خواندن ۲ دقیقه·۳ سال پیش

بررسی kpi های یک مجموعه داده

شناخت معیارهای اصلی کسب و کار اولین قدم از تجزیه و تحلیل است. معیار هایی هدفشان تجزیه و تحلیل و ردیابی براساس با محصول، موقعیت، اهداف و موارد دیگر شرکت است. اکثر کسب و کارها همیشه شاخص های کلیدی عملکرد (KPI) خود را دنبال می کنند. در این مثال، KPI های اصلی که می توانند مربوط به حوزه درآمد باشند مانند درآمد، میانگین مقدار سفارش، فراوانی سفارش و ... بررسی خواهند شد.

دیتاست انتخاب شده مربوط به یک خرده‌فروشی آنلاین مستقر در بریتانیا است که از 541909 ردیف و 8 ویژگی تشکیل شده است. (لینک دیتاست)

path = &quotdata.csv&quot 
df = pd.read_csv( path, encoding = &quotISO-8859-1&quot, parse_dates = ['InvoiceDate'] )
df.head()

معرفی ویژگی های داده:

ستون InvoiceNo: شماره فاکتور
ستون StockCode: کد موجودی کالا
ستون Description: توضیحات محصول
ستون Quantity: تعداد اقلام خریداری شده
ستون InvoiceDate: تاریخی که سفارش فاکتور شده است.
ستون UnitPrice: قیمت هر کالا
ستون CustomerID: شناسه منحصر به فرد مشتری
ستون Country: کشوری که سفارش از آن انجام شده است.

محاسبه میزان درآمد به ازای هر کشور

# calculate Revenue for each row
df['Revenue'] = df['UnitPrice'] * df['Quantity']

# we look at the revenue by country
revenue_country = pd.DataFrame(df.groupby('Country')['Revenue'].agg(sum).sort_values(ascending=False)).reset_index()

plt.figure(figsize=(15,13))
sns.set_theme(style=&quotwhitegrid&quot)
ax = sns.barplot(y=&quotCountry&quot, x=&quotRevenue&quot, data=revenue_country)
ax.set_title(&quotRevenue Countries&quot)
plt.show()

بالای 90 درصد دیتای کاربران از کشور UK بوده است بنابراین برای دستیابی به اهدف این تجزیه و تحلیل، بر روی مشتریان همین کشور تمرکز خواهیم کرد.

میزان درآمد ماهانه

# create a new dataframe with YearMonth and Revenue columns
revenue = df_uk.groupby(['InvoiceYearMonth'])['Revenue'].sum().reset_index()
revenue.head()

# line chart showing the monthly revenue
plt.figure(figsize=(15,13))
sns.set_theme(style=&quotwhitegrid&quot)
ax = sns.barplot(y=&quotInvoiceYearMonth&quot, x=&quotRevenue&quot, data=revenue)
ax.set_title(&quotRevenue&quot)
plt.show()

نمودار بالا روند صعودی درآمد تولید شده تا نوامبر 2011 را نشان می دهد (زیرا داده های دسامبر ناقص است). تا آگوست 2011، کسب و کار ماهیانه بین 400 تا 600 هزار درآمد داشت، از آن زمان تاکنون، درآمد کسب و کار به طور چشمگیری افزایش یافته و به بیش از 1.2 میلیون در نوامبر 2011 رسیده است.

حال برای دستیابی به کنکاش های بیشتر، نرخ رشد ماهانه را محاسبه می کنیم.

revenue['MonthlyGrowth'] = revenue['Revenue'].pct_change()
revenue['positive'] = revenue['MonthlyGrowth'] > 0
plt.figure(figsize=(15,13))
clrs = revenue.positive.map({True: 'darkgreen', False: 'brown'})
ax = sns.barplot(x=revenue.query(&quotInvoiceYearMonth < 201112&quot)['InvoiceYearMonth'],
                 y=round(revenue.query(&quotInvoiceYearMonth < 201112&quot)['MonthlyGrowth']*100,2),
                 data=revenue,
                 palette=clrs)
ax.set_title(&quotRevenue&quot)
plt.show()

ماه سپتامبر با رشد تقریبی 60 درصدی نسبت به ماه های قبل بوده است. همچنین نوامبر نیز با رشد 46.2 درصدی، ماه بسیار خوبی بوده است. ماه های مارس و می هر دو بیش از 30 درصد افزایش یافته اند، اما این ممکن است به دلیل عملکرد ضعیف ماه های قبل باشد.

