基于产品的RFM模型分析

系列文章目录

基于python的RFM模型分析

---

---

前言

RFM模型是评价用户分层的一个非常有价值的模型，主要是通过评分的方式量化用户R/F/M三个行为层面上的数据，在日常工作中，RFM模型还经常与AARRR模型一起使用以对用户进行分类，以寻找我们运营中核心关注的用户，以花更多的精力去维护这些核心用户群体。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、RFM是什么？

关于RFM是什么，这里用一个脑图简单的阐述一下，特别注意一点是规定周期下，这个周期可以基于我们的业务常识或者基于程序去定义，在我看来这个周期可以是个变量，如果后期进行机器学习，我们可以回测这个变量值以判定周期的跨度为多少更为合适。

注意:基于第一性原理原则，这里的数据清洗将不再阐述，呈现的数据将是数据清洗过后的数据，目标是快速掌握RFM的具体含义。

二、分析步骤

1.引入库

代码如下（示例）：

import datetime as dt
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np 
import pandas as pd

2.读入数据

代码如下（示例）：

df =pd.read_csv('./Online Retail.csv')
print(df .head(3))

数据结构：这里用excel呈现可视化效果更好

计算表的Monery值，以及其时间跨度（方便计算R值）

#创建新的列，用来存储每个用户的Monetary Value
df['TotalSum'] = df['UnitPrice']* df['Quantity']

#查看整个