首页 文章详情

Python 实现帕累托,漏斗,雷达图

木下学Python | 38 2020-12-27 14:51 0 0 0



前言

用 Python 中的 pyecharts 库实现帕累托图,转化漏斗图,RFM 客户分类以后的雷达图。

可收藏当做模板使用,先来看看实现效果:




帕累托

帕累托分析法或巴雷托分析法、柏拉图分析、主次因分析法 、平常也称之为「80 对 20」规则,即二八法则。

现在我们有一份商品销售数据,包含店名,风格,品类,销售日期,销售额等字段。

我们以品类,销售额,使用帕累托分析法分析出销售额主要来源于哪部分 80% 的商品。

先读取数据:



首先需要以商品进行分组计算,计算出每种商品的累计销售额,再以销售额降序排序。

因为需要计算累计占比,所以需要计算所有商品的销售额总和。

增加一列计算累计销售额占比,增加一列标记到此类商品时,销售额占比是否达到 80%,处理代码如下:



在得到绘制帕累托图的数据后,可以开始绘制了,以商品为横坐标,销售额与累计占比为纵坐标,即双坐标轴,销售额以柱状图显示,并且累计销售额占比达到 80% 的以另一种一色区分,累计占比以折线图显示

绘制代码有点长,还用到了 js 代码,就不贴了,完成后以后只需要修改数据就可以快速得到了:





漏斗转化

转化漏斗模型,是分析用户使用某项业务时,经过一系列步骤转化效果的方法。


转化分析的本质是为了促进企业的核心业务的流通,最大化每个营销漏斗的转化率。


在理想情况下,用户会沿着产品设计的路径到达最终目标事件,但实际情况是用户的行为路径是多种多样。


通过埋点事件配置关键业务路径,可以分析多种业务场景下转化和流失的情况,不仅找出产品潜在问题的位置,还可以定位每个环节流失用户,进而定向营销促转化。


现在有一份电商数据,用户行为数据,从浏览到交易成功数据,以此数据绘制每个行为阶段转化情况。


浏览商品-搜索-添加购物车-下单-付款-交易成功,每个环节的的转化率=此阶段人数/上一阶段人数。


导入数据:



计算每个阶段的总人数,增加一列,每个阶段对应上一阶段的人数,最后计算每个阶段的转化率:



最后绘制转化漏斗图,每个阶段的标签可以看到对应百分比及对应人数:




RFM

RFM 分析是美国数据库营销研究所提出的一种简单实用客户分析方法,发现客户数据中有三个神奇的要素:


最近一次消费时间(R):客户距离最近的一次采购时间的间隔。


最近一段时间内消费频次(F):指客户在限定的期间内所购买的次数。


最近一段时间内消费金额(M):客户的消费能力,通常以客户单次的平均消费金额作为衡量指标。


RFM 分析就是通过三个关键指标对客户进行观察和分类,判断每类细分用户的价值。针对不同的特征的客户进行相应的营销策略。


现在有一份数据,包含客户消费时间,金额,名称,导入数据:



导入数据后根据以上三个指标进行计算,先计算每条消费记录离现在的天数,再以每个用户计算最小天数,累计消费,消费次数,即每个用户的 RFM。

再计算平均 R,F,M 的值,大于平均的标记 1,最后可以得到 8 种分类,以此结果分组计算计算每种类别客户的三个指标的平均值:



最后绘制雷达图:




源码获取

在公众号对话框回复关键字“abc”即可获取



END

读者交流群已建立,找到我备注 “交流”,即可获得加入我们~

听说点 “在看” 的都变得更好看呐~

关注关注小编呗~小编给你分享爬虫,数据分析,可视化的内容噢~

扫一扫下方二维码即可关注我噢~


-END-




good-icon 0
favorite-icon 0
收藏
回复数量: 0
    暂无评论~~
    Ctrl+Enter