Analyse de cohorte pour la science des données

Cet article a été publié dans le cadre du Blogathon sur la science des données

Après avoir compris et travaillé avec ce tutoriel pratique, pourra:

• Comprendre ce qu'est l'analyse de cohorte et de cohorte.
• Gestion des valeurs manquantes
• Extraction du mois à partir de la date
• Asignar cohorte a cada transactionLa "transaction" fait référence au processus par lequel un échange de biens a lieu, services ou argent entre deux ou plusieurs parties. Ce concept est fondamental dans le domaine économique et juridique, puisqu’il implique un accord mutuel et la prise en compte de conditions spécifiques. Les transactions peuvent être formelles, sous forme de contrats, ou informel, et sont essentielles au fonctionnement des marchés et des entreprises....
• Asignar indiceLe "Indice" C’est un outil fondamental dans les livres et les documents, qui vous permet de localiser rapidement les informations souhaitées. Généralement, Il est présenté au début d’une œuvre et organise les contenus de manière hiérarchique, y compris les chapitres et les sections. Sa préparation correcte facilite la navigation et améliore la compréhension du matériau, ce qui en fait une ressource incontournable tant pour les étudiants que pour les professionnels dans divers domaines.... de cohorte a cada transacción
• Calculer le nombre de clients uniques dans chaque groupe.
• Créer un tableau de cohorte pour le taux de rétention
• Visualice la tabla de cohortes usando el carte de chaleurUn "carte de chaleur" est une représentation graphique qui utilise des couleurs pour montrer la densité des données dans une zone spécifique. Couramment utilisé dans l’analyse de données, Etudes marketing et comportementales, Ce type de visualisation vous permet d’identifier rapidement les modèles et les tendances. Par des variations chromatiques, Les cartes thermiques facilitent l’interprétation de grands volumes d’informations, aider à prendre des décisions éclairées....
• Interpréter le taux de rétention

Qu'est-ce que l'analyse de cohorte et de cohorte?

Une cohorte est un ensemble d'utilisateurs qui ont quelque chose en commun. Une cohorte traditionnelle, par exemple, diviser les gens par la semaine ou le mois où ils ont été acquis pour la première fois. En se référant à des groupes non dépendants du temps, le terme segment est souvent utilisé au lieu de cohorte.

El análisis de cohortes es una técnica analytiqueL’analytique fait référence au processus de collecte, Mesurer et analyser les données pour obtenir des informations précieuses qui facilitent la prise de décision. Dans divers domaines, Comme les affaires, Santé et sport, L’analytique peut identifier des modèles et des tendances, Optimiser les processus et améliorer les résultats. L’utilisation d’outils et de techniques statistiques de pointe est essentielle pour transformer les données en connaissances applicables et stratégiques.... descriptiva en el análisis de cohortes. Les clients sont divisés en cohortes mutuellement exclusives, qui sont ensuite suivis dans le temps. Les indicateurs de vanité n'offrent pas le même niveau de perspective que la recherche de cohorte. Aide à une interprétation plus approfondie des modèles de haut niveau en fournissant des mesures du cycle de vie des consommateurs et des produits.

Généralement, il existe trois principaux types de cohortes:

• Cohortes temporelles: les clients qui se sont inscrits pour un produit ou un service pendant une période donnée.
• Cohortes comportementales: les clients qui ont acheté un produit ou souscrit à un service dans le passé.
• Cohortes de taille: faire référence aux différentes tailles de clients qui achètent les produits ou services de l'entreprise.

Cependant, nous ferons Analyse de cohorte basée sur le temps. Les clients seront divisés en cohortes d'acquisition en fonction du mois de leur premier achat. Alors, l'indice de cohorte serait attribué à chacun des achats du client, qui représentera le nombre de mois depuis la première transaction.

Objectifs:

Voici le code complet de ce tutoriel. si desea seguir la información a mesureLa "mesure" C’est un concept fondamental dans diverses disciplines, qui fait référence au processus de quantification des caractéristiques ou des grandeurs d’objets, phénomènes ou situations. En mathématiques, Utilisé pour déterminer les longueurs, Surfaces et volumes, tandis qu’en sciences sociales, il peut faire référence à l’évaluation de variables qualitatives et quantitatives. La précision des mesures est cruciale pour obtenir des résultats fiables et valides dans toute recherche ou application pratique.... que avanza en el tutorial.

