「这是我参与2022首次更文挑战的第1天，活动详情查看：2022首次更文挑战」。
大家好，我是丁小杰。
本文案例的来源为《数据分析实战》一书，书中使用的是 R 语言，接下来一段时间，我会用 Python + Tableau 尽可能的将案例复现出来，以供大家学习。
场景描述
某公司经营的一款 APP 小游戏，每月销售额稳定上涨，但是在 7 月却突然下降，无论从市场环境或是游戏本身的环境来看，这个游戏的销售额都还有继续增长的空间 ，影响该游戏销售额的主要影响因素可能有两点：
- 游戏活动上新
- 商业宣传力度更改
经了解发现
- 游戏活动与上月活动并无较大改变
- 由于预算紧缺，宣传力度有所下降
接下来我们会根据数据分析来证实上述结论，并提出恢复销售额的方法。
数据描述
DAU（Daily Active User）
每天至少来访 1 次的用户数据，139112 行。
| 字段 | 类型 | 含义 |
|---|---|---|
| log_date | str | 访问时间 |
| app_name | str | 应用名 |
| user_id | numpy.int64 | 用户 ID |
DPU（Daily Payment User）
每天至少消费 1 日元的用户数据（0.056 元），884 行。
| 字段 | 类型 | 含义 |
|---|---|---|
| log_date | str | 访问时间 |
| app_name | str | 应用名 |
| user_id | numpy.int64 | 用户 ID |
| payment | numpy.int64 | 消费金额 |
Install
记录每个用户首次登录游戏的时间，29329 行。
| 字段 | 类型 | 含义 |
|---|---|---|
| install_date | str | 首次登录时间 |
| app_name | str | 应用名 |
| user_id | numpy.int64 | 用户 ID |
数据分析
数据读取
读取三个数据集。
import pandas as pd
DAU_data = pd.read_csv('DAU.csv')
DPU_data = pd.read_csv('DPU.csv')
install_data = pd.read_csv('install.csv')
复制代码显示 DAU 数据集前五行。
DAU_data.head()
复制代码显示 DPU 数据集前五行。
DPU_data.head()
复制代码显示 Install 数据集前五行。
install_data.head()
复制代码数据合并
将每日活跃用户数据 DAU 与用户首次登录数据 Install 进行合并，将 user_id 与 app_name 作为参照 key。这样就可以得到用户的首次登录时间。
all_data = pd.merge(DAU_data,
install_data,
on=['user_id', 'app_name'])
all_data.head()
复制代码得到用户首次登录时间后，再与每日消费用户数据 DPU 进行合并，使用左连接的方式，保留 all_data 中的所有数据，缺失值默认为 NaN。
all_data = pd.merge(all_data,
DPU_data,
on=['log_date', 'app_name', 'user_id'],
how='left')
all_data.head()
复制代码数据处理
将 payment 列中的空值填充为 0。
all_data['payment'] = all_data['payment'].fillna('0')
all_data
复制代码将 payment 列的单位转换为元，log_date 与 install_date 都只保留月份即可。
all_data['payment'] = all_data['payment'].astype(float)
all_data['payment'] = all_data['payment'] * 0.056
all_data['log_date'] = pd.to_datetime(all_data['log_date']).map(lambda x : x.strftime("%m")[1] + '月')
all_data['install_date'] = pd.to_datetime(all_data['install_date']).map(lambda x : x.strftime("%m")[1] + '月')
all_data.head()
复制代码新老用户划分
将 登录月份 > 首次登录月份 的用户定义为老用户，其他则定义为新用户。
all_data['user'] = all_data['log_date'] > all_data['install_date']
all_data['user'] = all_data['user'].map({False: '新用户', True: '老用户'})
all_data.head()
复制代码按照 log_date, user 分组对 payment 求和，统计各月新老用户的带来的销售额。
user_category = all_data.groupby(['log_date', 'user'])['payment'].sum().reset_index()
user_category.head()
复制代码 可以看到 6 月和 7 月的老用户带来的销售额基本相同，但 7 月新用户带来的销售额明显少于 6 月。
将销售额划分区域，看看哪个层次的用户消费在减少。
import numpy as np
sale_df = all_data.loc[all_data['payment'] > 0, ['log_date', 'payment']].copy()
bins = list(range(0, 101, 30)) + [np.inf]
labels = [str(n) + '-' + str(n + 30) for n in bins[:-2]] + ['>90']
sale_df['payment_cut'] = sale_df['payment'].apply(lambda x : pd.cut([x], bins=bins, labels=labels)[0])
sale_df.head()
复制代码 根据上面柱状图可以看出，和 6 月相比，7 月消费额在 60 元以下的用户数量减少了一部分。
到此我们就可以得到一些结论。
结论
新用户中的产生消费的用户发生了减少，特别是消费金额较少的小额消费用户。因此，公司需要再次开展商业宣传活动并恢复到之前的水平，这样才有可能提升潜在用户对公司产品的认知度，增加新的用户。
案例参考
[1]《数据分析实战》 [日] 酒卷隆志 里洋平/著 肖峰/译
对于刚入门 Python 或是想要入门 Python 的小伙伴，可以通过微信搜“Python新视野”，一起交流学习，都是从新手走过来的，有时候一个简单的问题卡很久，但可能别人的一点拨就会恍然大悟，由衷的希望大家能够共同进步。另有整理的近千套简历模板，几百册电子书等你来领取哦！