Анализ пользовательского поведения в KION

Исследование данных о поведении пользователей онлайн-кинотеатра KION на основе статистических методов

Данные для анализа

Авторы

принадлежность

Е.С. Молчан

Университет ИТМО

М.С. Николаев

Университет ИТМО

Дата публикации

3 июня 2025 г.

1 Введение

Коротко о данных

Датасет включает в себя информацию о взаимодействии пользователей с контентом в KION ¹, демографическую информация о пользователях и мета-информацию о фильмах. Данные собраны на основе анализа пользователей сервиса в период с 13 марта 2021 года по 22 августа 2022 года.

Задача

Познакомить читателя с данными и сделать выводы о пользователях онлайн-кинотеатра КИОН

Загрузим библиотеки

Код

library(readxl)
library(ggplot2)
library(nortest)
library(corrplot)
library(ggpubr)
library(magrittr)
library(knitr)

2 Знакомство с данными

Название	Описание
`user_id`	ID пользователя
`item_id`	ID контента
`last_watch_dt`	Дата последнего просмотра
`total_dur`	Общая продолжительность всех просмотров данного контента в секундах

Summary

user_id	item_id	last_watch_dt	total_dur
Length:15768	Length:15768	Min. :2021-03-13	Min. : 1.0
Class :character	Class :character	1st Qu.:2021-05-25	1st Qu.: 379.8
Mode :character	Mode :character	Median :2021-06-30	Median : 2882.0
NA	NA	Mean :2021-06-23	Mean : 8558.3
NA	NA	3rd Qu.:2021-07-30	3rd Qu.: 7134.2
NA	NA	Max. :2021-08-22	Max. :3502510.0

Название	Описание
`watched_pct`	Процент просмотра
`content_type`	Тип контента (фильм, сериал)
`title`	Название на русском
`title_orig`	Название оригинальное

Summary

watched_pct	content_type	title	title_orig
Min. : 0.00	Length:15768	Length:15768	Length:15768
1st Qu.: 4.00	Class :character	Class :character	Class :character
Median : 33.00	Mode :character	Mode :character	Mode :character
Mean : 46.52	NA	NA	NA
3rd Qu.:100.00	NA	NA	NA
Max. :100.00	NA	NA	NA

Название	Описание
`release_year`	Год выхода в прокат
`genres`	Жанры из источника (онлайн-кинотеатры)
`countries`	страны
`for_kids`	флаг «контент для детей»

Summary

release_year	genres	countries	for_kids
Min. :1920	Length:15768	Length:15768	Mode :logical
1st Qu.:2013	Class :character	Class :character	FALSE:349
Median :2018	Mode :character	Mode :character	TRUE :17
Mean :2015	NA	NA	NA’s :15402
3rd Qu.:2021	NA	NA	NA
Max. :2021	NA	NA	NA
NA’s :1	NA	NA	NA

Название	Описание
`age_rating`	Возрастной рейтинг
`studios`	Студии
`directors`	Директора
`actors`	Актеры

Summary

age_rating	studios	directors	actors
0 : 696	Length:15768	Length:15768	Length:15768
6 :1395	Class :character	Class :character	Class :character
12:2547	Mode :character	Mode :character	Mode :character
16:6199	NA	NA	NA
18:4821	NA	NA	NA
21: 110	NA	NA	NA

Название	Описание
`description`	Описание
`keywords`	Ключевые слова
`valid_from_dttm`	Дата, с которой контент доступен на KION
`rating_kp`	Рейтинг на Кинопоиске

Summary

description	keywords	valid_from_dttm	rating_kp
Length:15768	Length:15768	Min. :2019-10-08	Min. :0.000
Class :character	Class :character	1st Qu.:2019-10-13	1st Qu.:6.100
Mode :character	Mode :character	Median :2020-07-08	Median :6.800
NA	NA	Mean :2020-07-14	Mean :6.624
NA	NA	3rd Qu.:2021-04-13	3rd Qu.:7.500
NA	NA	Max. :2021-08-25	Max. :9.200
NA	NA	NA’s :2	NA’s :3131

