Lära Tekniker för kohorttilldelning | Strukturering och förberedelse av kohortdata

Avsnitt 1. Kapitel 1

single

Svep för att visa menyn

Kohortanalys är en kraftfull teknik inom analys som gör det möjligt att gruppera användare baserat på gemensamma egenskaper eller upplevelser inom en definierad tidsram. Den vanligaste metoden är att tilldela användare till kohorter enligt datumet för deras första transaktion eller interaktion. Detta tillvägagångssätt gör det möjligt att följa hur olika grupper beter sig över tid och avslöjar trender som retention, engagemang och avhopp som annars skulle vara dolda i aggregerad data.

Att tilldela användare till kohorter är ett grundläggande steg i kohortanalys. Genom att definiera tydliga regler för kohorttilldelning – såsom gruppering efter månad eller vecka för en användares första köp – kan du skapa meningsfulla segment för djupare analys. Denna process hjälper dig inte bara att identifiera förändringar i användarbeteende utan stödjer även mer riktade affärsbeslut, såsom att utvärdera effekten av produktförändringar eller marknadsföringskampanjer på specifika användargrupper.

Att förstå och implementera korrekt kohorttilldelning säkerställer att din analys speglar verkliga användarresor och ger handlingsbara insikter. Följande kodexempel visar hur du tilldelar användare till kohorter med hjälp av deras första transaktionsdatum 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"]])

Logiken bakom kohorttilldelning är att identifiera en unik händelse eller egenskap – oftast användarens första transaktionsdatum – och använda den för att definiera kohorten för varje användare. I kodexemplet ovan används pandas för att gruppera data efter user_id och hitta det minsta transaction_date för varje användare. Detta datum konverteras sedan till en månadsperiod, vilket skapar en cohort_month som representerar användarens kohort.

Vid implementering av kohorttilldelning bör du ta hänsyn till specialfall såsom användare med flera transaktioner samma dag, saknade transaktionsdatum eller användare som återkommer efter en längre frånvaro. Det är god praxis att säkerställa att logiken för kohorttilldelning är robust mot dessa situationer genom att hantera saknade värden och validera att varje användare tilldelas exakt en kohort baserat på deras verkliga första interaktion.

Att följa dessa principer hjälper till att upprätthålla integriteten i dina kohorter och säkerställer att efterföljande analyser korrekt speglar användarbeteende och stödjer välgrundade affärsbeslut.

Uppgift

Svep för att börja koda

Du har fått en DataFrame df med kolumnerna user_id och signup_date som representerar användarregistreringar. Utför följande steg:

Konvertera kolumnen signup_date till datetime-format.
Identifiera det tidigaste signup_date för varje användare.
Skapa en ny kolumn cohort_week som innehåller den veckovisa perioden (YYYY-MM-DD med veckofrekvens) för varje användares första registreringsdatum, med hjälp av pandas period-funktionalitet och frekvensen 'W'.
Skriv ut den resulterande DataFrame, som ska inkludera den nya kolumnen cohort_week.

Ändra inte några andra kolumner eller strukturen på DataFrame förutom att lägga till den nödvändiga kolumnen cohort_week.

Lösning

Byt till skrivbordet för praktisk övningFortsätt där du är med ett av alternativen nedan

Var allt tydligt?

Tack för dina kommentarer!

Avsnitt 1. Kapitel 1

single

Fråga AI

Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal