就业班项目6 金融用户群组分析
2021-02-26 本文已影响0人
anti酱
![](https://img.haomeiwen.com/i18077969/2b98704f91a75818.jpg)
![](https://img.haomeiwen.com/i18077969/04b501c557ba6226.png)
一、案例背景
在分析金融用户的生命周期时,不仅要考虑到用户随着时间变化而产生的购买情况,也要考虑到新用户和老用户在相同时间周期内的留存情况,群组分析既考虑了时间面的变化,又能更好地对比新老用户留存情况。
二、数据处理
本案例数据处理主要步骤如下:
- 读取数据源
- 按照订单汇总,得到每个订单日期的周期orderperiod
- 按照用户汇总,得到每个用户最早使用日期的周期cohortgroup
- 按照cohortgroup和orderperiod进行分组得到每月的用户总数、订单总数、金额总数
- 转置表格,将周期作为列名
- 计算得到每月留存率
![](https://img.haomeiwen.com/i18077969/f142b5e4de560aa3.png)
![](https://img.haomeiwen.com/i18077969/79e646b62cebb0e8.png)
![](https://img.haomeiwen.com/i18077969/5d15d36a2eabf1a1.png)
![](https://img.haomeiwen.com/i18077969/1c6311bccdcefdbf.png)
![](https://img.haomeiwen.com/i18077969/53496f5e6dfb7431.png)
![](https://img.haomeiwen.com/i18077969/0e29b8ff82db6972.png)
三、数据可视化
通过进行数据处理,得到不同月份用户在不同周期的留存情况,进一步可视化表格以进行直观展示。
![](https://img.haomeiwen.com/i18077969/bb510b7e22ede055.png)
![](https://img.haomeiwen.com/i18077969/75b9cc5f1d3b1deb.png)
总体来说,经过2019-2月之后,第2周期的留存有一定提升,策略取得了一定效果