Название	Описание
`age`	Возрастная группа пользователя
`income`	Доход пользователя:
`sex`	Пол пользователя
`kids_flg`	Флаг «наличие ребенка»

Summary

age	income	sex	kids_flg
18-24 года:1651	0-20 тыс.руб. : 288	Ж :6051	Mode :logical
25-34 года:3645	20-40 тыс.руб. :6870	М :6446	FALSE:8514
35-44 года:3530	40-60 тыс.руб. :4006	NA’s:3271	TRUE :4170
45-54 года:2140	60-90 тыс.руб. :1090	NA	NA’s :3084
55-64 года: 933	90-150 тыс.руб. : 247	NA	NA
65-inf лет: 601	150-inf тыс.руб.: 14	NA	NA
NA’s :3268	NA’s :3253	NA	NA

2.1 В датасете от `Kion` содержатся данные:

по 15 238 уникальным пользователям
по 3 204 уникальным единицам контента (фильмы/сериалы)
по 15 768 уникальным взаимодействиям пользователей с контентом

Заметим,

У одного пользователя может быть несколько взаимодействий с контентом

3 Работа с ключевыми переменными

Summary по ключевым переменным
sex	age	income	total_dur	rating_kp
Ж :6051	18-24 года:1651	0-20 тыс.руб. : 288	Min. : 1.0	Min. :0.000
М :6446	25-34 года:3645	20-40 тыс.руб. :6870	1st Qu.: 379.8	1st Qu.:6.100
NA’s:3271	35-44 года:3530	40-60 тыс.руб. :4006	Median : 2882.0	Median :6.800
NA	45-54 года:2140	60-90 тыс.руб. :1090	Mean : 8558.3	Mean :6.624
NA	55-64 года: 933	90-150 тыс.руб. : 247	3rd Qu.: 7134.2	3rd Qu.:7.500
NA	65-inf лет: 601	150-inf тыс.руб.: 14	Max. :3502510.0	Max. :9.200
NA	NA’s :3268	NA’s :3253	NA	NA’s :3131

Срежем информацию по уникальным пользователям для их дальнейшего анализа

Код

data_unique_user <- data[!duplicated(data[1:4]),][1:4]

user_id	sex	age	income
176549	М	35-44 года	40-60 тыс.руб.
699317	М	35-44 года	40-60 тыс.руб.
656683	М	25-34 года	60-90 тыс.руб.
864613	Ж	65-inf лет	20-40 тыс.руб.
964868	Ж	25-34 года	20-40 тыс.руб.
1032142	NA	NA	NA
1016458	М	18-24 года	20-40 тыс.руб.

4 Изучение ключевых переменных

Распределение возрастов пользователей отлично от нормального

Распределение доходов пользователей отлично от нормального

Присутствуют выбросы в данных

Найдём границу значений, выше которой Boxplot относит их к выбросам:

Код

max_total_dur <- 1.5*IQR(data$total_dur, na.rm = TRUE) + quantile(data$total_dur, probs = 0.75)

1.5 * IQR + Q3 = 17 266 секунд

Распределение общего времени просмотров контента отлично от нормального

Используем Тест Андерсона-Дарлинга для проверки нормальности распределения


    Anderson-Darling normality test

data:  data$rating_kp
A = 209.4, p-value < 2.2e-16

Распределение оценок рейтинга на Кинопоиске отлично от нормального (p-value < alpha = 0.05)

5 Меры центральной тенденции

Мода (номинальная шкала) гендера: М
Медианный (ранговая шкала, скошенное распределение) возраст: 35-44 года
Медианный (ранговая шкала, скошенное распределение) доход: 20-40 тыс.руб./месяц
Медианное (есть выбросы в данных) количество минут просмотра контента: 48 мин.
Медианная (есть выбросы в данных) оценка контента: 6.8 / 10 балла

Типичный пользователь KION

Мужчина в возрасте 35-44 лет с ежемесячным доходом в 20-40 тысяч рублей, медианное время потребления контента которого чуть меньше часа (48 мин.), а сам контентен он оценивает на 6.8/10 баллов

6 Есть ли разница в продолжительности просмотра фильма в зависимости от дохода?