Étape impliquée dans l'analyse du taux de rétention de la cohorte

1. Chargement et nettoyage des données

2. Attribuez la cohorte et calculez le

Paso 2.1

• Tronquer l'objet de données en un objet requis (ici nous avons besoin du mois, donc la date de la transaction)
• Créer un objet groupby avec une colonne cible (ici, N ° de client)
• Transformer avec une fonction min () pour attribuer la plus petite date de transaction dans la valeur du mois à chaque client.

Le résultat de ce processus est la cohorte du mois d'acquisition pour chaque client, c'est-à-dire, nous avons attribué la cohorte du mois d'acquisition à chaque client.

Paso 2.2

• Calculer la compensation de temps en extrayant des valeurs entières pour l'année, mois et jour d'un objet datetime ().
• Calculer le nombre de mois entre toute transaction et la première transaction pour chaque client. Nous utiliserons les valeurs TransactionMonth et CohortMonth pour ce faire.

Le résultat de ceci sera cohortIndex, c'est-à-dire, la différence entre “Mois de la transaction” Oui “CohorteMois” en termes de nombre de mois et appelez la colonne “cohorteIndex”.

Paso 2.3

• Créer un objet groupby avec CohortMonth et CohortIndex.
• Comptez le nombre de clients dans chaque groupe en appliquant la fonction pandas nunique ().
• Réinitialiser l'index et créer un pivot pandas avec CohortMonth sur les lignes, CohortIndex dans les colonnes et customer_id compte comme des valeurs.

Il en résultera le tableau qui servira de base au calcul du taux de rétention ainsi que d'autres matrices.

3. Calculer des matrices métier: Taux de rétention.

La rétention mesure le nombre de clients de chaque cohorte qui sont revenus au cours des mois suivants.

• Utilisation de l’infrastructure de données appelée cohort_counts, nous sélectionnerons les premières colonnes (égal au nombre total de clients dans les cohortes)
• Calculer la proportion du nombre de ces clients retournés au cours des mois suivants.

Le résultat donne un taux de rétention.

4. Affichage du taux de rétention

5. Interprétation du taux de rétention

Taux mensuel de rétention des cohortes.

Nous allons commencer:

Importer des bibliothèques

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
import datetime as dt
import missingno as msno
from textwrap import wrap

Chargement et nettoyage des données

# Loading dataset
transaction_df = pd.read_excel(« transcations.xlsx »)
# View data
transaction_df.head()

Comprobando y trabajando con valor faltante

# Inspect missing values in the dataset
print(transaction_df.isnull().valeurs.somme())
# Replace the ' 's with NaN
transaction_df = transaction_df.replace(" ",Np. Nan)
# Impute the missing values with mean imputation
transaction_df = transaction_df.fillna(transaction_df.mean())
# Count the number of NaNs in the dataset to verify
print(transaction_df.isnull().valeurs.somme())

imprimer(transaction_df.info())
pour col dans transaction_df.columns:
    # Check if the column is of object type
    if transaction_df[col].dtypes == 'objet':
        # Impute with the most frequent value
        transaction_df[col] = transaction_df[col].remplir(transaction_df[col].value_counts().indice[0])
# Count the number of NaNs in the dataset and print the counts to verify
print(transaction_df.isnull().valeurs.somme())

Ici, podemos ver que tenemos 1542 valores nulos. Que tratamos con valores medios y más frecuentes según el tipo de datos. Ahora que hemos completado nuestra limpieza y comprensión de datos, comenzaremos el análisis de cohorte.

Asignó las cohortes y calculó la compensación mensual.

# Une fonction qui analysera la date Cohorte basée sur l’heure:  1 day of month
def get_month(X): renvoyer dt.datetime(x.année, x.mois, 1) 
# Create transaction_date column based on month and store in TransactionMonth
transaction_df['TransactionMonth'] = transaction_df[« transaction_date »].appliquer(get_month) 
# Grouping by customer_id and select the InvoiceMonth value
grouping = transaction_df.groupby(« customer_id »)['TransactionMonth'] 
# Assigning a minimum InvoiceMonth value to the dataset
transaction_df['CohortMonth'] = groupage.transformation('min')
# haut d’impression 5 rows
print(transaction_df.head())

Cálculo de la compensación de tiempo en el mes como índice de cohorte

Le calcul de la compensation de temps pour chaque transaction vous permet d’évaluer les métriques pour chaque cohorte de manière comparable.

