第4章 顧客の分析

In [44]:

import polars as pl
import numpy as np
import datetime
from plotly.subplots import make_subplots
import plotly.graph_objects as go
import plotly.express as px

import polars as pl import numpy as np import datetime from plotly.subplots import make_subplots import plotly.graph_objects as go import plotly.express as px

デシル分析とRFM分析による顧客セグメンテーション¶

デシル分析¶

In [2]:

url_data_4_1 = 'https://raw.githubusercontent.com/asakura-data-science/marketing/main/Chapter_4/in/sec4-1data.csv'
df = (
    pl.read_csv(url_data_4_1)
    .with_columns(pl.col('日付').cast(pl.Utf8).str.to_date('%Y%m%d'))
)
df.head()

url_data_4_1 = 'https://raw.githubusercontent.com/asakura-data-science/marketing/main/Chapter_4/in/sec4-1data.csv' df = ( pl.read_csv(url_data_4_1) .with_columns(pl.col('日付').cast(pl.Utf8).str.to_date('%Y%m%d')) ) df.head()

Out[2]:

shape: (5, 16)

モニタ	日付	購入数量	単価	金額	大分類	中分類	小分類	細分類	性別	年代	未既婚	大分類名	中分類名	小分類名	細分類名
i64	date	i64	i64	i64	i64	i64	i64	i64	i64	i64	i64	str	str	str	str
15	2013-07-15	1	118	118	1	14	1403	140397	2	10	3	"食品"	"飲料・酒類"	"清涼飲料"	"その他清涼飲料"
15	2013-07-15	1	128	128	1	11	1107	110707	2	10	3	"食品"	"加工食品"	"冷凍食品"	"冷凍調理"
15	2013-07-15	1	140	140	2	24	2404	240413	2	10	3	"日用品"	"家庭用品"	"台所用品"	"キッチンペーパー"
15	2013-07-15	1	78	78	1	12	1203	120397	2	10	3	"食品"	"生鮮食品"	"農産"	"その他農産"
15	2013-07-15	2	83	166	2	26	2622	262201	2	10	3	"日用品"	"ペット用品"	"猫"	"猫フード"

In [3]:

# モニタ別金額集計
(
    df.group_by('モニタ').agg(pl.col('金額').sum())
    .sort(by='金額', descending=True)
    .head(10)
)

# モニタ別金額集計 ( df.group_by('モニタ').agg(pl.col('金額').sum()) .sort(by='金額', descending=True) .head(10) )

Out[3]:

shape: (10, 2)

モニタ	金額
i64	i64
38	582936
57	491733
98	261842
257	242446
37	203218
276	109111
127	97732
575	89702
361	87538
350	78426

In [33]:

# デシル分析の各ランクの閾値とモニタ別のランクの計算
df_decile = (
    df.group_by('モニタ').agg(pl.col('金額').sum())
    .select(
        pl.col('金額'),
        pl.col('金額').qcut(
            np.linspace(0, 1, 11)[1:],
            labels=[str(i) for i in np.arange(1,12)]
        ).alias('rank')
    )
    .group_by('rank').agg(pl.col('金額').sum(), pl.col('金額').min().alias('閾値'))
    .sort(by='閾値', descending=True)
    .with_columns(pl.col('金額').cum_sum().alias('累積金額'))
    .with_columns((pl.col('累積金額')/pl.col('金額').sum()).alias('累積構成比率'))
)
display(df_decile)

# plot
fig = make_subplots(specs=[[{"secondary_y": True}]])
fig.add_trace(
    go.Bar(x=df_decile['rank'], y=df_decile['金額'], name='金額'),
    secondary_y=False
)
fig.add_trace(
    go.Scatter(x=df_decile['rank'], y=df_decile['累積構成比率'], name='累積構成比率'),
    secondary_y=True
)
fig.update_xaxes(title_text='rank')
fig.update_yaxes(range=[0, 1], secondary_y=True)
fig.update_layout(width=800, height=600)
fig.show()

# デシル分析の各ランクの閾値とモニタ別のランクの計算 df_decile = ( df.group_by('モニタ').agg(pl.col('金額').sum()) .select( pl.col('金額'), pl.col('金額').qcut( np.linspace(0, 1, 11)[1:], labels=[str(i) for i in np.arange(1,12)] ).alias('rank') ) .group_by('rank').agg(pl.col('金額').sum(), pl.col('金額').min().alias('閾値')) .sort(by='閾値', descending=True) .with_columns(pl.col('金額').cum_sum().alias('累積金額')) .with_columns((pl.col('累積金額')/pl.col('金額').sum()).alias('累積構成比率')) ) display(df_decile) # plot fig = make_subplots(specs=[[{"secondary_y": True}]]) fig.add_trace( go.Bar(x=df_decile['rank'], y=df_decile['金額'], name='金額'), secondary_y=False ) fig.add_trace( go.Scatter(x=df_decile['rank'], y=df_decile['累積構成比率'], name='累積構成比率'), secondary_y=True ) fig.update_xaxes(title_text='rank') fig.update_yaxes(range=[0, 1], secondary_y=True) fig.update_layout(width=800, height=600) fig.show()

