使用聚类算法制作 RFM 模型 以投资用户为例

这篇文章主要是记录下，我工作中用到的算法与模型的组合。
算是一种分析思路吧，顺便谈一下不足之处。

首先RFM模型大多数情况是用在高频消费场景，主要分析用户的最近购买时间，购买次数，以及购买金额。依据这三个指标可以对用户进行划分。例如零售业，顾客群体比较稳定，且客户的购买行为及频次相对固定，一个客户从前一礼拜购买数三次。如今只来一次，那么数据本身的反应就会很快。
但是在投资行业，本身投资周期分为长、中、短，分别对应了1年以内，1-5年，5年以上，用户的投资频率较低，投资金额较大，且最近投资时长可能在一个产品周期内只有一次。

因此本模型的适配性并不高，但是刨除长周期用户，仅仅分析短周期的投资订单，将时间维度拉长到年，获取一年内的用户投资RFM还是可以的。

有了数据以后，首先对数据进行清洗，刨除

import pandas as pd 
import numpy as np
from sklearn.cluster import KMeans,DBSCAN,Ag