特征加工方法之RFM

RFM模型是指根据最近购买时间（Recency）、购买频率（Frequency）和购买金额（Monetary）等指标对顾客进行分类的一种营销分析模型。在pyspark中，我们可以使用DataFrame进行数据处理和分析。

以下是一个简单的RFM模型示例，假设我们有一个顾客购买记录的DataFrame，结构如下：

+--------+----------+-------+--------+
|   Date | Customer |Amount | Product|
+--------+----------+-------+--------+
|2021-01-01|     A     | 100   |   X     |
|2021-01-05|     B     | 50    |   Y     |
|2021-01-08|     A     | 80    |   Z     |
|2021-01-10|     C     | 150   |   X     |
|2021-01-15|     B     | 120   |   Z     |
|2021-02-01|     A     | 200   |   Y     |
|2021-02-05|     C     | 90    |   X     |
|2021-02-10|     B     | 70    |   Y     |
|2021-02-12|     A     | 50    |   Z     |
|2021-02-15|     A     | 120   |   X     |
+--------+----------+-------+--------+

我们可以根据顾客的购买行为计算出他们的RFM三个指标作为特征，具体代码如下：

import pyspark.sql.functions as F

# 计算每个顾客的Recency指标
recency_df = df.groupBy("Customer").agg(
    F.max("Date").alias("last_date"),
    F.datediff(F.current_date(), F.max("Date")).alias("recency")
)

# 计算每个顾客的Frequency指标
frequency_df = df.groupBy("Customer").agg(
    F.countDistinct("Date").alias("frequency")
)

# 计算每个顾客的Monetary指标
monetary_df = df.groupBy("Customer").agg(
    F.sum("Amount").alias("monetary")
)

# 将三个指标合并到一张表中
rfm_df = recency_df.join(frequency_df, "Customer").join(monetary_df, "Customer")

rfm_df.show()

# 输出结果
+--------+----------+-------+--------+
|Customer| last_date|recency|frequency|monetary|
+--------+----------+-------+---------+-------+
|       A|2021-02-15|     11|        4|    550|
|       B|2021-02-10|     16|        3|    240|
|       C|2021-02-05|     21|        2|    240|
+--------+----------+-------+---------+-------+

通过计算每个顾客的Recency、Frequency和Monetary指标，我们将顾客分为了三个群体，并可以根据不同的RFM群体制定营销策略，例如：

• RFM群体为"111"：最近购买、购买频率和购买金额都很高的顾客，应该推送高价值商品或优惠券等奖励。

• RFM群体为"311"：最近购买虽然不太新，但购买频率和金额都很高的顾客，应该推送商品组合或打包促销等奖励。

• RFM群体为"333"：最近购买较旧且购买频率和金额都不高的顾客，需要加强促销、提供个性化推荐等手段来留住这部分客户。