Lære Teknikker til tildeling af kohorter | Cohort Data Structuring and Preparation

Sektion 1. Kapitel 1

single

Stryg for at vise menuen

Cohort-analyse er en effektiv teknik inden for analyse, der gør det muligt at gruppere brugere baseret på fælles karakteristika eller oplevelser inden for en defineret tidsramme. Den mest almindelige metode er at tildele brugere til kohorter ud fra datoen for deres første transaktion eller interaktion. Denne tilgang gør det muligt at spore, hvordan forskellige grupper opfører sig over tid, og afslører tendenser som fastholdelse, engagement og frafald, som ellers ville være skjult i aggregerede data.

Tildeling af brugere til kohorter er et grundlæggende skridt i cohort-analyse. Ved at definere klare regler for kohortetildeling – såsom gruppering efter måned eller uge for en brugers første køb – kan du skabe meningsfulde segmenter til dybere analyse. Denne proces hjælper ikke kun med at identificere ændringer i brugeradfærd, men understøtter også mere målrettede forretningsbeslutninger, såsom evaluering af effekten af produktændringer eller markedsføringskampagner på specifikke brugergrupper.

Forståelse og implementering af korrekt kohortetildeling sikrer, at din analyse afspejler reelle brugerrejser og giver handlingsorienteret indsigt. Følgende kodeeksempel viser, hvordan man tildeler brugere til kohorter ved hjælp af deres første transaktionsdato i Python med pandas.


              12345678910111213141516171819
            
import pandas as pd

# Sample transaction data
data = {
    "user_id": [1, 2, 1, 3, 2, 4],
    "transaction_date": [
        "2024-01-15", "2024-01-20", "2024-02-10",
        "2024-03-05", "2024-03-10", "2024-03-15"
    ],
    "amount": [100, 150, 200, 120, 80, 90]
}

df = pd.DataFrame(data)
df["transaction_date"] = pd.to_datetime(df["transaction_date"])

# Assigning each user to a cohort based on their first transaction month
df["cohort_month"] = df.groupby("user_id")["transaction_date"].transform("min").dt.to_period("M")

print(df[["user_id", "transaction_date", "cohort_month"]])

Logikken bag kohortetildeling er at identificere en unik begivenhed eller egenskab – oftest brugerens første transaktionsdato – og bruge den til at definere kohorten for hver bruger. I kodeeksemplet ovenfor bruges pandas til at gruppere dataene efter user_id og finde den mindste transaction_date for hver bruger. Denne dato konverteres derefter til en månedlig periode, hvilket skaber en cohort_month, der repræsenterer brugerens kohorte.

Ved implementering af kohortetildeling bør du tage højde for grænsetilfælde såsom brugere med flere transaktioner på samme dag, manglende transaktionsdatoer eller brugere, der vender tilbage til systemet efter længere fravær. Det er god praksis at sikre, at logikken for kohortetildeling er robust over for disse situationer ved at håndtere manglende værdier og validere, at hver bruger tildeles præcis én kohorte baseret på deres reelle første interaktion.

Ved at følge disse principper opretholdes integriteten af dine kohorter, hvilket sikrer, at efterfølgende analyser nøjagtigt afspejler brugeradfærd og understøtter solide forretningsbeslutninger.

Opgave

Swipe to start coding

Du har et DataFrame df med kolonnerne user_id og signup_date, som repræsenterer brugerregistreringer. Udfør følgende trin:

Konverter kolonnen signup_date til datetime-format.
Identificer for hver bruger deres tidligste signup_date.
Opret en ny kolonne cohort_week, der indeholder den ugentlige periode (YYYY-MM-DD med ugentlig frekvens) for hver brugers første registreringsdato ved hjælp af pandas' period-funktionalitet med frekvensen 'W'.
Udskriv det resulterende DataFrame, som skal inkludere den nye kolonne cohort_week.

Du må ikke ændre andre kolonner eller strukturen i DataFrame end at tilføje den krævede kolonne cohort_week.

Løsning

Skift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder

Var alt klart?

Tak for dine kommentarer!

Sektion 1. Kapitel 1

single

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat