How to Build E‑Commerce User Profiles with Python: A Step‑by‑Step Guide

导读： 本文以真实案例，手把手教你搭建电商系统的用户画像。

1. 导入库

# 导入所需的库
%matplotlib inline
import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from datetime import datetime

%matplotlib inline： 魔法函数，使绘图自动显示。

datetime： 用于时间处理。

2. 数据准备

读取原始数据并抽取 20% 样本以提升运行效率：

# 导入数据集
df_orginal = pd.read_csv('./taobao_persona.csv')
# 抽取部分数据
df = df_orginal.sample(frac=0.2, random_state=None)

3. 数据预处理

检查缺失值并删除缺失严重的 user_geohash 列；将 time 拆分为 date 与 hour ，并将 hour 分段为凌晨、上午、中午、下午、晚上：

# 检查缺失值
df.isnull().any().sum()
# 删除 user_geohash 列
df.drop('user_geohash', axis=1, inplace=True)
# 拆分时间
df['date'] = df['time'].str[0:10]
df['time'] = df['time'].str[11:]
df['time'] = df['time'].astype(int)
# 分段
df['hour'] = pd.cut(df['time'], bins=[-1,5,10,13,18,24],
    labels=['凌晨','上午','中午','下午','晚上'])

4. 构建用户标签表

创建仅包含唯一 user_id 的标签表：

users = df['user_id'].unique()
labels = pd.DataFrame(users, columns=['user_id'])

5. 构建用户行为标签

5.1 浏览时间段分析

统计每个用户在各时间段的浏览次数，取最大次数对应的时间段作为标签：

# 统计浏览次数
time_browse = df[df['behavior_type']==1].groupby(['user_id','hour']).item_id.count().reset_index()
time_browse.rename(columns={'item_id':'hour_counts'}, inplace=True)
# 取最大浏览次数的时间段
time_browse_max = time_browse.groupby('user_id')['hour_counts'].max().reset_index()
time_browse_max.rename(columns={'hour_counts':'read_counts_max'}, inplace=True)
time_browse = pd.merge(time_browse, time_browse_max, how='left', on='user_id')
time_browse_hour = time_browse.loc[time_browse['hour_counts']==time_browse['read_counts_max'], 'hour']
.time_browse_hour = time_browse_hour.groupby('user_id').agg(lambda x: ','.join(x)).reset_index()
labels = pd.merge(labels, time_browse_hour, how='left', on='user_id')
labels.rename(columns={'hour':'time_browse'}, inplace=True)

5.2 类目行为分析

分别统计浏览、收藏、加购、购买四种行为在各商品类目下的次数，并取每个用户最多的类目：

# 浏览类目
df_browse = df[df['behavior_type']==1][['user_id','item_id','item_category']]
# 收藏类目
df_collect = df[df['behavior_type']==2][['user_id','item_id','item_category']]
# 加购类目
df_cart = df[df['behavior_type']==3][['user_id','item_id','item_category']]
# 购买类目
df_buy = df[df['behavior_type']==4][['user_id','item_id','item_category']]
# 以浏览为例统计最多类目
df_cate_most_browse = df_browse.groupby(['user_id','item_category']).item_id.count().reset_index()
df_cate_most_browse.rename(columns={'item_id':'item_category_counts'}, inplace=True)
df_cate_most_browse_max = df_cate_most_browse.groupby('user_id')['item_category_counts'].max().reset_index()
df_cate_most_browse_max.rename(columns={'item_category_counts':'item_category_counts_max'}, inplace=True)
df_cate_most_browse = pd.merge(df_cate_most_browse, df_cate_most_browse_max, how='left', on='user_id')
# 合并到标签表
labels = pd.merge(labels, df_cate_most_browse[['user_id','item_category']], how='left', on='user_id')
labels.rename(columns={'item_category':'cate_most_browse'}, inplace=True)

5.3 最近 30 天行为统计

统计近 30 天内的浏览、收藏、加购、购买次数以及活跃天数：

# 近30天购买次数
df_counts_30_buy = df[df['behavior_type']==4].groupby('user_id').item_id.count().reset_index()
labels = pd.merge(labels, df_counts_30_buy, how='left', on='user_id')
labels.rename(columns={'item_id':'counts_30_buy'}, inplace=True)
# 近30天加购次数
df_counts_30_cart = df[df['behavior_type']==3].groupby('user_id').item_id.count().reset_index()
labels = pd.merge(labels, df_counts_30_cart, how='left', on='user_id')
labels.rename(columns={'item_id':'counts_30_cart'}, inplace=True)
# 近30天活跃天数（去重 date）
counts_30_active = df.groupby('user_id')['date'].nunique().reset_index()
labels = pd.merge(labels, counts_30_active, how='left', on='user_id')
labels.rename(columns={'date':'counts_30_active'}, inplace=True)

