最近在做社交电商，涉及到社群运营，刚做不久，群成员才200多人，但也积累了不少经验和教训。为了进一步了解粉丝的偏好，现决定对部分粉丝做一个简单的数据分析。
一、数据获取
由于群里只有一半人是我认识的，对其基本信息有所了解，故仅选取了前100名成员进行分析。
1.导入数据
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from IPython.display import display
plt.style.use('fivethirtyeight')
sns.set_style({'font.sans-serif':['simhei','Arial']})
%matplotlib inline
df1 = pd.read_csv("C:\Jupyter_working_path\Matplotlib\Data\Fans datasets.csv",encoding="gbk")
2.查看前5行
df1.head(5)
一共分了8个字段，现主要对前4个字段进行具体分析
二、数据可视化分析
1.性别分析
#性别分析
df2["性别"].count()
f,ax1 = plt.subplots(1,1,figsize=(3,3))
sns.countplot(df2["性别"],ax=ax1)
plt.savefig("C:\Jupyter_working_path\Matplotlib\picture")
可见女性粉丝大约为男性的2倍。原因是在邀请进群时女性更愿意进群，而且女性更喜欢购物。
建议：以后发品尽量以女性用户的偏好为主，先了解女性用户日常的购物习惯，然后有针对性的推荐。
2.年龄分析
df2["年龄"].count()
f,ax2 = plt.subplots(1,1,figsize=(3,3))
sns.countplot(df2["年龄"],ax=ax2)
plt.savefig("C:\Jupyter_working_path\Matplotlib\picture1")
因为样本中绝大部分都是我的同龄人，所以年龄主要集中在25岁。
建议：以后可以根据自己日常所需来判断同龄人的购物偏好，然后有针对性的推荐。
3.学历分析
#学历分析
df2["学历层次"].count()
f,ax3 = plt.subplots(1,1,figsize=(3,3))
sns.countplot(df2["学历层次"],ax=ax3)
ax3.set_ylabel('人数', rotation = 90)
plt.savefig("C:\Jupyter_working_path\Matplotlib\picture2")
从学历维度来看，主要集中在本科和硕士这样的群体，表明整体成员的层次是比较高的，因此建立人设，提升自己的实力就显得非常重要。
建议：努力学习多看书，提升内在修养，严肃群纪，禁止任何人发低俗无聊的内容，违者踢群。
4.职业分析
df2["职业"].count()
f,ax4 = plt.subplots(1,1,figsize=(3,3))
sns.countplot(df2["职业"],ax=ax4)
ax4.set_title('职业分布情况',fontsize=15)
ax4.set_xlabel("职业")
ax4.set_ylabel('人数', rotation = 90)
plt.savefig("C:\Jupyter_working_path\Matplotlib\picture3")
这个图没有画好，但图像表明我的粉丝绝大多数都是学生群体，那么这个群体的典型特征就是爱买买买，但是生活费又主要靠父母提供，因此购买力不算太强，高客单的商品不适合推荐。
建议：多推一些时尚潮流又价格亲民的产品，重外观，重体验感。
三、筛选意向客户
这一步主要是筛选一些经常活跃的粉丝，他们会经常在群里购物，抢红包以及与我互动。这些都是潜在超级会员的培养对象，因此需要特别关注。
#筛选意向客户和忠实客户
df2.loc[df2["意向度"].isin(["忠实客户","意向客户"])]
这部分非常关键，由于涉及隐私所以我把姓名打码了。
四、总结
我的社群粉丝主要特征为：高学历、年轻、购买力不强的学生群体。
以上分析只适合本群的情况，结论仅供参考。
