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: