本文根据小红书的3万余条销售数据，利用Python进行线性回归，对小红书的销售额进行预测。
以下为关键数据维度概览：
下图为数据分析流程及思路：
数据概况分析：
年龄、性别及参加活动情况存在缺失值，占比为40%，计划用unknown填充性别及活动，以均值填充年龄。单变量分析
单笔销售额主要分布在1000元以内，平均消费金额在397左右。只有少部分用户近30日参与活动并进行讨论。2年及以上老客户占比近7成，用户留存方面较好。平均距今消费天数为7天，且绝大部分分布在20天以内，用户消费频率较高。平均累积消费金额为2339，绝大部分累积金额在5000以内。绝大部分用户购买小红书自营产品，用户忠诚度较高，小红书产品可供选择性较强。用户群体70%为女性，且平均年龄在29岁。多变量分析
首先查看类别行变量与消费金额的关系，其中年龄在23-30之间、30天内参加过活动、6各月内的新消费用户以及男性的平均消费金额更高。
数字型变量中，累积消费金额与单笔订单金额呈正相关关系，相关系数为0.17，第三方app购物次数与消费金额呈负相关关系，相关系数为-0.026，距今消费天数相关性较弱为0.036。建立线性回归模型：
选择相关系数将较高的数据维度作为自变量，使用平均绝对误差及均方差判断拟合效果。模型优化
我们可以看到，性别空值对应的活动详情也全为空值，这属于数据系统性偏差，将该部分数据删除。去除消费金额离群值，将2倍四分位距作为阈值。将用户年龄及第三方app购买次数数据进行分箱。
调整之后均方差下降显著。
标准模型输出表：
其中r²较小，P值显著性较强。模型解读：
在多元线性回归中，30天内是否参加活动对销售金额影响最大，即参加的客户比未参加客户平均多消费56元；其次为是否为新客户，新客户比老客户消费金额平均高出13元；最后一次消费距今天数每多一天增加7销售金额。
业务解读：生命周期在2年以上的老用户平均消费低于新用户，可以针对老用户群体提供专场优惠活动，以此来刺激该群体平均消费金额。30天内参加评论及活动的群体消费金额提高明显，可以优化社区活动及产品内容，增加评论抽奖或领取优惠券等福利活动，来鼓励并提高用户参与度，以此来提高销售额。男性平均消费金额高于女性，可细分男性用户标签，并进行精准营销来扩大男性用户群体。在校大学生平均消费金额较高但人数占比较小，可针对该潜力群体可增大对该群体营销及优惠力度。最后一次下单距今时间越久，平均消费金额越大，可增加定期活动开展频率来刺激消费并满足用户需求。
关注微信