[引人深思]博彩用户真的赢了吗？—

1.项目背景

博彩业，作为全球经济中一个庞大而复杂的行业，吸引了无数用户参与其中，然而，在巨大的利益诱惑背后，博彩业对个人和社会造成的潜在危害却不容忽视，尽管博彩活动常被包装为“娱乐”或“休闲活动”，但其背后隐藏的风险和对参与者的负面影响日益显现，无论是从财务损失、心理健康，还是社会影响的角度来看，博彩活动对参与者的危害都显得格外突出。

本研究通过对博彩用户的全面分析，揭示了博彩活动的本质及其对参与者的危害，数据表明，没有用户能够在长期内保持正收益，反而投注越多，损失越大。因此，远离赌博，保持清醒的财务意识，保护心理健康，是每一个个体应当遵循的基本原则。只有避免卷入博彩的泥潭，才能真正守护自身的财务和心理健康。

2.数据说明

列名	说明
customer_id	用户ID
first_name	用户的名字
last_name	用户的姓氏
country	用户所在国家
age	用户年龄
gender	用户性别
income_level	用户收入水平
Winning_percentage	用户的获胜率（百分比）
Days_Since_Last_Bet	距离上次投注的天数
Active_Days	用户活跃天数
Total_Number_of_Bets	总投注次数
Total_Amount_Wagered	总投注金额
Average_Bet_Amount	平均投注金额
Number_of_Bonuses_Received	收到的奖金次数
Amount_of_Bonuses_Received	收到的奖金总额
Revenue_from_Bonuses	从奖金中获得的收入
Increase_in_Bets_After_Bonus	获得奖金后投注增加的次数
Increase_in_wagering_after_Bonus	获得奖金后投注金额的增加
Should_Receive_Bonus	是否应再次获得奖金（0 = 否，1 = 是）

3.Python库导入及数据读取

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import chi2_contingency,spearmanr
from imblearn.over_sampling import RandomOverSampler
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report,confusion_matrix,roc_curve, auc
from sklearn.ensemble import RandomForestClassifier

data = pd.read_csv('/home/mw/input/08307470/Betting users Data  .csv')

4.数据预览及数据预处理

查看数据信息：

查看重复值：

检查 Winning_percentage 是否有超过 100 的情况：

数据中不存在Winning_percentage超过100的值，也就是这一列不算有异常值了,构建 ‘name’ 列并删除 ‘first_name’ 和 ‘last_name’ 列。判断是否存在同一个ID对应多个name的情况：

部分截图

可以看到出现了同一个ID对应多个名字的情况，这就说明ID并不是唯一的，可能也是数据的问题，这里就直接删除ID列。检查所有姓名是否在各个变量中对应多个值：

部分截图

通过观察发现：一个名字只对应一个国家，一个年龄，一个收入水平数值，但是对应的其他特征是存在多个值的。

5.描述性分析

country: 5000条记录，共223个唯一国家，最常见的国家是Korea（71次）。
age: 用户平均年龄49.3岁，范围从18到80岁。
gender: 共有2个性别，女性用户较多（2582次）。
income_level: 平均收入83197，范围从20000到164955。
Winning_percentage: 平均获胜率42.2%，范围从0%到100%。
Days_Since_Last_Bet: 用户上次投注平均为20.7天前，范围从0到40天。
Active_Days: 用户平均活跃天数227天，范围从5到364天。
Total_Number_of_Bets: 用户平均总投注次数35次，范围从2到57次。
Total_Amount_Wagered: 平均总投注金额89208，范围从71057到99998。
Average_Bet_Amount: 平均每次投注金额977，范围从949到999。
Number_of_Bonuses_Received: 用户平均收到99次奖金，范围从88到103次。
Amount_of_Bonuses_Received: 平均收到奖金金额997，范围从880到1030。
Revenue_from_Bonuses: 用户平均从奖金中获利4992，范围从4400到5500。
Increase_in_Bets_After_Bonus: 用户在奖金后投注次数平均增加500次，范围从439到550。
Increase_in_wagering_after_Bonus: 奖金后投注金额平均增加49949，范围从43900到55000。
Should_Receive_Bonus: 72%的用户应再次获得奖金。
name: 共622个唯一名字，最常见的是Charles Hernandez（17次）。

6.用户分析

6.1构建新数据

如何构建一个以name为聚合的新数据，需要考虑的比较多，大概构建如下特征：

name: 用户的姓名
country: 用户所在的国家
age: 用户的年龄
gender: 用户的性别
income_level: 用户的收入水平
Average_Winning_Percentage: 每个用户的平均获胜率
Average_Bet_Amount: 每个用户的平均每次投注金额
Average_Active_Days: 每个用户的平均活跃天数
Total_Bets: 每个用户的总投注次数
Total_Wagered: 每个用户的总投注金额
Total_Revenue_from_Bonuses: 每个用户从奖金中获得的总收入
Std_Dev_Bets: 每个用户投注次数的标准差
Std_Dev_Increase_in_Wagering_after_Bonus: 每个用户在获得奖金后投注金额的标准差
Recent_Days_Since_Last_Bet: 用户最近距离上次投注的天数

6.2人口特征分析

从性别与年龄的联合分布图中可以看出，男性和女性用户在各个年龄段的分布相对均衡。
不同年龄段的用户数量波动较大，特别是在50岁左右的年龄段，用户数量达到了一个高峰。
用户的收入水平分布较为分散，没有明显的集中趋势，显示出较大的收入多样性。
从用户国家分布的柱状图来看，用户主要集中在Germany（德国）、South Georgia and the South Sandwich Islands（南桑威奇群岛）、Comoros（科摩罗）等国家。

6.3用户行为分析

用户平均获胜率分布：大多数用户的平均获胜率集中在40%到60%之间，呈现正态分布的特征。
用户平均投注金额分布：大部分用户的平均投注金额集中在950-1000左右，分布呈现右偏。
用户总投注次数分布：用户的总投注次数分布较为均匀，在0-600次之间有多个峰值。
活跃天数与总投注次数/总投注金额的关系：这两个散点图显示，随着活跃天数的增加，总投注次数和总投注金额都会呈现一定的上升趋势，但是并不是严格的线性关系。
中奖后投注次数的波动性分布：大多数用户的投注次数标准差集中在5-10次之间，峰值在7-8次左右。这表明用户在中奖后的投注行为有一定的变化，但变化程度相对适中。
中奖后投注金额的波动性分布：绝大多数用户的投注金额标准差非常小，集中在0-2500左右，呈现出极度右偏的分布。这意味着大部分用户在中奖后的投注金额变化不大，但有少数用户可能会有较大的波动。
不同国家的平均获胜率：展示了平均获胜率排名前五的国家，其中Tokelau（托克劳）最高，约70%，其他国家依次为Bahamas（巴哈马）、Guadeloupe（瓜德罗普）、French Guiana（法属圭亚那）和Gambia（冈比亚）。
不同国家的平均投注金额：显示了平均投注金额前10的国家，Nigeria（尼日利亚）最高。

6.4博彩用户真的“赢”了吗？

我们都知道赌博是十赌九输，可是通过之前的分析，不难发现，大多数的用户平均获胜率竟然在40%-60%之间，难道网赌真的是一个运气游戏？输钱的都是运气不好吗？博彩用户真的也能靠着运气赚到钱吗？

乍一看，确实发现，真的有人通过博彩收入了8万元，而且随着投注次数和投注金额的增多，获奖的金额也在越来越大，可是真的是这样吗？真的能通过博彩赚到钱吗？接下来，我将引入一个新的特征，净收益，通过获奖的金额减去投入的金额，通过这一特征，再来判断博彩用户真的赢了吗？

看样子，赌博已经不是十赌九输了，而是逢赌必输！在数据中有622个用户，竟然没有一个是正收益的，而且随着投注次数和投注金额的增加，损失的钱也是越来越多的，因此，博彩用户并没有“赢”得这场博彩游戏，千万要远离赌博，赌博是不会有好下场的。

6.5用户价值分析

这里是站在一个正常、非违法的网络平台分析自己的用户情况，在这里也是做一个学习，回顾之前的RFM模型。

RFM模型是一种衡量用户价值和用户为平台创造利益能力的重要工具。通过RFM模型，我们可以在特定时间范围内，通过用户的近期活跃行为、总投注频次和总投注金额这三个指标，全面描述用户的价值状况。

R（Recency）：最近一次活跃时间间隔，即用户距离上次投注的时间间隔，通常以天为单位进行衡量。R值越低，表示用户最近一次与平台的互动时间较近，活跃度高；R值越高，表示用户距离上次活跃时间较远，活跃度下降，流失风险较高。
F（Frequency）：总投注频次，即用户在一定时间范围内进行投注的累计次数。F值越大，表示用户与平台的互动频繁，忠诚度高，粘性强；反之，F值越小，表示用户投注频率低，互动较少，忠诚度较低。
M（Monetary）：总投注金额，即用户在一定时间范围内投注的累计金额。M值越大，表示用户的投注金额高，可能为平台带来更高的收入；反之，M值越小，表示用户投注金额较少，贡献度较低。

根据RFM模型，用户通常被分为以下8类：

重要价值用户（Champions）：这类用户活跃度高（R值低），投注频次多（F值高），投注金额大（M值高），是平台的核心用户群体，创造了最大的价值。
重要保持用户（Loyal Customers）：这些用户投注频次高（F值高），投注金额大（M值高），活跃度稍低（R值较高），但仍然是平台的重要客户，保持其活跃度对于平台至关重要。
重要发展用户（Potential Loyalists）：这些用户投注金额大（M值高），活跃度高（R值低），但投注频次较少（F值较低），具有很大的发展潜力，未来可能成为重要价值用户。
重要挽留用户（At Risk）：这些用户投注金额大（M值高），但活跃度低（R值高），投注频次也少（F值较低），正面临流失风险，需采取措施进行挽留。
一般价值用户（Average Customers）：这些用户活跃度高（R值低），投注频次多（F值高），但投注金额较小（M值较低），他们为平台贡献了一定的价值，是平台的中坚力量。
一般保持用户（Need Attention）：这些用户投注频次高（F值高），投注金额较少（M值较低），且活跃度较低（R值高），需要特别关注，以防止他们流失。
一般发展用户（New Customers）：这些用户活跃度高（R值低），投注金额较少（M值较低），投注频次也较少（F值较低），他们是刚刚接触平台的潜在客户，值得进一步培养。
一般挽留用户（Hibernating）：这些用户活跃度低（R值高），投注金额少（M值较低），投注频次也低（F值较低），正处于流失边缘，需要采取措施唤醒他们的活跃度。

划分后用户如下：

Customer_Segment
Champions              170
Hibernating            155
New Customers          146
Loyal Customers        131
Need Attention           8
At Risk                  6
Potential Loyalists      4
Average Customers        2
Name: count, dtype: int64

站在正规的电商平台角度分析：
用户群体呈现出较为明显的两极分化现象。一方面，平台拥有大量的高价值用户（Champions）和忠诚客户（Loyal Customers），这是平台的核心资产；另一方面，也存在相当数量的休眠用户（Hibernating）和新客户（New Customers），这些用户群体蕴含着巨大的潜力，中间价值段的用户相对较少，这表明平台在用户价值提升方面还有很大的改进空间。

针对各类用户的策略建议：

1. Champions（170位）

实施VIP会员计划，提供专属优惠和服务
邀请参与新产品测试和反馈
开展会员专属活动，增强其与平台的情感联系
鼓励他们成为品牌大使，通过口碑营销吸引新用户

2. Loyal Customers（131位）

发送个性化的感谢信息，表达对其长期支持的感激
提供定制化的产品推荐，基于其历史购买行为
设计针对性的促销活动，鼓励更频繁的购买
收集反馈，了解他们的需求和建议，不断改善服务

3. New Customers（146位）

发送欢迎礼包，包含平台使用指南和初次购买优惠
提供新手教程，帮助他们熟悉平台功能
设计阶梯式奖励计划，鼓励持续购买
定期跟进，收集使用体验反馈，及时解决可能遇到的问题

