RFM分析模型（Python篇）

RFM分析模型广泛应用于识别优质客户，依据RFM模型分析结果可以定制个性化的沟通和服务方案，并为营销决策提供有力支持。

RFM分析模型属于探索性分析方法中的一种，即从海量数据中，依据R、F、M三个指标，获取高价值用户信息。

R：Recency——用户最近一次交易时间的间隔。

F：Frequency——客户最近一段时间内的交易次数。

M：Monetary——客户最近一段时间内的交易金额。

那么引出如下两个问题：

（1）显而易见，R指标在计算时候需要一些反向处理，因为F与M都是越大越好，R是越小越好。

（2）三个指标在各自维度上仅有高与低两个分类，因此组合出8种情况，也是八种价值类型的客户。

 

下面我们带着上面两个问题仅使用Python的numpy和pandas两个包进行RFM分析模型的编写：

 

1.场景与需求

如下图为近期的交易数据，订单ID为唯一标示，其余三列为客户ID，交易日期，交易金额；据此进行RFM分析模型的开发：

2.Python代码实现：