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
• Attribuer une cohorte à chaque transaction
• Attribuer un index de cohorte à chaque transaction
• Calculer le nombre de clients uniques dans chaque groupe.
• Créer un tableau de cohorte pour le taux de rétention
• Visualisez le tableau des cohortes à l'aide de la carte thermique
• 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.

L'analyse de cohorte est une technique analytique descriptive dans l'analyse de cohorte. 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 vous souhaitez suivre les informations tout au long du tutoriel.

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, nous créons un tableau croisé dynamique en sautant

• 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

Avant de commencer à dessiner notre carte thermique, définissons l'index de notre trame de données de taux de rétention sur un format de chaîne plus lisible.

average_standard_cost.index = average_standard_cost.index.strftime('%Y-%m')
# Initialize the figure
plt.figure(taille de la figue=(16, 10))
# Adding a title
plt.title(« Coût standard moyen: Cohortes mensuelles, fontsize = 14)
# Creating the heatmap
sns.heatmap(average_standard_cost, annot = vrai,vmin = 0.0, vmax =20,cmap="YlGnBu", fmt="g")
plt.ylabel(« Mois de la cohorte »)
plt.xlabel(« Indice de cohorte »)
plt.yticks( rotation='360')
plt.show()

Interprétation du taux de rétention

Le moyen le plus efficace de visualiser et d’analyser les données d’analyse de cohorte consiste à utiliser une carte thermique., comme nous l’avons fait précédemment. Fournit à la fois des valeurs métriques réelles et un code couleur pour voir visuellement les différences de nombres.

Si vous n’avez pas de connaissances de base sur les cartes thermiques, vous pouvez consulter mon blog. Analyse exploratoire des données pour les débutants avec Python, où j'ai parlé des cartes thermiques pour les débutants.

Ici, avoir 12 cohortes pour chaque mois et 12 indices de cohorte. Plus les nuances de bleu sont foncées, plus les valeurs sont élevées. A) Oui, si on voit au mois de la cohorte 2017-07 dans le 5e indice de cohorte, nous voyons le ton bleu foncé avec un 48% ce qui signifie que le 48% des cohortes qui ont signé en juillet 2017 ils étaient actifs 5 mois après.

Ceci conclut notre analyse de cohorte pour le taux de rétention.. de la même manière, nous pouvons effectuer une analyse de cohorte pour d'autres matrices commerciales.

Cliquez ici pour en savoir plus sur l'analyse de cohorte pour les entreprises gratuit avec DataCamp.(Lien d'affiliation)

Donc, nous avons terminé notre analyse de cohorte, où vous avez appris les analyses de base et de cohorte, mener des cohortes temporelles, travailler avec le pivot des pandas et créer une table d'attente avec la visualisation. Nous avons également appris à explorer d'autres matrices.

À présent, vous pouvez commencer à créer et à explorer vous-même les métriques qui sont importantes pour votre entreprise.

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

En rapport