最近在做社交電商，涉及到社羣運營，剛做不久，羣成員才200多人，但也積累了不少經驗和教訓。爲了進一步瞭解粉絲的偏好，現決定對部分粉絲做一個簡單的數據分析。
一、數據獲取
由於羣裏只有一半人是我認識的，對其基本信息有所瞭解，故僅選取了前100名成員進行分析。
1.導入數據
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from IPython.display import display
plt.style.use('fivethirtyeight')
sns.set_style({'font.sans-serif':['simhei','Arial']})
%matplotlib inline
df1 = pd.read_csv("C:\Jupyter_working_path\Matplotlib\Data\Fans datasets.csv",encoding="gbk")
2.查看前5行
df1.head(5)
一共分了8個字段，現主要對前4個字段進行具體分析
二、數據可視化分析
1.性別分析
#性別分析
df2["性別"].count()
f,ax1 = plt.subplots(1,1,figsize=(3,3))
sns.countplot(df2["性別"],ax=ax1)
plt.savefig("C:\Jupyter_working_path\Matplotlib\picture")
可見女性粉絲大約爲男性的2倍。原因是在邀請進羣時女性更願意進羣，而且女性更喜歡購物。
建議：以後發品儘量以女性用戶的偏好爲主，先了解女性用戶日常的購物習慣，然後有針對性的推薦。
2.年齡分析
df2["年齡"].count()
f,ax2 = plt.subplots(1,1,figsize=(3,3))
sns.countplot(df2["年齡"],ax=ax2)
plt.savefig("C:\Jupyter_working_path\Matplotlib\picture1")
因爲樣本中絕大部分都是我的同齡人，所以年齡主要集中在25歲。
建議：以後可以根據自己日常所需來判斷同齡人的購物偏好，然後有針對性的推薦。
3.學歷分析
#學歷分析
df2["學歷層次"].count()
f,ax3 = plt.subplots(1,1,figsize=(3,3))
sns.countplot(df2["學歷層次"],ax=ax3)
ax3.set_ylabel('人數', rotation = 90)
plt.savefig("C:\Jupyter_working_path\Matplotlib\picture2")
從學歷維度來看，主要集中在本科和碩士這樣的羣體，表明整體成員的層次是比較高的，因此建立人設，提升自己的實力就顯得非常重要。
建議：努力學習多看書，提升內在修養，嚴肅羣紀，禁止任何人發低俗無聊的內容，違者踢羣。
4.職業分析
df2["職業"].count()
f,ax4 = plt.subplots(1,1,figsize=(3,3))
sns.countplot(df2["職業"],ax=ax4)
ax4.set_title('職業分佈情況',fontsize=15)
ax4.set_xlabel("職業")
ax4.set_ylabel('人數', rotation = 90)
plt.savefig("C:\Jupyter_working_path\Matplotlib\picture3")
這個圖沒有畫好，但圖像表明我的粉絲絕大多數都是學生羣體，那麼這個羣體的典型特徵就是愛買買買，但是生活費又主要靠父母提供，因此購買力不算太強，高客單的商品不適合推薦。
建議：多推一些時尚潮流又價格親民的產品，重外觀，重體驗感。
三、篩選意向客戶
這一步主要是篩選一些經常活躍的粉絲，他們會經常在羣裏購物，搶紅包以及與我互動。這些都是潛在超級會員的培養對象，因此需要特別關注。
#篩選意向客戶和忠實客戶
df2.loc[df2["意向度"].isin(["忠實客戶","意向客戶"])]
這部分非常關鍵，由於涉及隱私所以我把姓名打碼了。
四、總結
我的社羣粉絲主要特徵爲：高學歷、年輕、購買力不強的學生羣體。
以上分析只適合本羣的情況，結論僅供參考。