5.4 最近一次行为距今天数

计算浏览、加购、购买等最近一次行为距离当前日期的天数：

# 示例：最近一次浏览距今天数
days_browse = df[df['behavior_type']==1].groupby('user_id')['date'].max().apply(lambda x: (datetime.strptime('2014-12-19','%Y-%m-%d')-x).days)
labels = pd.merge(labels, days_browse.rename('days_browse'), how='left', on='user_id')

5.5 最近两次购买间隔天数

# 计算两次购买之间的天数间隔
df_interval_buy = df[df['behavior_type']==4].groupby(['user_id','date']).item_id.count().reset_index()
interval_buy = df_interval_buy.groupby('user_id')['date'].apply(lambda x: x.sort_values().diff(1).dropna().head(1)).reset_index()
interval_buy['date'] = interval_buy['date'].apply(lambda x: x.days)
labels = pd.merge(labels, interval_buy.rename(columns={'date':'interval_buy'}), how='left', on='user_id')

5.6 浏览未下单、加购未下单标记

# 浏览未下单
df_browse_buy = df[(df['behavior_type']==1)|(df['behavior_type']==4)][['user_id','item_id','behavior_type','time']]
browse_not_buy = pd.pivot_table(df_browse_buy, index=['user_id','item_id'], columns=['behavior_type'], values='time', aggfunc='count')
browse_not_buy.columns = ['browse','buy']
browse_not_buy.fillna(0, inplace=True)
browse_not_buy['browse_not_buy'] = 0
browse_not_buy.loc[(browse_not_buy['browse']>0) & (browse_not_buy['buy']==0), 'browse_not_buy'] = 1
browse_not_buy = browse_not_buy.groupby('user_id')['browse_not_buy'].sum().reset_index()
labels = pd.merge(labels, browse_not_buy, how='left', on='user_id')
labels['browse_not_buy'] = labels['browse_not_buy'].apply(lambda x: '是' if x>0 else '否')
# 加购未下单（同理）

6. 用户属性标签构建

6.1 是否复购用户

buy_again = df[df['behavior_type']==4].groupby('user_id').item_id.count().reset_index()
buy_again.rename(columns={'item_id':'buy_again'}, inplace=True)
labels = pd.merge(labels, buy_again, how='left', on='user_id')
labels['buy_again'] = labels['buy_again'].fillna(-1)
labels['buy_again'] = labels['buy_again'].apply(lambda x: '是' if x>1 else ('否' if x==1 else '未购买'))

6.2 访问活跃度划分

user_active_level = labels['counts_30_active'].value_counts().sort_index(ascending=False)
labels['user_active_level'] = '高'
labels.loc[labels['counts_30_active']<=16, 'user_active_level'] = '低'

6.3 购买活跃度划分

buy_active_level = labels['counts_30_buy'].value_counts().sort_index(ascending=False)
labels['buy_active_level'] = '高'
labels.loc[labels['counts_30_buy']<=14, 'buy_active_level'] = '低'

6.4 购买品类是否单一

buy_single = df[df['behavior_type']==4].groupby('user_id').item_category.nunique().reset_index()
buy_single.rename(columns={'item_category':'buy_single'}, inplace=True)
labels = pd.merge(labels, buy_single, how='left', on='user_id')
labels['buy_single'] = labels['buy_single'].fillna(-1)
labels['buy_single'] = labels['buy_single'].apply(lambda x: '是' if x>1 else ('否' if x==1 else '未购买'))

6.5 RFM 模型分层

# 购买天数层级（最近一次购买距今天数）
labels['buy_days_level'] = '高'
labels.loc[labels['days_buy']>8, 'buy_days_level'] = '低'
# 合并层级
labels['rfm_value'] = labels['buy_active_level'].str.cat(labels['buy_days_level'])

def trans_value(x):
    if x == '高高':
        return '重要价值客户'
    elif x == '低高':
        return '重要深耕客户'
    elif x == '高低':
        return '重要唤回客户'
    else:
        return '即将流失客户'

labels['rfm'] = labels['rfm_value'].apply(trans_value)
labels.drop(['buy_days_level','rfm_value'], axis=1, inplace=True)

通过上述步骤，得到每位用户的时间标签、类目偏好、近期行为统计、活跃度分层、复购情况以及 RFM 分层，为后续精准营销提供数据支撑。