内容简介

本文介绍了群组分析（同期群分析）的方法以及Python实现过程，并继续对一家零售公司的交易数据进行用户留存分析和可视化。

本系列的文章：

• 《零售行业交易数据分析（1）——客户终身价值(CLTV)计算和回归预测模型》
• 《零售行业交易数据分析（2）——RFM模型分类及可视化（Python实现）》

一、什么是群组分析

群组分析，根据特征类型将样本分组，然后比较不同群组之间的差异和相同性。比如对于不同地域、年龄、性别的用户之间的相似特征、以及差异区别，方便使用者针对用户群的特征去设计和优化产品。

常见的分组类型有：

• 用户特征：地区、年龄、性别、职业等等。
• 用户类型/规模：根据用户的规模、大小来区分，比如企业用户/个人用户，VIP和非VIP。
• 产品/业务类型：不同的产品类型，业务类型。
• 行为：用户的行为划分，注册、购买、关注、分享等等。

同期群分析

其中，按时间维度，根据用户的行为特征来划分群组，是最常用的一个群组分析方法。

比如用户首次注册时间，将用户分成21年1月份注册的用户群，21年2月注册的用户群……以此类推，这种一时间维度来区分的，这种方式也称之为同期群分析（Cohort Analysis）。

在留存率分析中，同期群就是最广泛使用的方法之一。

二、代码实现过程

1）数据导入及清洗

import pandas as pd # for dataframes
import matplotlib.pyplot as plt # for plotting graphs
import seaborn as sns # for plotting graphs
import datetime as dt
import numpy as npdata=pd.read_excel('data.xlsx', parse_dates=['InvoiceDate'])#剔除掉异常值
data = data[(data['Quantity']>0)&(data['UnitPrice']>0)]
#选择UK的数据
uk_data=data[data.Country=='United Kingdom']
#复制transaction_df,保留原数据不变
transaction_df=uk_datatransaction_df.head()

清洗详情见《零售行业交易数据分析（1）——客户终身价值(CLTV)计算和回归预测模型》

2）时间信息提取

1. 提取交易月份

首先定义一个函数过程，用于提取交易时间的年、月，并设定为初始日期为每月1号。然后提取每次交易时间的交易年月，作为新的一列transaction_df['TransactionMonth']

#定义函数
def get_month(x): return dt.datetime(x.year, x.month, 1) #提取交易月份
transaction_df['TransactionMonth'] = transaction_df['InvoiceDate'].apply(get_month)transaction_df.head()

2. 提取首次交易月份

找出每个用户的首次交易月份，作为同期群分组的特征标签transaction_df['CohortMonth']

#提取首次交易月份
transaction_df['CohortMonth']=transaction_df.groupby('CustomerID')['TransactionMonth'].transform('min')

代码过程分步解释：

#1. 先根据CustomerID对TransactionMonth分组
grouping = transaction_df.groupby('CustomerID')['TransactionMonth'] 
# 2. 使用Transform()返回一个与自身长度相同的数据
transaction_df['CohortMonth'] = grouping.transform('min')##组合1和2步：
transaction_df['CohortMonth']=transaction_df.groupby('CustomerID')['TransactionMonth'].transform('min')

3. 计算月份差

分别计算相差年份和相差月份，然后合计总的月份差异， 等式transaction_df['CohortIndex'] = years_diff * 12 + months_diff + 1 最后加1，使首月标签为1而非0。

#定义提取年月日过程函数
def get_date_int(df, column):year = df[column].dt.yearmonth = df[column].dt.monthday = df[column].dt.dayreturn year, month, day# 提取交易月份的年、月
transcation_year, transaction_month, _ = get_date_int(transaction_df, 'TransactionMonth')
# 提取首次交易月份的年、月
cohort_year, cohort_month, _ = get_date_int(transaction_df, 'CohortMonth')# 计算相差年份
#  Get the  difference in years
years_diff = transcation_year - cohort_year
# 计算相差月份
months_diff = transaction_month - cohort_month
# 计算总的月份差异
transaction_df['CohortIndex'] = years_diff * 12 + months_diff  + 1 
transaction_df.head(5)

4. 计算留存率

• 分组计算用户数量

# 按照'CohortMonth'和'CohortIndex'分组
grouping = transaction_df.groupby(['CohortMonth', 'CohortIndex'])
# 计算每个组里的唯一CustomerID数量
cohort_data = grouping['CustomerID'].apply(pd.Series.nunique)
#重新定义索引值
cohort_data = cohort_data.reset_index()
# 结果查看
cohort_data.head()

• 数据透视表查看每月留存用户数

cohort_counts = cohort_data.pivot(index='CohortMonth',columns ='CohortIndex',values = 'CustomerID')

• 留存率计算结果

#留存率计算
cohort_sizes = cohort_counts.iloc[:,0]
retention = cohort_counts.divide(cohort_sizes, axis=0)
#重新定义索引
retention.index = retention.index.strftime('%Y-%m')
#结果格式转换
retention.round(3)*100

5. 热力图可视化

plt.figure(figsize=(16, 10))plt.title('Retention Rate in percentage:- Monthly Cohorts', fontsize = 14)sns.heatmap(retention, annot=True, fmt= '.0%',cmap='YlGnBu', vmin = 0.0 , vmax = 0.6)
plt.ylabel('Cohort Month')
plt.xlabel('Cohort Index')
plt.yticks( rotation='360')
plt.show()

从热力图结果可见，商店最近8月-10月的留存率有所提高，纵向和横向分析都可见颜色有明显由浅变深；但是12月的留存率异常低，这是因为数据集的时间范围是 01/12/2010 到09/12/2011，12月份只有9天的数据，所以这个异常点也是可解释的。从整体上看， 该公司的用户留存数有所提高，近期召回了许多的老用户。

参考资料

参考文章： https://www.analyticsvidhya.com/blog/2021/06/cohort-analysis-using-python-for-beginners-a-hands-on-tutorial/
数据集：https://archive.ics.uci.edu/ml/datasets/Online+Retail#