聚类与RFM模型 —— 从5月的一道腾讯数据分析面试题说起

2020年5月份的时候曾经投过腾讯的数据分析实习，中午投的简历，午觉睡醒就被call，没有HR通知，南山必胜客直接就来技术面。当时准备的还不够充分，半小时后就感谢充值了，不过里面有一道题倒是想在今天拿来说一说，也和我的近期实习相关联。

问题由腾讯面试官所在组的业务问题引入，具体的内容记不清了，但主要问的是RFM模型和聚类的融合。抽象表达一下就是：某个业务场景，简化为RFM模型，基于RFM模型的指标结构，做聚类，完成用户分群。

先简要介绍一下RFM模型吧。RFM模型是由美国数据库营销研究所的Arthur Hughes提出的基于网店客户消费行为数据的一种客户细分方法，即将最近一次消费（Regency），消费频率（Frequency）和消费金额（Monetary）作为重要的指标来分析和细分客户：

（1）最近一次消费（Regency）：是指在客户多次消费中，距离上一次消费的时间。理论上客户距离上一次消费的时间越近越好，营销者可以由此衡量出消费者的忠诚度；

（2）消费频率（Frequency）：是指消费者在某一段时间内的购买次数。根据此指标，最常购买的客户，忠诚度就最高；

（3）消费金额（Monetary）：是指在客户在一定时间内购买产品的总金额。在一段时间内客户的购买金额总和越高，表明该客户为企业创造的价值就越大。

简单来看，只要把指标抽象成类似上述的R、F和M三个&#x