Premier, nous allons créer 6 variables qui capturent la valeur entière des années, mois et jours pour la date de transaction et la date de cohorte à l’aide de la fonction get_date_int ().

def get_date_int(df, colonne):
    année = df[colonne].dt.year
    month = df[colonne].dt.month
    day = df[colonne].dt.day
    return year, mois, journée
# Getting the integers for date parts from the `InvoiceDay` column
transcation_year, transaction_month, _ = get_date_int(transaction_df, 'TransactionMonth')
# Getting the integers for date parts from the `CohortDay` column
cohort_year, cohort_month, _ = get_date_int(transaction_df, 'CohortMonth')

Nous allons maintenant calculer la différence entre les dates de facturation et les dates de cohorte en années, mois séparément. puis calculer la différence totale de mois entre les deux. Ce sera la cohorte ou l’indice de rémunération de notre mois, que nous utiliserons dans la section suivante pour calculer le taux de rétention.

#  Get the  difference in years
years_diff = transcation_year - cohort_year
# Calculate difference in months
months_diff = transaction_month - cohort_month
""" Extraire la différence en mois de toutes les valeurs précédentes
 "+1" ajouté à la fin afin que le premier mois soit marqué comme 1 à la place de 0 pour une interprétation plus facile. 
 """
transaction_df['CohortIndex'] = years_diff * 12 + months_diff  + 1 
imprimer(transaction_df.head(5))

Ici, Au début, nous avons créé un grouper() objet avec CohortMonth et CohortIndex et enregistrez-le en tant que regroupement.

Alors, nous appelons cet objet, nous sélectionnons le Identification du client et calculer la moyenne.

Nous stockons ensuite les résultats sous forme cohort_data. Alors, réinitialiser l’index avant d’appeler la fonction pivot pour pouvoir accéder aux colonnes désormais stockées en tant qu’index.

Finalement, creamos una table dynamiqueLe tableau croisé dynamique est un outil puissant dans les tableurs, tels que Microsoft Excel et Google Sheets. Vous permet de résumer, Analysez et visualisez efficacement de grands volumes de données. Grâce à son interface intuitive, Les utilisateurs peuvent réorganiser les informations, Appliquez des filtres et créez des rapports personnalisés, faciliter la prise de décisions éclairées dans divers contextes, Du domaine de l’entreprise à la recherche académique.... omitiendo

• CohortMes au paramètre index,
• Indice de cohorte au paramètre column,
• Identification du client au paramètre values.

et arrondissez-le à 1 chiffrer et voir ce que nous obtenons.

# Counting daily active user from each chort
grouping = transaction_df.groupby(['CohortMonth', 'CohortIndex'])
# Counting number of unique customer Id's falling in each group of CohortMonth and CohortIndex
cohort_data = grouping[« customer_id »].appliquer(. Série.nunique)
cohort_data = cohort_data.reset_index()
 # Assigning column names to the dataframe created above
cohort_counts = cohort_data.pivot(index='CohortMonth',
                                 colonnes="CohorteIndex",
                                 valeurs="N ° de client")
# Haut d’impression 5 rows of Dataframe
cohort_data.head()

Calculer les métriques d’entreprise: taux de rétention

Le pourcentage de clients actifs par rapport au nombre total de clients après un intervalle de temps spécifié est appelé taux de rétention..

Dans cette section, nous calculerons le nombre de rétention pour chaque mois de cohorte apparié avec l'indice de cohorte

Maintenant que nous avons un décompte des clients retenus pour chaque cohorteMes Oui cohorteIndex. Nous calculerons le taux de rétention pour chaque cohorte.

Nous allons créer un tableau croisé dynamique à cet effet.

cohort_sizes = cohort_counts.iloc[:,0]
rétention = cohort_counts.divide(cohorte_tailles, axe=0)
# Couvrir le taux de rétention en pourcentage et arrondir.
rétention.rond(3)*100

Les médias présentés dans cet article ne sont pas la propriété de DataPeaker et sont utilisés à la discrétion de l'auteur.

En rapport