如何开发群组分析（Cohort Analysis）的数据APP

群组分析（Cohort Analysis）是一个非常有效的工具，可以帮助公司更好地了解用户需求及习惯。

我们可以通过将具有相似属性（例如，注册日期、首次购买日期、潜在用户来源等）的用户或用户进行分组，然后观察关键绩效指标（KPI：例如，参与度、收入、留存率），收集有用的见解。

下表是消费者APP留存率的群组分析热图。我们将用户按注册月份进行分组，每周观察这些用户的留存率。

每一行代表不同的用户群组，每个单元格代表注册后一周内该群组的留存率。例如，我们可以看到，在用户注册 4 周后，2018年2月注册用户留存率为49%，而2018年7月注册用户留存率仅为20%。

研究这些模式有助于公司发现与业务相关的系统性问题，反过来，也有助于验证随时间推移所做的更改。

虽然有很多文章讨论通过 python、R 或 FORTRAN 进行群组分析，但很少有文章关注其中的技术。如果你想了解更多数据分析相关内容，可以阅读以下这些文章：
如何征服数据科学面试中的Python编程考试
如何编写出优秀的 Python Class
Python机器学习库：pycarets新增时间序列模块
Huber回归和Ridge回归：如何处理Python中的异常值？

注意：虽然本文的所有分析都在 Intersect平台（该平台可以帮助你构建数据应用程序，自动执行重复数据任务）中进行，你可以选择使用你喜欢的工具或语言，执行以上步骤。

数据说明

使用的数据：

https://archive.ics.uci.edu/ml/datasets/Online+Retail+II

该零售数据集包含一家英国在线零售店在 2009 年 12 月 1 日至 2012 年 12 月 9 日期间的所有交易记录。该公司主要销售独一无二的、适合各种场合的礼品。

数据集中的每一行都是用户订购的单独的单品。具有相同发票编号（第一列）的单品属于同一订单的一部分。InvoiceDate 是购买的日期/时间，而Customer ID 是每个用户的唯一标识符。

数据截图

我们感兴趣的部分是按月群组跟踪保留率——换句话说，对于每个用户群组（按首次购买的月份分组），在他们首次购买后，每个月重复订单的百分比占多少？

数据准备

缺失的用户 ID

数据集包含一些缺失用户 ID 的行。如果我们知道缺失的内容，我们就可以估算这些值，但不幸的是，在不了解业务的情况下，我们唯一能做的就是删除这些行。

负订单数量

有些订单的数量为负数；此类订单很可能是退货订单。退货订单无法体现用户参与度，所以我们也删除了这些行。有人可能会觉得，我们还应该删除附加在这些最终退货订单上的原始订单。然而目前：

• 我们不知道如何识别这些订单
• 即使我们删掉了这些订单，导致退货的订单仍然代表用户参与度——因此，我们这样做是符合目标的。

为了解决这类问题，我们过滤了数量 > 0 的数据行。

汇总成订单

正如我们上面提到的，每张发票可以有很多行，因为每一行对应一个单品。但是，对于参与度，我们感兴趣的是分析订单，而不是订单中的单品。我们将各单品汇总在一起，制成顺序不同的订单列表。

群组分析

计算每个用户所属的群组

在本节中，我们将确定每个用户第一次下单的月份(即所属群组列)。

首先，我们按发票日期的升序排序，并计算第一笔订单的日期：

接着，我们从该日期中提取月份名称和年份，并将这两列连接起来，形成“群组名称”列。

最后，我们将生成的数据集连接到上面的“Orders”数据集，将“群组名称”列添加至其中。

生成群组分析表

接下来，对于每个订单，我们计算下订单的时间段（订单月份 – 群组月份）。

输出结果如下所示（注意末尾的句点列）：

最后，我们对表进行分析，生成群组分析报告，其中每一行是一个单独的群组，每列显示随后几个月的留存率。

在对列和行进行快速排序后，我们得到了群组分析表。

上图显示了每个月各群组中的回头客数量。但是，为了将这些值转换为百分比，我们将每一列的值除以第一列的值，并乘以 100。

生成热图

最后，我们将表格转换为热图，快速识别模式。图片右侧告诉我们，方块越接近红色，保留率越高（越热），反之亦然，保留率越低，方块越接近于蓝色。

有一半的方块都是蓝色，因为我们没有这些群组的数据（迄今还未收集到）。

有趣的见解

我们注意到， 2010 年 12 月的群组在第 11 个月（大概对应于下一年的假期）的回购率非常高。我们在每个群组中都看到了类似的峰值，但没有群组的的峰值和第一个群组一样高。这个群组有什么特别之处吗？也许，该群组的用户们本质上是“假期购物者”，他们更倾向于在假期期间回购商品！

如果你在经营业务，希望提高用户回头率，你需要定期研究群组及它们的习惯。希望本篇文章对你有所帮助！你还可以订阅我们的YouTube频道，观看大量数据科学相关公开课：https://www.youtube.com/channel/UCa8NLpvi70mHVsW4J_x9OeQ；在LinkedIn上关注我们，扩展你的人际网络！https://www.linkedin.com/company/dataapplab/

原文作者：Ankit Gordhandas
翻译作者：Lia
美工编辑：过儿
校对审稿：Jiawei Tong
原文链接：https://towardsdatascience.com/build-a-data-app-for-cohort-analysis-5d4e3161a988