Н0: Нет разницы в продолжительности просмотра фильма в зависимости от уровня дохода

Н1: Есть разница в продолжительности просмотра фильма в зависимости от уровня дохода

Проверим допущения:


    Shapiro-Wilk normality test

data:  df_2$total_dur[df_2$income == "0-20 тыс.руб."]
W = 0.86361, p-value = 5.245e-12

Допущения неудовлетворены: распределение выборки отлично от нормального (p-value < alpha = 0.05)

Поэтому будем использовать непараметрический аналог ANOVA (несколько групп анализируем):


    Kruskal-Wallis rank sum test

data:  total_dur by income
Kruskal-Wallis chi-squared = 1.0627, df = 5, p-value = 0.9574

Принимаем Н0 (p-value > alpha = 0.05), провизуализируем результаты:

7 Связан ли пол пользователя и тип контента, который он просматривает?

Т.к. данные категориальные, будем использовать Хи квадрат Пирсона для проверки гипотез:

Н0: Пол пользователя и тип контента, который он просматривает, не связаны
Н1: Пол пользователя и тип контента, который он просматривает, связаны

Код

df_5 <- df[!is.na(df$sex),][c(24,7)]

chisq.test(table(df_5))


    Pearson's Chi-squared test with Yates' continuity correction

data:  table(df_5)
X-squared = 75.091, df = 1, p-value < 2.2e-16

Принимаем Н1 (p-value < alpha = 0.05)

Для понимания связи проанализируем стандартизированные остатки:

Вывод: Женщины больше предпочитают сериалы, а мужчины - фильмы

8 Отличаются ли предпочтения пользователей в типе просматриваемого контента в зависимости от уровня дохода?

Т.к. данные категориальные, будем использовать Хи квадрат Пирсона для проверки гипотез:

Н0: предпочтения пользователей в типе просматриваемого контента и уровень дохода не связаны
Н1: предпочтения пользователей в типе просматриваемого контента и уровень дохода не связаны

Код

df_6 <- df[!is.na(df$income),][c(23,7)]
chisq.test(table(df_6))


    Pearson's Chi-squared test

data:  table(df_6)
X-squared = 28.082, df = 5, p-value = 3.508e-05

Принимаем Н1 (p-value < alpha = 0.05)

Для понимания связи проанализируем стандартизированные остатки:

Вывод: Пользователи с доходами до 20 тысяч рублей предпочитают сериалы, а не фильмы

9 Выводы

1. Портрет типичного пользователя

2. Различия в потреблении контента

Женщины чаще выбирают сериалы, а мужчины — фильмы.
Пользователи с доходом до 20 тыс. рублей также предпочитают сериалы, тогда как остальные группы не демонстрируют значимых предпочтений.
Уровень дохода не влияет на продолжительность просмотра фильмов.

3. Рекомендации для KION

Учитывать гендерные предпочтения при формировании рекомендаций: предлагать женщинам больше сериалов, а мужчинам — фильмов.
Для аудитории с низким доходом (<20 тыс. рублей) акцентировать внимание на сериальный контент

Итог

Анализ выявил ключевые закономерности в поведении пользователей KION, которые могут быть использованы для персонализации контента и улучшения пользовательского опыта.

Сноски

KION (КИОН) — российская мультимедийная онлайн-платформа, созданная компанией МТС. Начала работу 20 апреля 2021 года. Kion позволяет смотреть ТВ, сериалы и фильмы на различных устройствах: смартфоне, планшете, компьютере, на Smart TV и ТВ-приставках.↩︎

--- title: "Анализ пользовательского поведения в KION" editor: visual subtitle: "Исследование данных о поведении пользователей онлайн-кинотеатра KION на основе статистических методов" description: "[Данные для анализа](https://dano.hse.ru/data2023)" authors: - name: given: Имя family: Фамилия literal: Е.С. Молчан email: Molchan-CBY@yandex.ru affiliation: Университет ИТМО - name: given: Имя family: Фамилия literal: М.С. Николаев email: msnikolaev@itmo.ru affiliation: Университет ИТМО date: 2025-06-03 number-sections: true lang: ru format: html: toc: true theme: cosmo code-link: true code-annotations: below code-tools: true code-fold: true --- # Введение ::: {.callout-note } ## Коротко о данных Датасет включает в себя информацию о взаимодействии пользователей с контентом в KION [^1], демографическую информация о пользователях и мета-информацию о фильмах. Данные собраны на основе анализа пользователей сервиса в период с 13 марта 2021 года по 22 августа 2022 года. ::: [^1]: KION (КИОН) — российская мультимедийная онлайн-платформа, созданная компанией МТС. Начала работу 20 апреля 2021 года. Kion позволяет смотреть ТВ, сериалы и фильмы на различных устройствах: смартфоне, планшете, компьютере, на Smart TV и ТВ-приставках. ::: {.callout-note} ## Задача Познакомить читателя с данными и сделать выводы о пользователях онлайн-кинотеатра КИОН ::: ## Загрузим библиотеки {.unnumbered} ```{r} #| message: false library(readxl) library(ggplot2) library(nortest) library(corrplot) library(ggpubr) library(magrittr) library(knitr) ``` # Знакомство с данными ```{r} #| message: false #| warning: false #| echo: false df <- read_xlsx("task_data.xlsx") df$user_id %<>% as.character() df$item_id %<>% as.character() df$last_watch_dt %<>% as.Date() df$valid_from_dttm %<>% as.Date() df$for_kids %<>% as.logical() df$kids_flg %<>% as.logical() df$age_rating %<>% as.factor() df$sex %<>% as.factor() # Перезапишем в удобном формате данные о возрасте пользователей df$age[df$age == "age_18_24"] <- "18-24 года" df$age[df$age == "age_25_34"] <- "25-34 года" df$age[df$age == "age_35_44"] <- "35-44 года" df$age[df$age == "age_45_54"] <- "45-54 года" df$age[df$age == "age_55_64"] <- "55-64 года" df$age[df$age == "age_65_inf"] <- "65-inf лет" age_levels <- c("18-24 года", "25-34 года", "35-44 года", "45-54 года", "55-64 года", "65-inf лет") df$age %<>% factor(levels = age_levels, ordered = TRUE) # Перезапишем в удобном формате данные о доходе пользователей df$income[df$income == "income_0_20"] <- "0-20 тыс.руб." df$income[df$income == "income_20_40"] <- "20-40 тыс.руб." df$income[df$income == "income_40_60"] <- "40-60 тыс.руб." df$income[df$income == "income_60_90"] <- "60-90 тыс.руб." df$income[df$income == "income_90_150"] <- "90-150 тыс.руб." df$income[df$income == "income_150_inf"] <- "150-inf тыс.руб." # Порядок рангов в шкале уровней доходов: income_levels <- c("0-20 тыс.руб.", "20-40 тыс.руб.", "40-60 тыс.руб.", "60-90 тыс.руб.", "90-150 тыс.руб.", "150-inf тыс.руб.") df$income %<>% factor(levels = income_levels, ordered = TRUE) ``` | Название | Описание | |---------------------------------|---------------------------------------| | `user_id` | ID пользователя | | `item_id` | ID контента | | `last_watch_dt` | Дата последнего просмотра | | `total_dur` | Общая продолжительность всех просмотров данного контента в секундах | ::: {.callout-note collapse="true"} ## Summary ```{r} #| echo: false kable(summary(df[1:4])) ``` ::: | Название | Описание | |----------------|------------------------------| | `watched_pct` | Процент просмотра | | `content_type` | Тип контента (фильм, сериал) | | `title` | Название на русском | | `title_orig` | Название оригинальное | ::: {.callout-note collapse="true"} ## Summary ```{r} #| echo: false kable(summary(df[, c(5, 7:9)])) ``` ::: | Название | Описание | |----------------|----------------------------------------| | `release_year` | Год выхода в прокат | | `genres` | Жанры из источника (онлайн-кинотеатры) | | `countries` | страны | | `for_kids` | флаг «контент для детей» | ::: {.callout-note collapse="true"} ## Summary ```{r} #| echo: false kable(summary(df[10:13])) ``` ::: | Название | Описание | |--------------|--------------------| | `age_rating` | Возрастной рейтинг | | `studios` | Студии | | `directors` | Директора | | `actors` | Актеры | ::: {.callout-note collapse="true"} ## Summary ```{r} #| echo: false kable(summary(df[14:17])) ``` ::: | Название | Описание | |-------------------|------------------------------------------| | `description` | Описание | | `keywords` | Ключевые слова | | `valid_from_dttm` | Дата, с которой контент доступен на KION | | `rating_kp` | Рейтинг на Кинопоиске | ::: {.callout-note collapse="true"} ## Summary ```{r} #| echo: false kable(summary(df[18:21])) ``` ::: | Название | Описание | |------------|--------------------------------| | `age` | Возрастная группа пользователя | | `income` | Доход пользователя: | | `sex` | Пол пользователя | | `kids_flg` | Флаг «наличие ребенка» | ::: {.callout-note collapse="true"} ## Summary ```{r} #| echo: false kable(summary(df[22:25])) ``` ::: ## В датасете от `Kion` содержатся данные: - по **`{r} format(length(unique(df$user_id)), big.mark = " ", scientific = FALSE)`** уникальным пользователям - по **`{r} format(length(unique(df$item_id)), big.mark = " ", scientific = FALSE)`** уникальным единицам контента (фильмы/сериалы) - по **`{r} format(nrow(df), big.mark = " ", scientific = FALSE)`** уникальным взаимодействиям пользователей с контентом ::: callout-tip ## Заметим, У одного пользователя может быть [несколько]{.mark} взаимодействий с контентом ::: # Работа с ключевыми переменными ```{r} #| echo: false data <- df[c(1, 24, 22, 23, 4, 21)] kable(summary(data[2:6]), caption = "Summary по ключевым переменным") ``` ::: {.callout-caution collapse="true" icon="false"} ## Срежем информацию по уникальным пользователям для их дальнейшего анализа ```{r} data_unique_user <- data[!duplicated(data[1:4]),][1:4] ``` ```{r} #| echo: false kable(head(data_unique_user,7)) ``` ::: # Изучение ключевых переменных ```{r} #| echo: false ggplot(data_unique_user[!is.na(data_unique_user$age), ], aes(x = age)) + geom_bar(fill = "skyblue", color = "black") + theme_bw()+ labs(title = "Распределение возрастов пользователей", x = "Возрастная группа", y = "Количество пользователей")+ theme(plot.title = element_text (hjust = 0.5, face = "bold", size = 16), axis.title.x = element_text(size = 12), axis.title.y = element_text(size = 12)) ``` ::: {.callout-caution icon="false"} ## Распределение возрастов пользователей отлично от нормального ::: ```{r} #| echo: false ggplot(data_unique_user[!is.na(data_unique_user$income),], aes(x = income)) + geom_bar(fill = "lightgreen", color = "black") + theme_bw()+ labs(title = "Распределение доходов пользователей", x = "Доход", y = "Количество пользователей")+ theme(plot.title = element_text (hjust = 0.5, face = "bold", size = 16), axis.title.x = element_text(size = 12), axis.title.y = element_text(size = 12)) ``` ::: {.callout-caution icon="false"} ## Распределение доходов пользователей отлично от нормального ::: ```{r} #| echo: false ggplot(data, aes(y = total_dur)) + geom_boxplot(fill = "lightblue") + theme_bw()+ labs(title = "Boxplot общей продолжительность просмотров контента", y = "Продолжительность просмотра (сек.)")