一、理论基础
(1)RFM模型
R:Recency 最近一次购买–付款日期-按照买家昵称 groupby 取付款日期的信息
F:Frequency 购买频次-付款日期-按照买家昵称 groupby 取付款曰期次数
M:Monetary 购买金额-实付金额-按照买家昵称 groupby 取实付金额的求和
R | F | M | 标签 |
---|---|---|---|
↑ | ↑ | ↑ | 重要价值客户 |
↓ | ↑ | ↑ | 重要保持客户 |
↑ | ↓ | ↑ | 重要发展客户 |
↓ | ↓ | ↑ | 重要挽留客户 |
↑ | ↑ | ↓ | 一般价值客户 |
↓ | ↑ | ↓ | 一般保持客户 |
↑ | ↓ | ↓ | 一般发展客户 |
↓ | ↓ | ↓ | 一般挽留客户 |
(2)问题:客户往往是聚集程度比较高的(从可视化角度),不会均质的分布在8个维度里。
(3)背景:业务方/需求方可能需要我们对应的对客户进行分群,以对应他们准备的3种不同的礼包/优惠券/套餐/推荐,我们作为数据分析师,需要根据客户的一些特征进行分群。
(4)算法思路:
-
分类:事先需要准备训练数据集,将训练数据集只保留特征,并提报给业务/需求方由较为有经验的资深员工,进行标签标注。划定哪些客户为第一类,哪些第二类,哪些第三类。标注结束后,用以训练模型并且预测其他客户的分类。
-
聚类:使用R/F/M三个特征进行kmeans建模,直接给定k值为3,完成三种不同客户类群的直接划分。
二、导入数据并查看
(1)总览信息查看
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_excel('data/电商用户价值挖掘.xlsx')
data.head()
data.info()
data.isnull().mean()
城市有空值,但不影响RFM模型。
(2)分别查看各有用字段
① 查看数据的时间周期
# 最早的时间为min
data['付款日期'].min() # Timestamp('2019-01-01 00:17:59')
# 最晚的时间为max
data['付款日期'].max() # Timestamp('2019-06-30 22:46:22.511000')
② 查看订单状态
data['订单状态'].value_counts()
"""
交易成功 27793
付款以后用户退款成功,交易自动关闭 1040
Name: 订单状态, dtype: int64
"""
(3)进行一些简单的预处理
① 扣除退款数据
data = data[data['订单状态'] == '交易成功']
② 去重
# drop_duplicate(subset=[])
# duplicated
data.drop_duplicates(inplace=True)
三、构建RFM模型
3.1 获取RFM数据
(1)添加距窗口日期结束天数列
# 构造R值
data['R_'] = (end_date - data['付款日期']).dt.days
(2)求出RFM
# 只取需要的列
users_df = data[['买家昵称', 'R_', '付款日期', '实付金额']].copy()
# groupby一次性求出RFM
rfm_df = users_df.groupby('买家昵称').agg({'R_':'min', '付款日期':'count', '实付金额':'sum'})
# 改名
rfm_df.columns = ['R', 'F', 'M']
# 查看
rfm_df.head()
(3)数据处理
① 观察描述性统计信息
rfm_df.describe([0.01, 0.99]).T
② F大于3的都归为4
rfm_df['F'][rfm_df['F']>3] = 4
③ M大于500的都归为500
rfm_df['M'][rfm_df['M']>500] = 500
3.2 建立统计学的RFM模型
(1)制作阈值,打上标签
# 制作阈值
R_threshold = rfm_df['R'].median()
rfm_df.loc[:,'R_SCORE'] = rfm_df['R'].map(lambda x: x > R_threshold)
F_threshold = rfm_df['F'].median()
rfm_df.loc[:,'F_SCORE'] = rfm_df['F'].map(lambda x: x > F_threshold)
M_threshold = rfm_df['M'].median()
rfm_df.loc[:,'M_SCORE'] = rfm_df['M'].map(lambda x: x > M_threshold)
(2)3种标签汇总
# 汇总的标签
rfm_df['SCORE'] = rfm_df['R_SCORE'] * 100 + rfm_df['F_SCORE'] * 10 + rfm_df['M_SCORE'] * 1
(3)映射成文字标签
# 基于最后score进行映射,完成对应的代码和对应的分类
user_cate_dict = {
1: '重要挽留客户',
111: '重要价值客户',
11: '重要保持客户',
101: '重要发展客户',
0: '一般挽留客户',
110: '一般价值客户',
10: '一般保持客户',
100: '一般发展客户'
}
rfm_df['user_cate'] = rfm_df['SCORE'].map(user_cate_dict)
(4)画饼图
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
plt.figure(figsize=(12,8))
plt.pie(rfm_df['user_cate'].value_counts(),labels=rfm_df['user_cate'].value_counts().index,autopct='%.1f%%')
plt.show()
3.3 KMeans聚类分群
(1)数据预处理
# 数据预处理 标准化
from sklearn.preprocessing import StandardScaler
# 标准化 实例化 - 转化
ss = StandardScaler()
rfm = ss.fit_transform(rfm_df[['R', 'F', 'M']])
# 重新创建DataFrame对象
rfm = pd.DataFrame(data=rfm, columns=['R', 'F', 'M'])
(2)建模分群并评分
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_samples, silhouette_score
# 使用KMeans进行建模
kmeans = KMeans(n_clusters=4)
# kmeans也可以先fit 再transform
kmeans.fit(rfm)
# 相当于predict
labels = kmeans.labels_
# 使用轮廓系数查看总体评分
silhouette_score(rfm, labels)
# 如何去找一个聚类的代表(聚类中心)
centers = kmeans.cluster_centers_
(3)画饼图
# 画图
plt.figure(figsize=(12,8))
plt.pie(pd.Series(labels).value_counts(),labels=pd.Series(labels).value_counts().index,autopct='%.1f%%')
plt.show()