4. Hibernating（155位）

发送"我们想念你"的个性化信息
提供特别的"回归"优惠，吸引他们重新开始购物
调查其不活跃的原因，针对性地改进服务
推送最新的产品信息和平台更新，唤起其兴趣

5. 其他群体（Need Attention、At Risk、Potential Loyalists和Average Customers）

进行深入的用户调研，了解其需求和痛点
提供个性化的产品推荐和优惠
设计针对性的用户体验改善计划
密切监控这些用户的行为变化，及时调整策略

6.6用户留存率分析

这里设定时间阈值为30天，如果用户最近距离上次投注的天数超过30天，那么就算流失了。

用户留存率: 76.69%

基于对流失用户和未流失用户的数据对比分析，我们得出以下结论：

获胜概率：
- 未流失用户的平均获胜概率为42.70%，略高于流失用户的41.56%。
- 这表明获胜体验可能对用户留存有轻微正面影响，但差异不大。
活跃度：
- 流失用户的平均活跃天数（230.03天）略高于未流失用户（228.15天）。
- 这一反直觉的结果可能表明，活跃时间长不一定能确保用户留存。
投注行为：
- 未流失用户的总投注次数（283.84次）和总投注金额（722,273.42）均高于流失用户（272.17次和700,107.30）。
- 这表明更频繁和更高额的投注可能与用户留存有正相关关系。
收益情况：
- 未流失用户的总奖金收入（40,469.25）高于流失用户（39,003.83）。
- 然而，两组用户都呈现净亏损状态，未流失用户的净亏损（-681,804.17）甚至略高于流失用户（-661,103.48）。
关键洞察：
- 用户留存似乎与更高的投注频率和金额相关，而不是与更好的财务结果相关。
- 获胜概率的微小差异可能影响用户体验和留存意愿。
- 长期活跃并不能保证用户不流失，可能需要关注其他因素如用户体验、奖励机制等。

7.再次获得奖金的影响因素分析

7.1斯皮尔曼相关分析

获胜率越高，用户越有可能再次获得奖金。
平均投注金额与获得奖金的可能性呈较强的负相关，意味着小额频繁投注的用户更可能获得奖金。
总投注金额、已获得的奖金次数和金额，以及奖金带来的收入和投注增加，都与再次获得奖金的可能性呈负相关。
用户的活跃度（最近投注时间、活跃天数）与获得奖金的可能性有弱正相关。
年龄和收入水平对是否应该获得奖金几乎没有影响。

7.2卡方检验

通过卡方检验发现：姓名（不同的用户）、性别、博彩用户所在的国家对再次获得奖金的影响不显著。

8.随机森林

8.1数据预处理

这里先剔除斯皮尔曼相关性分析和卡方检验中不显著的因素，然后检查目标变量，查看样本是否平衡，如果不平衡就需要使用SMOTE去平衡样本。

检查样本平衡性:

Should_Receive_Bonus
1    3593
0    1407
Name: count, dtype: int64

样本不平衡使用SMOTE去平衡样本。

8.2建立模型

随机森林模型评估结果

8.3重要度分析

该随机森林模型在预测博彩用户是否应再次获得奖金方面表现出色，可以被认为是一个可靠的决策工具，其中获胜率是最重要的预测因素，其次是平均投注金额。

9.结论与警示

9.1结论

本项目通过构建新数据集，以个体博彩用户为研究对象，深入剖析了用户特征、价值评估和留存情况，运用斯皮尔曼相关性分析和卡方检验，探究了影响用户再次获得奖金的关键因素。基于这些发现，构建了随机森林模型，不仅预测用户再次获得奖金的可能性，还量化了各因素的影响力。以下是主要发现和洞察：

用户人口统计特征
- 样本包含622名博彩用户，年龄分布呈现中年主导趋势，50岁左右用户占比最高。
- 用户来自223个不同国家或地区，其中德国、南桑威奇群岛和科摩罗的用户数量并列最多（各7名）。
投注行为分析
- 用户平均获胜率呈正态分布，集中在40%-60%区间。
- 平均投注金额分布右偏，主要集中在950-1000单位。
- 活跃度与投注行为呈正相关，但非严格线性关系。
盈利状况分析
- 所有用户均呈现负收益状态。
- 投注频次和金额与损失程度呈正相关。
用户价值分层
- 用户群体呈现明显的两极分化：
  - 高价值用户（Champions）和忠诚客户（Loyal Customers）构成平台核心资产。
  - 大量休眠用户（Hibernating）和新客户（New Customers）蕴含巨大潜力。
- 中间价值段用户相对较少，揭示了用户价值提升的巨大空间。
用户留存分析
- 留存率达76.69%，表现优秀。
- 高频高额投注用户倾向于保持较高留存率。
- 财务结果与留存率无显著相关性。
- 长期活跃不等同于高留存，提示需关注用户体验和奖励机制等其他因素。
奖金获取影响因素
- 获胜率与再次获得奖金呈强正相关。
- 小额高频投注用户更易获得奖金。
- 总投注金额、已获奖金次数和金额与再次获奖呈负相关。
- 用户活跃度与获奖可能性呈弱正相关。
- 人口统计特征（年龄、收入、性别、国籍等）对获奖影响不显著。
预测模型洞察
- 随机森林模型在预测用户再次获奖方面表现卓越，可作为可靠决策工具。
- 获胜率和平均投注金额是最关键的预测因素。