+ theme(plot.title = element_text (hjust = 0.5, face = "bold", size = 16), axis.title.y = element_text(size = 12)) ``` ::: {.callout-important} ## Присутствуют выбросы в данных ::: ::: {.callout-caution collapse="true" icon="false"} ## Найдём границу значений, выше которой Boxplot относит их к выбросам: ```{r} max_total_dur <- 1.5*IQR(data$total_dur, na.rm = TRUE) + quantile(data$total_dur, probs = 0.75) ``` - 1.5 * IQR + Q3 = `{r} format(round(max_total_dur, 0), big.mark = " ", scientific = FALSE)` секунд ::: ```{r} #| echo: false ggplot(data[data$total_dur <= max_total_dur, ], aes(x = total_dur)) + geom_histogram(bins = 50, fill = "blue", alpha = 0.7, color = 'black') + theme_bw()+ labs(title = "Распределение времени просмотров без выбросов", x = "Продолжительность просмотра (сек.)", y = "Количество взаимодействий с контентом")+ theme(plot.title = element_text (hjust = 0.5, face = "bold", size = 16), axis.title.x = element_text(size = 12), axis.title.y = element_text(size = 12)) ``` ::: {.callout-caution icon="false"} ## Распределение общего времени просмотров контента отлично от нормального ::: ```{r} #| echo: false ggplot(data[!is.na(data$rating_kp),], aes(x = rating_kp)) + geom_histogram(binwidth = 0.5, fill = "purple", color = "black") + labs(title = "Распределение оценок рейтинга на Кинопоиске", x = "Рейтинг Кинопоиска", y = "Количество оценок")+ theme_bw()+ theme(plot.title = element_text (hjust = 0.5, face = "bold", size = 16), axis.title.x = element_text(size = 12), axis.title.y = element_text(size = 12)) ``` ::: {.callout-caution collapse="true" icon="false"} ## Используем Тест Андерсона-Дарлинга для проверки нормальности распределения ```{r} #| echo: false ad.test(data$rating_kp) ``` Распределение оценок рейтинга на Кинопоиске отлично от нормального (p-value < alpha = 0.05) ::: # Меры центральной тенденции - Мода (номинальная шкала) гендера: [`{r} names(which.max(table(data$sex)))`]{.mark} - Медианный (ранговая шкала, скошенное распределение) возраст: [`{r} age_levels[median(as.numeric(data$age), na.rm = TRUE)]`]{.mark} - Медианный (ранговая шкала, скошенное распределение) доход: [`{r} income_levels[median(as.numeric(data$income), na.rm = TRUE)]`/месяц]{.mark} - Медианное (есть выбросы в данных) количество минут просмотра контента: [`{r} round(median(data$total_dur)/60)` мин.]{.mark} - Медианная (есть выбросы в данных) оценка контента: [`{r} median(data$rating_kp, na.rm = TRUE)` / 10 балла]{.mark} ::: callout-note ## Типичный пользователь KION Мужчина в возрасте 35-44 лет с ежемесячным доходом в 20-40 тысяч рублей, медианное время потребления контента которого чуть меньше часа (48 мин.), а сам контентен он оценивает на 6.8/10 баллов ::: # Есть ли разница в продолжительности просмотра фильма в зависимости от дохода? ```{r} #| message: false #| echo: false # Срежем данные для проверки гипотез: df_2 <- df[c(4,7,23)] df_2 <- df_2[df_2$total_dur <= max_total_dur & !is.na(df_2$income) & df_2$content_type == "film", c("income", "total_dur")] ``` Н0: Нет разницы в продолжительности просмотра фильма в зависимости от уровня дохода Н1: Есть разница в продолжительности просмотра фильма в зависимости от уровня дохода Проверим допущения: ```{r, echo = F} shapiro.test(df_2$total_dur[df_2$income == "0-20 тыс.руб."]) ``` Допущения неудовлетворены: распределение выборки отлично от нормального (p-value < alpha = 0.05) Поэтому будем использовать непараметрический аналог ANOVA (несколько групп анализируем): ```{r, echo = F} kruskal.test(total_dur ~ income, data = df_2) ``` Принимаем Н0 (p-value > alpha = 0.05), провизуализируем результаты: ```{r, echo = F} ggplot(df_2, aes(x = income, y = total_dur/3600)) + geom_boxplot() + labs(title = "Различия в количестве времени просмотра контента по уровням дохода", x = "Уровень дохода", y = "Время потребления контента (час.)") + theme_minimal() ``` # Связан ли пол пользователя и тип контента, который он просматривает? Т.