Lære Teknikker for kohorttilordning | Kohortdatastrukturering og forberedelse

Seksjon 1. Kapittel 1

single

Sveip for å vise menyen

Kohortanalyse er en kraftig teknikk innen analyse som lar deg gruppere brukere basert på felles kjennetegn eller opplevelser innenfor et definert tidsrom. Den vanligste metoden er å tilordne brukere til kohorter etter datoen for deres første transaksjon eller interaksjon. Denne tilnærmingen gjør det mulig å følge hvordan ulike grupper oppfører seg over tid, og avdekker trender som lojalitet, engasjement og frafall som ellers ville vært skjult i aggregerte data.

Å tilordne brukere til kohorter er et grunnleggende steg i kohortanalyse. Ved å definere klare regler for kohorttilordning – for eksempel gruppering etter måned eller uke for en brukers første kjøp – kan du lage meningsfulle segmenter for dypere analyse. Denne prosessen hjelper deg ikke bare med å identifisere endringer i brukeradferd, men støtter også mer målrettede forretningsbeslutninger, som å evaluere effekten av produktendringer eller markedsføringskampanjer på spesifikke brukergrupper.

Å forstå og implementere korrekt kohorttilordning sikrer at analysen din gjenspeiler reelle brukerreiser og gir handlingsrettede innsikter. Eksempelet under viser hvordan du kan tilordne brukere til kohorter basert på deres første transaksjonsdato 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 bak kohorttilordning er å identifisere en unik hendelse eller egenskap – oftest brukerens første transaksjonsdato – og bruke denne til å definere kohorten for hver bruker. I kodeeksempelet over bruker du pandas for å gruppere dataene etter user_id og finne den tidligste transaction_date for hver bruker. Denne datoen konverteres deretter til en månedlig periode, og danner en cohort_month som representerer brukerens kohort.

Når du implementerer kohorttilordning, bør du ta hensyn til spesialtilfeller som brukere med flere transaksjoner på samme dag, manglende transaksjonsdatoer eller brukere som kommer tilbake etter lengre fravær. Det er beste praksis å sørge for at logikken for kohorttilordning er robust mot slike situasjoner ved å håndtere manglende verdier og validere at hver bruker tilordnes nøyaktig én kohort basert på deres faktiske første interaksjon.

Å følge disse prinsippene bidrar til å opprettholde integriteten til kohortene dine, slik at videre analyser nøyaktig gjenspeiler brukeradferd og støtter gode forretningsbeslutninger.

Oppgave

Sveip for å begynne å kode

Du har fått en DataFrame df med kolonnene user_id og signup_date som representerer brukerregistreringer. Fullfør følgende trinn:

Konverter kolonnen signup_date til datetime-format.
Identifiser den tidligste signup_date for hver bruker.
Opprett en ny kolonne cohort_week som inneholder den ukentlige perioden (YYYY-MM-DD med ukentlig frekvens) for hver brukers første registreringsdato, ved å bruke pandas sin period-funksjonalitet med 'W'-frekvens.
Skriv ut den resulterende DataFrame-en, som skal inkludere den nye kolonnen cohort_week.

Ikke endre noen andre kolonner eller strukturen til DataFrame-en, bortsett fra å legge til den nødvendige kolonnen cohort_week.

Løsning

Bytt til skrivebordet for virkelighetspraksisFortsett der du er med et av alternativene nedenfor

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 1

single

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår