Project_E-commerce

⚒️ Стек: python, pandas, numpy, seaborn, matplotlib, plotly, Jupyter Notebook

Продакт-менеджер попросил меня проанализировать продажи и активность пользователей сайта магазина и на основе анализа сегментировать пользователей.

Данные для анализа:

• olist_customers_datase.csv — таблица с уникальными идентификаторами пользователей
• olist_orders_dataset.csv — таблица заказов
• olist_order_items_dataset.csv — товарные позиции, входящие в заказы

Уникальные статусы заказов в таблице olist_orders_dataset:

• created — создан
• approved — подтверждён
• invoiced — выставлен счёт
• processing — в процессе сборки заказа
• shipped — отгружен со склада
• delivered — доставлен пользователю
• unavailable — недоступен
• canceled — отменён

Цель:

Мне необходимо ответить на следующие вопросы:

1. Сколько пользователей, которые совершили покупку только один раз?
2. Сколько заказов в месяц в среднем не доставляется по разным причинам (вывести детализацию по причинам)?
3. По каждому товару определить, в какой день недели товар чаще всего покупается.
4. Сколько у каждого из пользователей в среднем покупок в неделю (по месяцам)?
5. Выполнить когортный анализ пользователей. В период с января по декабрь выявить когорту с самым высоким retention на 3-й месяц. 
6. Построить RFM-сегментацию пользователей, чтобы качественно оценить нашу аудиторию.

Этапы работы:

1. Провела анализ данных, произвела расчеты кол-ва покупок по дням недели, проверила кол-во заказов, которые не доставляются и выявила их основные причины;
2. выполнила когортный анализ и выявила когорту с самым высоким retention на 3-й месяц, визуализировала полученные данные на тепловой карте;
3. провела RFM-анализ и описала клиентов по сегментам.
   

Результат исследования:

достаточно большое кол-во клиентов не возвращаются, необходимо разработать программу лояльности для клиентов и push-рассылки с акциями, внедрить мотивационные программы для отдела продаж и логистики.