Sesjonsinndeling og hendelsesrekkefølge

Et datasett med clickstream registrerer hver brukerhandling: sidevisninger, knappetrykk og kjøp – hver som en rad med en user_id, session_id, event_type og timestamp. Før De beregner noen måltall, må De forstå skjemaet. Kjør df.dtypes og df.sample(5) for å se representative rader og bekrefte at tidsstempelkolonnen ble tolket som datetime og ikke som en streng.

Hendelsesanalyse er meningsløs hvis radene ikke står i tidsrekkefølge. Sorter etter user_id og deretter timestamp, slik at alle hendelser for samme bruker vises etter hverandre og i riktig rekkefølge. Bruk sort_values(['user_id', 'timestamp']), og tilbakestill indeksen for å få en ryddig heltallssekvens som gjenspeiler den sorterte rekkefølgen.

Hvis øktene ikke er merket på forhånd, kan De definere dem ved hjelp av et inaktivitetsintervall på 30 minutter: En ny økt begynner når tiden siden forrige hendelse for samme bruker overstiger 30 minutter. Bruk groupby('user_id')['timestamp'].diff() for å beregne intervallet mellom påfølgende hendelser, og marker deretter rader der intervallet overskrider terskelen, som starten på en økt.

Varigheten til en økt er tiden mellom den første og den siste hendelsen i økten. Grupper etter user_id og session_id, og beregn max - min for tidsstempelkolonnen. Konverter den resulterende Timedelta-verdien til minutter med .dt.total_seconds() / 60 for å få et måltall som er lett å tolke. Økter med varighet lik null er besøk med én enkelt hendelse.

Antallet hendelser i en økt fungerer som en indikator på brukerengasjement. En økt med 20 hendelser tyder sannsynligvis på mer omfattende utforskning enn en økt med 2. Bruk groupby(['user_id', 'session_id']).size() for å telle rader per gruppe, og kall resultatet event_count. Slå deretter dette sammendraget sammen med økttabellen for å få et komplett datasett på øktnivå.

Den første hendelsen i en økt viser inngangspunktet, for eksempel hjemmesiden eller søkeresultatsiden, mens den siste hendelsen viser hvordan brukeren avsluttet, for eksempel med et kjøp eller en avvisning. Bruk groupby().first() og groupby().last() på den sorterte DataFrame-en. Disse kolonnene for inngang og avslutning er viktige inngangsdata for trakt- og retensjonsanalyse.

Ved å tilordne et sekvensielt hendelsesnummer i hver økt kan De analysere vanlige hendelsesforløp. Bruk groupby(['user_id', 'session_id']).cumcount() + 1 for å opprette en kolonne med navnet event_rank. Filtrering på event_rank == 1 gir landingshendelsen, mens filtrering på den høyeste rangeringen gir avslutningshendelsen for hver økt.

Tiden mellom hendelser – intervallet mellom påfølgende hendelser i en økt – viser hvor raskt brukerne beveger seg gjennom produktet. Beregn den med groupby(['user_id', 'session_id'])['timestamp'].diff(). Store intervaller mellom bestemte hendelsestyper kan tyde på nøling eller forvirring på dette trinnet, noe som er et signal om at brukeropplevelsen bør forbedres.

Antallet økter per bruker måler hvor ofte hver bruker kommer tilbake. Svært aktive brukere med mange økter bidrar til viktige retensjonsmåltall. Beregn antall økter per bruker med df.groupby('user_id')['session_id'].nunique(). Del brukerne inn i engangsbesøkende, sporadiske brukere og hyppige brukere ved hjelp av pd.qcut() på økttallet.

Ved å forstå hvilke ukedager som genererer flest økter, blir det enklere å planlegge produktlanseringer, e-postkampanjer og skalering av servere. Hent ut day_of_week fra tidsstempelet for øktstart, og grupper etter denne verdien. Hvis heltallsverdiene (0=mandag, 6=søndag) tilordnes navn på ukedager, blir resultatet enklere å lese i rapporter og diagrammer.

Kombiner alle beregnede måltall – varighet, antall hendelser, inngangshendelse, avslutningshendelse og ukedag – i én enkelt DataFrame med sammendrag på øktnivå. Denne tabellen danner grunnlaget for traktanalyse, retensjonsmodellering og generering av funksjoner for maskinlæring. Hver rad representerer én økt, ikke én rå hendelse.

I denne leksjonen har De lært å: sortere hendelser kronologisk og utlede øktgrenser fra tidsintervaller, beregne øktvarighet og antall hendelser per økt, samt bygge en sammendragstabell på øktnivå for videre analyse. Deretter skal vi se nærmere på traktanalyse for å måle konvertering mellom trinn i produktet.