Python、R用RFM模型、机器学习对在线教育用户行为可视化分析|附数据、代码

全文链接：https://tecdat.cn/?p=37409

分析师：Chunni Wu

为达此目的，便需要对用户的行为数据进行分析，预测不同用户的潜在消费倾向，并针对不同用户实施个性化营销策略，以实现小成本促销、提高用户转化率的目标。本文所研究的公司属于教育领域，其开发并推广的低年龄段儿童课程契合当下社会对该年龄段儿童的教育需求，因而对用户下单情况和消费性行为价值的分析具有较高现实意义。

在本文提供了在线教育用户行为数据及分析代码，其中数据涵盖了 135969 条观测数据（查看文末了解数据免费获取方式），包含用户个人信息、登陆情况、访问统计及下单情况等 49 个变量，为深入了解在线教育用户行为提供了参考。

任务/目标

任务1：对获取到的数据进行预处理，提高数据质量；

任务2：对用户的各城市分布情况、登陆情况进行分析，并分别将结果进行多种形式的可视化分析；

任务3：构建预测模型判断用户最终是否会下单购买或下单购买的概率，并将模型结果输出，且预测效果达到85%以上。

任务4：对用户进行消费行为价值分析，并以此为基础给企业提出合理的建议

数据源准备

为研究用户消费行为价值，本文得到用户个人信息、登陆情况、访问统计及下单情况的数据，共49个变量，135969条观测数据。

登录数据：

 用户数据：

数据预处理

• 完整性检验

合并四张数据表并对各变量完整性进行分析，发现user\_info表中有809个用户在visit\_info和login_day表中均没有匹配的数据，此类信息的不完整性较难用统计方法进行填补，且仅用用户个人信息较难对其购买行为进行预测，也无法对其消费行为进行分析，故删除该809条观测，剩余135159条观测。同时，用户所在城市信息缺失较为严重，而下单情况中的缺失值即为未发生购买行为，可直接用0填补。此外，本文将用户所在城市匹配到所在省市，以支持后续研究。

• 唯一性检验

对数据集中的id变量进行唯一性检验，发现id变量的非重复观测数为135159，与原始数据集中的观测数相同，说明数据集中不存在重复观测。

• 异常值检验

首先，对数值型变量（除id变量user\_id与日期型变量first\_order\_time）进行均值、方差、最大最小值等统计量计算，初步识别可能存在异常值的变量。同时，在得到的统计量结果中可以得出app\_num的值均为1，属于单一型变量，因而不会对用户购买行为及用户的消费行为价值产生影响，故剔除app_num。

随后，由于对数据进行四分位距法识别异常值未能达到预期效果，本文基于大样本数据的近似正态性，采用均值-标准差法识别异常值。

数据可视化

• 用户城市分布

将用户城市信息匹配到所在城市，统计各省份的用户人数。可见用户主要集中在华北、川渝以及东南沿海各省市，其中又以广东、重庆为其主要客群所在市场。而华中、西北、西南以及东北地区客户分布数较少，还有较大的开发空间。

Chunni Wu

拓端分析师

同样根据各省份购买发生的人数占比，对应信息，可以发现虽然华北、川渝地区客群基数大，但实际购买的比例相比缺处于较低水平。相反京津沪地区以及沿海各省虽然基数并不处于高位，但是实际购买占比却是客观的。另外就广东省来说，无论其总体人数还是购买比例在总体比较中都处于较大值。

为更直观详细地考虑各省人数与购买比例数据信息，以各省总体基数绘制柱状图，附加各省对应的购买比。可见基数较大的省份除了广东以外前几位在购买比上表现都不佳。总体来看购买发生比都在2%-3%左右，但是北京、上海、江苏、浙江广西、广东和海南的购买比原高于别省，都在5%水平以上。

• 用户年龄与登陆天数、登陆时长的关系

从用户孩子年龄分布中可以看出，总体而言，用户孩子的年龄主要分布在4岁至7岁，且在7岁左右达到峰值，在7岁之后显著下降，说明该网站的服务对象以即将入学和刚入小学的儿童为主，也辅以各种早教课程以满足年龄较小儿童的需求。同时，对于下单购买的用户，其孩子也主要集中在4岁至7岁，但人群密度相对于总体更高，说明孩子在该年龄段中的用户更容易发生购买行为，且该网站提供的课程及辅助功能更适合该年龄段的儿童。

进一步研究各年龄段用户的平均连续登陆天数，总体而言，用户的平均连续登陆天数主要集中在6天以内，说明该公司产品的渗透性还相对较低。同时，孩子在2岁至8岁之间的用户较孩子小于2岁的用户平均连续登陆天数更多，但没有显著差异。该结果说明，公司在用户吸引力方面对不同年龄段孩子的家长有较为平均的效果，但仍需拉动孩子年龄小于2岁的用户，以确保公司的均衡发展。

此外，对各年龄段用户平均登录时长进行分析，发现随孩子年龄的增长，用户的平均登录时长有上升趋势，而当孩子年龄>6岁时有细微下降。该结果表明公司所推出的产品能在更大程度上满足即将入学和刚入小学的儿童的需求，从而表现为该年龄段孩子的家长有更长的登录时长。

• 公众号关注情况与购买行为

从公众号关注情况可以发现，有超过60%的用户没有关注语文学习公众号chinese\_subscribe(A)和数学学习公众号math\_subscribe(B)，而仅有5%左右的用户同时关注了语文学习公众号和数学学习公众号，说明该企业的公众号还有待推广。进一步研究公众号关注情况与用户最终购买情况的关系，发现仅关注语文学习公众号的用户和同时关注语文学习公众号和数学学习公众号的用户有相对较高的购买倾向，说明语文学习公众号的开发和推广有助于提高用户的课程购买欲。