Yandex-afisha-data-analysis

Краткий обзор проекта на основе main.ipynb и содержимого репозитория.

Анализ лояльности пользователей Яндекс Афиши: выгрузка заказов из БД, предобработка, построение профилей пользователей и исследовательский анализ признаков, влияющих на повторные покупки. Цель — подготовить данные и выводы для будущей модели прогноза возврата пользователей.

• Источник: БД data-analyst-afisha (таблицы покупок, событий, городов, регионов). Учитываются заказы с mobile/desktop, без фильмов.
• Выгрузка: SQL-запрос с джойнами и оконной функцией LAG для days_since_prev. Исходный объём — ~290k строк, 14 полей (user_id, устройство, заказ, выручка, билеты, тип мероприятия, регион, город и др.).
• Предобработка: приведение выручки к рублям (тенге по курсу на дату заказа), исправление типов и downcast, удаление дубликатов и выбросов по 99-му перцентилю выручки и числа билетов. Итог — очищенный датасет заказов.
• Профили пользователей: агрегаты по user_id: даты первого/последнего заказа, первое устройство/регион/оператор/тип мероприятия, число заказов, средний чек, среднее число билетов, средний интервал между заказами, бинарные признаки is_two и is_five. Выбросы по числу заказов отсечены по 99-му перцентилю; в анализе — ~21.5k пользователей.

• Сегменты и «точки входа»: по первому заказу доминируют концерты, mobile, крупные регионы и оператор «Билеты без проблем». По доле возвратов (2+ заказа) выделяются выставки и театр, desktop, отдельные регионы и операторы; явных аномальных «точек входа» нет.
• Продуктовые гипотезы: не подтверждены — концерты дают выше возврат, чем спорт; связь «активный регион → выше доля возвратов» практически отсутствует.
• Выручка и билеты: более высокий средний чек и сегмент 2–3 билета в заказе связаны с большей долей повторных покупок; день недели первого заказа на возврат почти не влияет; короткий средний интервал между заказами характерен для пользователей с 5+ заказами.
• Корреляции (phi_k): с числом заказов сильнее связаны даты первого/последнего заказа, среднее число билетов, средний интервал и средняя выручка; слабее — регион, устройство, оператор и тип мероприятия первого заказа.

• Python, pandas, SQLAlchemy, phik, matplotlib, seaborn; подключение к БД через .env (DB_CONNECTION_STRING).
• Ноутбук main.ipynb содержит весь пайплайн: загрузка, предобработка, профили, EDA, проверка гипотез, корреляционный анализ, общий вывод и рекомендации для маркетинга и модели.