ژانویه و آوریل 2011 عملکرد ضعیفی دارند.

کاربران فعال ماهانه

monthly_active = df_uk.groupby('InvoiceYearMonth')['CustomerID'].nunique().reset_index() monthly_active.columns = ['InvoiceYearMonth','ActiveCustomers'] 
plt.figure(figsize=(13,7)) plot_data = sns.barplot(x=monthly_active.query(&quotInvoiceYearMonth < 201112&quot)['InvoiceYearMonth'], y=monthly_active.query(&quotInvoiceYearMonth < 201112&quot)['ActiveCustomers']) 
ax.set_title(&quotMonthly Active Customers&quot)
plt.show()

monthly_active['ActiveCustomersRate'] = monthly_active['ActiveCustomers'].pct_change()
monthly_active['positive'] = monthly_active['ActiveCustomersRate'] > 0
plt.figure(figsize=(13,7))
ax = sns.barplot(x=monthly_active.query(&quotInvoiceYearMonth < 201112&quot)['InvoiceYearMonth'],
y=round(monthly_active.query(&quotInvoiceYearMonth < 201112&quot)['ActiveCustomersRate']*100,2),
palette=monthly_active.positive.map({True: 'darkgreen', False: 'brown'}))
ax.set_title(&quotMonthly Active Customers Rate&quot)
plt.show()

در ژانویه، شرکت تقریباً 200 مشتری خود را از دست داد که از 871 در دسامبر به 684 در ژانویه رسید که نشان دهنده -21.47٪ کاهش است. به طور مشابه، در ماه آوریل کسب و کار از 923 مشتری به 817 رسید که نشان دهنده کاهش 11.48 درصدی است.

میزان سفارشات ماهانه

monthly_orders = df_uk.groupby('InvoiceYearMonth')['InvoiceNo'].nunique().reset_index()
monthly_orders.columns = ['InvoiceYearMonth','Orders']
plt.figure(figsize=(13,7))
ax = sns.barplot(x=monthly_orders.query(&quotInvoiceYearMonth < 201112&quot)['InvoiceYearMonth'],
y=monthly_orders.query(&quotInvoiceYearMonth < 201112&quot)['Orders'])
ax.set_title(&quotMonthly Orders&quot)
plt.show()

monthly_orders['OrdersRate'] = monthly_orders['Orders'].pct_change()
monthly_orders['positive'] = monthly_orders['OrdersRate'] > 0
plt.figure(figsize=(13,7))
ax = sns.barplot(x=monthly_orders.query(&quotInvoiceYearMonth < 201112&quot)['InvoiceYearMonth'],
y=round(monthly_orders.query(&quotInvoiceYearMonth < 201112&quot)['OrdersRate']*100,2),
palette=monthly_orders.positive.map({True: 'darkgreen', False: 'brown'}))
ax.set_title('Monthly Orders Rate')
plt.show()

تعداد سفارش ها بین دسامبر و فوریه کاهش یافته است و از 1885 به 1259 سفارش رسیده است که نشان دهنده -33.21٪ کاهش است. سفارشات تا ماه می افزایش یافتند. سفارشات دوباره تا آگوست 27.72-% کاهش یافت و در نهایت تا نوامبر افزایش یافته است.

