RFM模型

1.基础知识

 1)数据的读取和写入（DataFrame对象）
  pd.read_excel(io,sheet_name)函数; io是Excel文件路径或文件对象. sheet_name是Excel文件工作表名称
  pd.to_excel(excel_writer,sheet_name,index=’ ')函数. excel_writer是Excel文件路径或者文件对象，sheet_name是Excel文件工作表名称，index是决定是否加入行索引，默认为True,写入行索引。
 2）数据的类型转换
  s/df.astype(dtype),参数表示要转换成为的数据类型。 eg:data[‘英语’].astype(int)
 3）数据批量转换
 s/df.replace(to_replace):参数可以为字典。可对所有列指定数据批量替换；可对指定列指定数据批量替换。 eg:dict={‘难’（查找）:‘男’（替换）,‘蓝球’:‘篮球’}

2.RFM模型(客户关系管理)

 1）含义
 R：最近一次消费（Recency）
  R值越小，用户活跃度越大
 F：消费频率（Frequency），代表兴趣度大
 F值越大，用户忠诚度越大
 M：消费金额（Monetary）
 M值越大，用户购买力越大
 这三项数据成为了衡量客户价值和客户创利能力的重要工具和手段。
 2）RFM模型使用步骤
  计算R 、F、 M的值。
  根据R、F、M的阈值，对用户进行分类。
模型构建过程中的注意事项：
 不一定有完整的RFM数据，需要自行处理计算
 选择计算平均数来获取阈值的方式，容易受极值影响，可选择计算中位数，，容易受数据分布密集程度的影响，可选择分区域评分，再计算平均值。
 布尔值有乘法运算，与1乘得1（True），与1乘得0（False）
 df.map()方法将df.[‘列1’]这一列得每个数据作为x传入到map_judge函数中，def map_judge(x):,之后再对每一个数据进行判断，替换。
用户分类规则表

用户分类	R值价值	F值价值	M值价值
重要价值用户	高	高	高
重要发展用户	高	低	高
重要保持用户	低	高	高
重要挽留用户	低	低	高
一般价值用户	高	高	低
一般发展用户	高	低	低
一般保持用户	低	高	低
一般挽留用户	低	低	低

拓展：AARRR模型
 A:Acquistion(获取用户)
 A:Activation(激活用户)
 R:Retention(提高留存)
 R:Revenue(增加收入)
 R:Referral(推荐)