1. 数据分析说明
1.1 项目背景与目标
本次数据分析的目标是通过大众点评平台的数据，深入了解消费者对餐厅服务、环境和菜品的评价，为商家提供改进和优化的依据，并帮助营销平台制定更有效的推广策略。

1.2 数据来源与权重分配
数据来源主要包括：

爬取的茶点.csv文件
大众点评评论数据.csv文件
权重分配如下：

环境 : 菜品 : 服务 = 2 : 5 : 3
1.3 技术栈
数据集收集：Python系统
数据清洗：Python Jupyter
数据可视化：Python Jupyter
方案建议：Python
1.4 用户故事
1.4.1 消费者群体
What：根据系统推荐的餐厅，筛选和查找适合自己的餐厅。
Why：了解餐厅的服务质量和菜品品质，以便做出更好的选择。
How：通过用户的评论数据集，对店铺商家进行基本评估、产品评估和服务评估。
1.4.2 商家群体
What：查看用户对餐厅的评论和评分。
Why：改进和优化菜品和服务，提高用户满意度。
How：通过用户的评论数据集，对店铺商家进行基本评估、产品评估和服务评估，并对关键词进行相关性分析。
1.4.3 营销平台
What：制定营销策略和推广活动，提高平台的用户量和用户满意度。
Why：吸引更多的用户和商家，促进业务增长。
How：利用大众点评平台提供的数据，通过可视化分析工具和用户评论词云进行分析。
2. 数据整理
2.1 数据爬取采集
数据获取采用了requests爬虫技术，收集所需数据。所采集的数据集为茶点.csv文件。

采集过程
数据源：大众点评平台
采集工具：Python requests库
数据格式：JSON
采集信息：店铺名、店铺均分、评价人数、商圈位置、经纬度等信息
2.2 数据预处理与清洗
数据格式展示
使用Python-jieba库对评价内容进行拆解分析，发现了一些问题，如“好不好”可能会被拆分为“好”和“不好”。

数据清洗
导入数据：使用Pandas库导入数据并添加列名。
预览数据：使用sample()方法随机抽取5个样本数据预览。
删除重复数据：使用drop_duplicates()方法删除重复记录。
缺失值处理：使用fillna()方法填充缺失值。
3. 数据分析
3.1 描述性统计
查看基本统计量，计算相关系数，并绘制回归图。结果显示，人均消费与店铺评分具有正相关性，评论人数与店铺评分亦具有正相关性。

统计结果
基本统计量：使用df.describe()查看
相关系数：使用df.corr()计算
3.2 相关性分析
通过相关系数回归图，我们发现当数据量较小时，这种相关性不明显。具体的相关系数如图所示。

回归图展示
人均消费与店铺评分
评论人数与店铺评分
3.3 评价分布
根据饼图展示，低分评价不多，大部分为中评和好评。

3.4 时间序列分析
15、16年的评价数量最多，但基于当前需求，这部分数据更加注重于评价内容的分析。

3.5 热度排行
通过对同一家店铺所获得的评价总数进行加总，排序后得出热度排行，点都德位列第一。

3.6 店铺类型统计
茶点类中最多的是粤式茶点，但高分店铺并非仅限于粤式茶点，需进一步扩大样本量分析。

3.7 地区分析
各地区的平均评分大多呈现正态分布，符合常规。大部分店铺评分在3.5以上，少数评分较低的店铺需进一步探究原因。

3.8 人均消费分析
沙面为广州富人区，人均消费高，人均消费是运营中的重要参考指标。筛选人均消费大于100元的店铺，发现评分相对较高，物有所值。这类商家可通过增加广告宣传，打造更广泛的品牌影响力。

3.9 商圈分布
通过经度和纬度参数，发现大部分茶点店铺集中于白云区、增城区、番禺区、海珠区、荔湾区等靠近中心的位置。

4. 数据可视化和分析
采用可视化技术对分析的数据集进行呈现并进行相关分析，例如柱状图、词云、饼图等。

视觉展示
评价星级比例：低分评价不多，大部分为中评和好评。
不同时间评价数量：15、16年的评价数量最多。
不同店铺热度：点都德排名第一。
不同店铺类型店铺数量：粤式茶点最多。
不同店铺类型评分均分：高分店铺并非仅限于粤式茶点。
各地区平均评分：呈现正态分布。
不同评分店铺数量比：大部分店铺评分在3.5以上。
不同商圈评分情况：沙面人均消费高，筛选人均消费大于100元的店铺评分相对较高。
各地区人均消费：沙面人均消费高。
人均过百的店铺：评分相对较高，物有所值。
不同店铺类型评论人数：评论人数较多，样本群体较大。
广州茶点分布：大部分集中于中心区域。
词云展示：直观呈现热门搜索店铺。
5. 情感分析
5.1 数据预处理
抽取餐厅的总体评论和评论内容，使用Python进行数据清洗和过滤处理。

预处理步骤
数据加载：使用transfer()方法读取GBK编码的数据。
字段提取：使用map()方法提取需要的字段。
数据过滤：使用filter()方法过滤无效数据。
5.2 统计数据基本信息
打印1到5分数据的数量，发现五分数据最多，其次是四分、三分、二分和一分。

5.3 生成训练数据集
将好评和差评数据进行平衡处理，生成训练数据集。

6. 总结
6.1 消费者行为洞察
从用户评论的角度来看，消费者对餐厅的服务、环境和口味非常关注。在评论中，服务质量与口味是最受关注的方面。性价比也是很重要的一个因素。消费者在评论中经常会提到餐厅的价格是否合理，以及是否能够得到物有所值的感受。

6.2 商家改进措施
高评分店铺：加强品牌建设，提高曝光率和知名度；提供增值服务和更好的推广策略，增加店铺的人气和客流量；加强与店家的沟通和反馈，了解他们的经营状况和需求。
低评分店铺：帮助其改善服务，提升客户体验和口碑，提供营销方案、培训、顾问等增值服务；从数据层面入手，分析评分低的原因，制定相应的改善方案。
6.3 营销策略建议
高评分商圈：制定精准营销策略，如发布优惠促销信息，提供特价菜品，推出团购特惠等，吸引更多顾客。
低评分商圈：加强品牌建设和口碑管理，提高店铺的曝光度和知名度；加强对客户的反馈和沟通，及时针对消费者的点评进行改善，提高客户满意度和口碑。
6.4 竞争分析
对于商圈内的餐饮店，了解其竞争对手，并对竞争对手进行分析，制定对策来提高自己的服务质量、价格优势等，进一步提高自己的商圈评分。

6.5 服务体验优化
合理采纳用户的反馈，并及时调整服务信息，提高对用户服务满意度。时刻关注用户的需求变化，优化服务内容，进一步提高商家经营效益。

报告内容为个人原创，未经许可不可转载，内容供参考，无水印报告＋ppt＋数据集csv＋源码请关注