shape: (10, 5)

rank	金額	閾値	累積金額	累積構成比率
cat	i64	i64	i64	f64
"10"	2309497	64813	2309497	0.686537
"9"	409666	31976	2719163	0.808317
"8"	302953	24420	3022116	0.898375
"7"	138430	9978	3160546	0.939525
"6"	89835	6597	3250381	0.96623
"5"	54395	4154	3304776	0.9824
"4"	32745	2444	3337521	0.992134
"3"	15105	1123	3352626	0.996624
"2"	8250	564	3360876	0.999077
"1"	3106	36	3363982	1.0

In [42]:

# 例題4.1
df_decile = (
    df.filter(pl.col('中分類名')=='加工食品')
    .group_by('細分類名').agg(pl.col('購入数量').sum())
    .select(
        pl.col('購入数量'),
        pl.col('購入数量').qcut(
            np.linspace(0, 1, 11)[1:],
            labels=[str(i) for i in np.arange(1,12)]
        ).alias('rank')
    )
    .group_by('rank').agg(pl.col('購入数量').sum(), pl.col('購入数量').min().alias('閾値'))
    .sort(by='閾値', descending=True)
    .with_columns(pl.col('購入数量').cum_sum().alias('累積購入数量'))
    .with_columns((pl.col('累積購入数量')/pl.col('購入数量').sum()).alias('累積構成比率'))
)

# plot
fig = make_subplots(specs=[[{"secondary_y": True}]])
fig.add_trace(
    go.Bar(x=df_decile['rank'], y=df_decile['購入数量'], name='購入数量'),
    secondary_y=False
)
fig.add_trace(
    go.Scatter(x=df_decile['rank'], y=df_decile['累積構成比率'], name='累積構成比率'),
    secondary_y=True
)
fig.update_xaxes(title_text='rank')
fig.update_yaxes(range=[0, 1], secondary_y=True)
fig.update_layout(width=800, height=600)
fig.show()

# 例題4.1 df_decile = ( df.filter(pl.col('中分類名')=='加工食品') .group_by('細分類名').agg(pl.col('購入数量').sum()) .select( pl.col('購入数量'), pl.col('購入数量').qcut( np.linspace(0, 1, 11)[1:], labels=[str(i) for i in np.arange(1,12)] ).alias('rank') ) .group_by('rank').agg(pl.col('購入数量').sum(), pl.col('購入数量').min().alias('閾値')) .sort(by='閾値', descending=True) .with_columns(pl.col('購入数量').cum_sum().alias('累積購入数量')) .with_columns((pl.col('累積購入数量')/pl.col('購入数量').sum()).alias('累積構成比率')) ) # plot fig = make_subplots(specs=[[{"secondary_y": True}]]) fig.add_trace( go.Bar(x=df_decile['rank'], y=df_decile['購入数量'], name='購入数量'), secondary_y=False ) fig.add_trace( go.Scatter(x=df_decile['rank'], y=df_decile['累積構成比率'], name='累積構成比率'), secondary_y=True ) fig.update_xaxes(title_text='rank') fig.update_yaxes(range=[0, 1], secondary_y=True) fig.update_layout(width=800, height=600) fig.show()

RFM分析¶

• Recency: 基準日からの直近の来店日までの期間
• Frequency: 期間内の累積来店回数(もしくは累積来店日数)
• Monetary: 期間内の累積購買金額

In [99]:

# RFM分析
# スコア計算期間: 11月30日まで
# R
df_rval = (
    df.filter(pl.col('日付') <= datetime.date(2013, 11, 30))
    .group_by('モニタ').agg(pl.col('日付').max())
    .select(
        pl.col('モニタ'),
        (datetime.date(2013, 12, 1) - pl.col('日付')).dt.total_days().alias('R値')
    )
)
# F
df_fval = (
    df.unique(subset=['日付', 'モニタ'])
    .group_by('モニタ').agg(pl.col('日付').len().alias('F値'))
)
# M
df_mval = df.group_by('モニタ').agg(pl.col('金額').sum().alias('M値'))

# RFM分析 # スコア計算期間: 11月30日まで # R df_rval = ( df.filter(pl.col('日付') <= datetime.date(2013, 11, 30)) .group_by('モニタ').agg(pl.col('日付').max()) .select( pl.col('モニタ'), (datetime.date(2013, 12, 1) - pl.col('日付')).dt.total_days().alias('R値') ) ) # F df_fval = ( df.unique(subset=['日付', 'モニタ']) .group_by('モニタ').agg(pl.col('日付').len().alias('F値')) ) # M df_mval = df.group_by('モニタ').agg(pl.col('金額').sum().alias('M値'))