к. данные категориальные, будем использовать Хи квадрат Пирсона для проверки гипотез: * Н0: Пол пользователя и тип контента, который он просматривает, не связаны * Н1: Пол пользователя и тип контента, который он просматривает, связаны ```{r} df_5 <- df[!is.na(df$sex),][c(24,7)] chisq.test(table(df_5)) ``` **Принимаем Н1 (p-value < alpha = 0.05)** Для понимания связи проанализируем стандартизированные остатки: ```{r, warning = FALSE, echo = F} col <- colorRampPalette(c("#67A9CF", "white", "#EF8A62")) corrplot(chisq.test(table(df_5))$residuals, is.cor=FALSE, col = col(500), cl.ratio=1, tl.col = "black", tl.srt=45, mar = c(0, 0, 2, 0) ) mtext("Корреляция пола и типа контента", side=3, line=2, cex=1.2, font=2) ``` **Вывод: Женщины больше предпочитают сериалы, а мужчины - фильмы** # Отличаются ли предпочтения пользователей в типе просматриваемого контента в зависимости от уровня дохода? Т.к. данные категориальные, будем использовать Хи квадрат Пирсона для проверки гипотез: * Н0: предпочтения пользователей в типе просматриваемого контента и уровень дохода не связаны * Н1: предпочтения пользователей в типе просматриваемого контента и уровень дохода не связаны ```{r, warning = FALSE} df_6 <- df[!is.na(df$income),][c(23,7)] chisq.test(table(df_6)) ``` **Принимаем Н1 (p-value < alpha = 0.05)** Для понимания связи проанализируем стандартизированные остатки: ```{r, warning = FALSE, echo = F} corrplot(chisq.test(table(df_6))$residuals, is.cor=FALSE, col = col(500), tl.col = "black", cl.ratio=1, tl.srt=45, mar = c(0, 0, 2, 0) ) mtext("Корреляция дохода и типа", side=3, line=2, cex=1.2, font=2) ``` **Вывод: Пользователи с доходами до 20 тысяч рублей предпочитают сериалы, а не фильмы** # Выводы ::: {.callout-note collapse="true"} ## 1. Портрет типичного пользователя Мужчина в возрасте 35-44 лет с ежемесячным доходом в 20-40 тысяч рублей, медианное время потребления контента которого чуть меньше часа (48 мин.), а сам контентен он оценивает на 6.8/10 баллов ::: ::: {.callout-note collapse="true"} ## 2. Различия в потреблении контента - Женщины чаще выбирают сериалы, а мужчины — фильмы. - Пользователи с доходом до 20 тыс. рублей также предпочитают сериалы, тогда как остальные группы не демонстрируют значимых предпочтений. - Уровень дохода не влияет на продолжительность просмотра фильмов. ::: ::: {.callout-note collapse="true"} ## 3. Рекомендации для KION - Учитывать гендерные предпочтения при формировании рекомендаций: предлагать женщинам больше сериалов, а мужчинам — фильмов. - Для аудитории с низким доходом (<20 тыс. рублей) акцентировать внимание на сериальный контент ::: ::: callout-tip ## Итог Анализ выявил ключевые закономерности в поведении пользователей KION, которые могут быть использованы для персонализации контента и улучшения пользовательского опыта. :::

1 Введение

Загрузим библиотеки

2 Знакомство с данными

2.1 В датасете от Kion содержатся данные:

3 Работа с ключевыми переменными

4 Изучение ключевых переменных

5 Меры центральной тенденции

6 Есть ли разница в продолжительности просмотра фильма в зависимости от дохода?

7 Связан ли пол пользователя и тип контента, который он просматривает?

8 Отличаются ли предпочтения пользователей в типе просматриваемого контента в зависимости от уровня дохода?

9 Выводы

Сноски

2.1 В датасете от `Kion` содержатся данные: