1、业务背景

以网贷业务为背景，跟踪每个用户从进件到最终还款之间所涉及到的所有环节，以提高审核通过率和降低还款逾期率为目标，利用单变量分析法、用户群组分析法、用户行为路径分析法，深入进行用户分析，为产品的用户运营提供数据支持。网贷的一般流程如下：

网贷流程.PNG

2、数据分析

2.1 单变量分析

2.1.1 业务场景

假设当前有一份放贷监控报告，报告显示最近的放款合同的首逾率有走高趋势，此时就有了这样的业务需求：通过数据探查分析制定出可以有效降低首逾率的策略。

2.1.2 分析流程

（1）首先确定分析目标，制定出降低首逾率的风控策略；
（2）提取数据分析样本，提取出更多维度的客户数据，比如客户年龄、地区等等；
（3）筛选有效变量，通过计算提升度，来筛选出较优的变量；
（4）依据上一步拟定的策略，模拟一下策略执行后的首逾率降幅，选择首逾率降幅大的变量作为重点关注调整变量。

2.1.3 常用概念解释

（1）首逾率=首期逾期的合同数/首期到了应还款的总合同数
（2）单变量分析：对每个变量单独分析，查看其对逾期的影响，从而筛选出能够较好区分好坏客户的变量，以便制定对应策略。
（3）提升度=最坏分箱的首逾客户占总首逾客户的比例/该分箱的区间客户数占比。通俗的来说就是衡量拒绝最坏的那一部分客户之后，对整体的风险控制的提升效果。提升度越高，说明该变量可以更有效的区分好坏客户，能够更少的误据好客户。

2.1.4 具体实现

• 数据集
  用到的数据结构如下：

  
  
  单变量分析-数据集结构.PNG
  
  

  查看数据总体情况：

  
  
  单变量分析-数据总体分布.PNG
  
  根据上图所示：芝麻信用分和信用卡额度使用率大部分缺失，分析这两个字段没什么意义，此处不做分析。

• 计算业务指标
  首先按照实际业务需求，对每个字段进行分区，然后计算区间内的各大指标，此处用到的分析指标包括区间用户数、区间逾期用户数、区间未逾期用户数、区间用户占比、区间首逾率。结果如下：

  字段1-征信查询次数计算结果如下：
  

  征信查询次数计算首逾率.PNG
  
  字段2-信用评级计算结果如下：
  
  信用评级计算首逾率.PNG
  
  字段3-年龄计算结果如下：
  
  年龄计算首逾率.PNG
  
  字段4-职业计算结果如下：
  
  职业计算首逾率.PNG
  
  字段5-工作时间计算结果如下：
  
  工作时间计算首逾率.PNG

• 计算提升度

#近半年征信查询次数
bad_rate = dt_info.iloc[dt_info['区间首逾率'].idxmax()]['区间逾期用户数']/dt_info['区间逾期用户数'].sum()
num_rate = dt_info.iloc[dt_info['区间首逾率'].idxmax()]['区间用户占比']
bad_rate/num_rate

以征信查询次数计算提升度为例，得到各个字段的提升度结果为：
征信查询次数（1.95）、信用评级（1.71）、职业（1.07）、年龄（1.06）、工作时间（1.05）

• 制定策略
  上述单变量分析的结果是：近半年征信查询次数和信用评级这两个变量的提升度最高，下面看一下把这两个变量的最坏分箱的用户拒绝后，对整体逾期的影响。
  （1）近半年征信查询次数
  把近半年征信查询次数最坏的分箱是查询次数>=21的这部分数据，假设把这部分用户全部拒绝掉，重新计算首逾率。

new_yq_times = dt_info['区间逾期用户数'].sum() - dt_info.iloc[dt_info['区间首逾率'].idxmax()]['区间逾期用户数']
new_times = dt_info['区间用户数'].sum()- dt_info.iloc[dt_info['区间首逾率'].idxmax()]['区间用户数']
new_yq_rate = new_yq_times/new_times
old_yq_rate = dt_info['区间逾期用户数'].sum()/dt_info['区间用户数'].sum()
print('拒绝近半年征信查询次数>=21的用户之后，当前首逾率为：{}'.format(new_yq_rate))
print('原始首逾率为：{}'.format(old_yq_rate))
print('首逾率下降了:{}'.format(old_yq_rate-new_yq_rate))

返回：
拒绝近半年征信查询次数>=21的用户之后，当前首逾率为：0.2900287361718911
原始首逾率为：0.307584667705824
首逾率下降了:0.017555931533932867
即拒绝近半年征信查询次数>=21的用户之后，首逾率下降了1.8%。
（2）信用评级
信用评级最坏的分箱为ERC这部分数据，假设把这部分用户全部拒绝掉，重新计算首逾率。结果如下：
拒绝信用评级为ERC的用户之后，当前首逾率为：0.2709728076700554
原始首逾率为：0.307584667705824
首逾率下降了:0.036611860035768606
即拒绝信用评级为ERC的用户之后，首逾率下降了3.7%。
综上：根据上面的分析过程，可见，单变量分析对降低首逾率是有效果的，分析结果可以为运营部门提供参考：建议重点关注信用评级为ERC的这部分用户，深入挖掘这部分用户申请时提交的资料（维度越多越好），以便制定对应策略，降低首逾率。

2.2 用户群组分析

2.2.1 业务场景

在做用户分析时，会有这样的场景：一个用户可能一月份申请贷款1次，二月份申请贷款2次，三四月没有申请，五月份又申请了。也就是对于用户来说他的数据是一个时间面数据，而且不同用户的时间面是不相同的，开始时间经历时间都不一样，而新用户和老用户经历的产品运营情况也不一样，因此我们分析的时候需要考虑到这个因素，而群组分析可以帮助我们在时间轴上对齐用户。

2.2.2 具体过程

• 数据集
  用到的数据集结构如下：
  orderid：订单id
  orderdate：订单日期
  userid：用户id
  totalcharge：金额

  
  
  用户群组分析-数据集结构.PNG
• 生成用户群组
  （1）新增订单月份字段orderperiod；按照每个用户的订单的最早时期，生成用户群组字段cohortgroup

#新字段-orderperiod，用户订单月份
df['orderperiod'] = df['orderdate'].apply(lambda x:x.strftime("%Y-%m"))
df.set_index("userid",inplace=True)
#用户群组字段
df["cohortgroup"] = df.groupby(level=0)['orderdate'].min().apply(lambda x:x.strftime("%Y-%m"))
df.reset_index(inplace=True)
df.head()

返回

群组分析-生成用户群组字段.PNG

（2）根据用户群组和月份字段进行分组统计（用户数量、订单数量、购买金额）

#根据用户群组和月份字段进行分组
grouped = df.groupby(['cohortgroup','orderperiod'])
#求每个用户群下每一个月份的用户数量、订单数量、购买金额
cohorts = grouped.agg({
    'userid':pd.Series.nunique,
    'orderid':pd.Series.nunique,
    'totalcharges':np.sum
}).rename(columns={'userid':'totalusers','orderid':'totalorders'})
cohorts.head()

返回

用户群组分析-用户群组统计.PNG

（3）对用户行为进行编号（首次申请编号为1,第二次申请编号为2，以此类推）

#把每个群组继续购买的日期字段进行改变
def cohort_period(df):
    #给首次购买日期编号,第二次购买编号为2，第三次购买编号为3，以此类推
    df['cohortperiod'] = np.arange(len(df)) + 1
    return df
cohorts = cohorts.groupby(level=0).apply(cohort_period)
#得到每个群组的用户量
cohorts.reset_index(inplace=True)
cohorts.set_index(['cohortgroup','cohortperiod'],inplace=True)
cohorts.head()

返回

用户群组分析-用户行为编号.PNG

（4）计算留存率

#得到每个群组的用户量，取第一个用户量数据，作为留存率的分母
cohort_group_size = cohorts['totalusers'].groupby(level=0).first()
#计算每个群组的留存
user_retention = cohorts['totalusers'].unstack(0).divide(cohort_group_size,axis=1)
user_retention

返回

用户群组分析-留存率.PNG

2.3 用户行为路径分析

2.3.1 业务场景

以用户申请网贷为背景，以用户下载app为起点，详细查看后续路径的流向以及某个节点事件的转化情况，得到用户在网贷申请流程中各个模块的流转规律和特点，定位影响转化的主次因素，促进产品的优化与改进。

2.3.2 业务分析指标

• PV：页面浏览量，每次用户对页面或标签的点击都会记一次PV
• UV：独立访客量，。
• 注册用户数：只有注册过的用户才有可能进一步发生转化行为。
• 激活：激活用户代表一个用户在注册完成以后成功登录一次。
• 申请用户数：指活跃用户中完成贷款申请行为的用户。
• 放款用户数：指通过审核并成功放款的用户。
• 复借用户数：指借款次数超过一次的用户数。
• 放贷率：放贷用户数/申请用户数

2.3.3 具体过程

• 数据集
  dt_flow（平台流量表），数据结构如下：

  
  
  用户行为路径-流量表.PNG

dt_check（贷款审核表），数据结构如下：

用户行为路径-贷款审核表.PNG

• 计算放贷率
  按申请日期分组，分别计算新用户pt_1和老用户pt_2的放贷率，结果如下：

  
  
  用户行为路径-新用户放贷率.PNG
  
  
  用户行为路径-老用户放贷率.PNG
• 计算各节点路径转化率

#连接贷款信息表和流量表
dt_1 = pd.merge(dt_flow,pt_1,on=None,left_on='日期',right_on='申请日期')
dt_2 = pd.merge(dt_1,pt_fj,on='申请日期').drop(['日期'],axis=1)
dt_2.head()

返回各节点流量数据

用户行为路径-各节点流量数据.PNG

统计汇总各节点流量数据

dt_3 = pd.DataFrame(dt_2.sum()[["PV","UV","注册数","激活数","新用户申请数","新用户放贷数"]]).reset_index().rename(columns={'index':'指标',0:'汇总'})
dt_3

返回

用户行为路径-统计汇总各节点流量数据.PNG

最后以漏斗图的形式展现各个节点的总体转化率：

用户行为路径-用户行为路径漏斗图.PNG

由上图可知，随着用户行为越深入，转化率越来越低，真正申请贷款的用户仅为2%，最终能贷到款的不到0.1%，最后四个节点的转化率还有很大的提升空间。