In [100]:

# RFMクラス
df_rfm = (
    df_rval.join(df_fval, on='モニタ', how='left').join(df_mval, on='モニタ', how='left')
    .with_columns(
        # R
        pl.when(pl.col('R値') < pl.col('R値').median())
        .then(pl.lit('H'))
        .otherwise(pl.lit('L'))
        .alias('Rclass'),
        # F
        pl.when(pl.col('F値') > pl.col('F値').median())
        .then(pl.lit('H'))
        .otherwise(pl.lit('L'))
        .alias('Fclass'),
        # M
        pl.when(pl.col('M値') > pl.col('M値').median())
        .then(pl.lit('H'))
        .otherwise(pl.lit('L'))
        .alias('Mclass'),
    )
    .with_columns((pl.col('Rclass')+pl.col('Fclass')+pl.col('Mclass')).alias('RFMclass'))
    .sort('モニタ')
)
df_rfm.head()

# RFMクラス df_rfm = ( df_rval.join(df_fval, on='モニタ', how='left').join(df_mval, on='モニタ', how='left') .with_columns( # R pl.when(pl.col('R値') < pl.col('R値').median()) .then(pl.lit('H')) .otherwise(pl.lit('L')) .alias('Rclass'), # F pl.when(pl.col('F値') > pl.col('F値').median()) .then(pl.lit('H')) .otherwise(pl.lit('L')) .alias('Fclass'), # M pl.when(pl.col('M値') > pl.col('M値').median()) .then(pl.lit('H')) .otherwise(pl.lit('L')) .alias('Mclass'), ) .with_columns((pl.col('Rclass')+pl.col('Fclass')+pl.col('Mclass')).alias('RFMclass')) .sort('モニタ') ) df_rfm.head()

Out[100]:

shape: (5, 8)

モニタ	R値	F値	M値	Rclass	Fclass	Mclass	RFMclass
i64	i64	u32	i64	str	str	str	str
14	78	1	1306	"L"	"L"	"L"	"LLL"
15	139	1	2880	"L"	"L"	"L"	"LLL"
16	169	17	38163	"L"	"H"	"H"	"LHH"
20	1	35	45981	"H"	"H"	"H"	"HHH"
21	281	1	1949	"L"	"L"	"L"	"LLL"

In [101]:

# RFMセグメント別の12月の購入状況
(
    df_rfm.join(
        df.filter(pl.col('日付') > datetime.date(2013, 11, 30))
        .group_by('モニタ').agg(pl.col('購入数量').sum()),
        on='モニタ', how='left'
    )
    .fill_null(0)
    .group_by('RFMclass')
    .agg(
        (pl.col('購入数量') == 0).sum().alias('再購入なし'),
        (pl.col('購入数量') > 0).sum().alias('再購入あり'),
        pl.col('購入数量').mean().alias('平均購入数量')
    )
    .with_columns(
        (pl.col('再購入あり')/(pl.col('再購入あり')+pl.col('再購入なし'))).alias('再購入率')
    )
    .select('RFMclass', '再購入なし', '再購入あり', '再購入率', '平均購入数量')
    .sort('RFMclass')
)

# RFMセグメント別の12月の購入状況 ( df_rfm.join( df.filter(pl.col('日付') > datetime.date(2013, 11, 30)) .group_by('モニタ').agg(pl.col('購入数量').sum()), on='モニタ', how='left' ) .fill_null(0) .group_by('RFMclass') .agg( (pl.col('購入数量') == 0).sum().alias('再購入なし'), (pl.col('購入数量') > 0).sum().alias('再購入あり'), pl.col('購入数量').mean().alias('平均購入数量') ) .with_columns( (pl.col('再購入あり')/(pl.col('再購入あり')+pl.col('再購入なし'))).alias('再購入率') ) .select('RFMclass', '再購入なし', '再購入あり', '再購入率', '平均購入数量') .sort('RFMclass') )

Out[101]:

shape: (8, 5)

RFMclass	再購入なし	再購入あり	再購入率	平均購入数量
str	u32	u32	f64	f64
"HHH"	9	26	0.742857	38.428571
"HHL"	2	1	0.333333	1.333333
"HLH"	2	0	0.0	0.0
"HLL"	9	2	0.181818	1.818182
"LHH"	6	2	0.25	12.375
"LHL"	2	1	0.333333	3.333333
"LLH"	5	1	0.166667	1.333333
"LLL"	32	2	0.058824	0.794118

健康志向の消費者に特徴的な購買行動を探る¶

In [ ]: