采取营销还是放弃策略；2）对分析后有潜力的用户，要在每次购买行为发生后及时营销，比如短信提醒、发放优惠券、返利等手段。

2.5 用户平均购买周期分析

分析用户平均购买周期，可以据此用户消费周期情况适时营销。

结论：

大部分用户购买周期在20-60天之间，可以将时间召回点设为消费后立即赠送优惠券，消费后10天询问用户礼品怎么样，消费后20天提醒优惠券到期，消费后30天短信推送，加大营销的频率，缩短用户平均购买周期。

3 用户分层（RFM）

用RFM模型来评判用户价值，根据不同用户的分层情况进行精准营销。R用于衡量最近购买时间，F用于衡量购买频率，M用于衡量购买金额。

3.1 RFM模型分析数据准备

从原始数据构造如下value表用于RFM模型分析：

value表(RFM模型基础数据)RFM值统计表述

RFM各值分布比例情况

R值比例分布饼图F值比例分布饼图M值比例分布饼图

根据以上RFM值的分布情况进行打分，对应五个区间的五个分值。最后RFM三值分别与其各自平均值比较，判断每个用户的值是否高于平均值。最终得到的表格如下：

用户分层数据展示

3.2 用户价值分析

根据每位用户标签，对其进行分类，查看每类用户的数量和各自消费的金额。

结论：

1、重要价值客户占比28.4%，贡献的销售额占71.9%；销售额贡献前20%的用户贡献了74.66%的销售额。这属于很明显的二八倾斜，要对这类用户重点把握，持续营销、跟踪，甚至利用其进行传播；

2、针对R1级别（重要保持用户）的用户，调查看他们最近消费是什么驱使的，是平台的优惠活动吸引、还是对某些新上商品有兴趣，抑或是某些季节性商品需求，据此作出针对性调整；针对R0级别的用户，分析不活跃用户的共性即用户不活跃或者流失的原因。

3、针对F1级别（重要发展用户）的用户，调查其持续登录的原因，找到产品对于用户的价值；对于F0级别的用户，选取样本进行调研，他们购买频率不高的原因，是商品问题(品类不符合需求、定价不合理)还是产品问题（产品功能、支付、安全问题等）。

4、针对M1级别（重要发展用户）的用户，可用某种激励措施让其来参与社区运营，达到病毒营销的效果。