میانگین ماهانه سفارشات

monthly_aov = monthly_aov.groupby('InvoiceYearMonth')['Revenue'].mean().reset_index()
monthly_aov.columns = ['InvoiceYearMonth','AOV']
plt.figure(figsize=(13,7))
ax = sns.barplot(x=monthly_aov.query(&quotInvoiceYearMonth < 201112&quot)['InvoiceYearMonth'],
y=round(monthly_aov.query(&quotInvoiceYearMonth < 201112&quot)['AOV'],2))
ax.set_title('Monthly AOV')
plt.show()

# calculate the monthly orders rate
monthly_aov['AOVRate'] = monthly_aov['AOV'].pct_change()
# bar chart showing the monthly orders rate
monthly_aov['positive'] = monthly_aov['AOVRate'] > 0
plt.figure(figsize=(13,7))
ax = sns.barplot(x=monthly_aov.query(&quotInvoiceYearMonth < 201112&quot)['InvoiceYearMonth'],
y=round(monthly_aov.query(&quotInvoiceYearMonth < 201112&quot)['AOVRate']*100,2),
palette=monthly_aov.positive.map({True: 'darkgreen', False: 'brown'}))
ax.set_title('Monthly AOV Rate')
plt.show()

نرخ مشتریان جدید

مشتریان جدید یعنی کسانی که برای اولین بار در بازه زمانی تعیین شده خرید کرده اند. لازم به ذکر است اولین و آخرین ماه دیتاست را در نظر نمی گیریم.

first_order = df_uk.groupby('CustomerID').InvoiceDate.min().reset_index()
first_order.columns = ['CustomerID','FirstOrder']
first_order['FirstOrder'] = first_order['FirstOrder'].map(lambda date: 100*date.year + date.month)
# merge first purchase date column to our main dataframe (df_uk)
df_uk = pd.merge(df_uk, first_order, on='CustomerID')

df_uk['UserType'] = 'New'
df_uk.loc[df_uk.InvoiceYearMonth != df_uk.FirstOrder,&quotUserType&quot] = 'Existing'

new_customer_ratio = df_uk.query(&quotUserType == 'New'&quot).groupby(['InvoiceYearMonth'])['CustomerID'].nunique()/df_uk.query(&quotUserType == 'Existing' or UserType == 'New'&quot).groupby(['InvoiceYearMonth'])['CustomerID'].nunique()
new_customer_ratio = new_customer_ratio.reset_index()
new_customer_ratio = new_customer_ratio.dropna()

new_customer_ratio.columns = ['InvoiceYearMonth','NewCustomerRatio']


customer_type_revenue = df_uk.groupby(['InvoiceYearMonth','UserType'])['Revenue'].sum().reset_index()

plt.figure(figsize=(13,7))
data = customer_type_revenue.query(&quotInvoiceYearMonth != 201112 and InvoiceYearMonth != 201012&quot)
ax = sns.barplot(x =&quotInvoiceYearMonth&quot, y = 'Revenue', data = data, hue = &quotUserType&quot)
ax.set_title('Monthly New vs Existing Customer Revenue')
plt.show()

در نمودار بالا می‌بینیم که درآمد مشتریان جدید با گذشت زمان کاهش می‌یابد، این ممکن است به این دلیل باشد که ما فقط برای یک سال داده داریم.

محاسبه نرخ حفظ مشتری

این تجزیه و تحلیل به درک میزان حفظ مشتریان پس از یک دوره زمانی مشخص کمک می کند.

def cohort_period(df):
   df['CohortPeriod'] = np.arange(len(df)) + 1
   return df

df_cohort = df_uk.groupby(['FirstOrder','InvoiceYearMonth'])
df_cohort = df_cohort.agg({'CustomerID': pd.Series.nunique})
df_cohort.rename(columns={'CustomerID': 'Nb_Customers'}, inplace=True)
df_cohort = df_cohort.groupby(level=0).apply(cohort_period)
cohorts = df_cohort['Nb_Customers'].unstack(0)
cohort_retention = df_cohort['Nb_Customers'].unstack(0).divide(cohort_group_size, axis=1)
sns.set(style='white')
plt.figure(figsize=(12, 8))
plt.title('Customers Cohorts Retention')
sns.heatmap(cohort_retention.T, mask=cohort_retention.T.isnull(), annot=True, fmt='.0%')

در طول یک سال، این شرکت تنها 27 درصد از مشتریان خود را حفظ کرده است.

در این نوشته سعی شد با استفاده از ابزار های پایتونی تجزیه و تحلیل انجام شود، امید است که در آینده این تحلیل با استفاده SQL پیاده سازی شود.

منبع

ابوالفضل وکیلی

instagram : @a_vakily7

شاید از این پست‌ها خوشتان بیاید