https://github.com/theoldvalyria/ecommerce_analysis

Анализ данных E-commerce
https://github.com/theoldvalyria/ecommerce_analysis

jupyter-notebook matplotlib numpy pandas python requests seaborn

Last synced: 12 days ago
JSON representation

Анализ данных E-commerce

• Host: GitHub
• URL: https://github.com/theoldvalyria/ecommerce_analysis
• Owner: theoldvalyria
• Created: 2024-07-23T22:46:26.000Z (4 months ago)
• Default Branch: main
• Last Pushed: 2024-08-17T14:51:43.000Z (3 months ago)
• Last Synced: 2024-08-17T15:59:33.073Z (3 months ago)
• Topics: jupyter-notebook, matplotlib, numpy, pandas, python, requests, seaborn
• Language: Jupyter Notebook
• Homepage:
• Size: 293 KB
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
## Анализ данных E-commerce

Проект направлен на анализ данных о покупках, чтобы понять поведение пользователей, эффективность доставки заказов и частоту покупок товаров, выявление сегментов аудитории и понимание причин потери клиентов.

## Используемые Инструменты и Библиотеки



  Python

  Pandas

  Jupyter

  Matplotlib

  NumPy

  Seaborn

  requests



## Описание Проекта

Решены следующие задачи:

1. Подсчет пользователей, совершивших только одну покупку.

2. Среднее количество недоставленных заказов в месяц с разбивкой по причинам.

3. Определение самого популярного дня недели для покупки каждого товара.

4. Среднее количество покупок в неделю на одного пользователя (по месяцам).

5. Когортный анализ пользователей и выявление когорты с наибольшим удержанием на 3-й месяц.

6. RFM-сегментация пользователей для оценки аудитории.

## Датасет

Датасет состоит из следующих файлов:

- `olist_customers_dataset.csv`: информация о клиентах.

- `olist_orders_dataset.csv`: информация о заказах.

- `olist_order_items_dataset.csv`: информация о товарных позициях в заказах.

## Результаты

- Пользователи с одной покупкой: 90,557 пользователей совершили только одну покупку.

- Не доставленные заказы:

   - Среднее количество заказов в месяц, не доставленных по причине "canceled": 26.0

   - Среднее количество заказов в месяц, не доставленных по причине "unavailable": 25.0

- Когорта с высоким retention:

   - Когорта: 2017-06

   - Retention на 3-й месяц: 0.39%

- RFM-сегментация пользователей:

   - Давние клиенты, спящие и недавние пользователи были выделены по давности покупок.

   - Пользователи классифицированы по частоте (редкие, нечастые, частые) и сумме покупок (малая, средняя, большая).

- Топ-5 сегментов покупателей:

   - 211 - спящие: редкие и малые покупки.

   - 311 - многообещающие: недавние пользователи с одной недорогой покупкой.

   - 111 - бездействующие: одна недорогая покупка и отсутствие повторных покупок.

   - 312 - нуждаются во внимании: недавние пользователи, средняя выручка.

   - 212 - нуждаются во внимании: недавние пользователи, средняя выручка.

     

Подробные выводы и визуализации доступны в Jupyter Notebook.