RFM用户分层之Python实践

文章目录

 

前言

一、RFM模型是什么?

二、使用步骤

1、RFM模型读数据及预处理

2、划分用户类别及制定业务决策

总结


前言

 

    RFM模型是一种经典的用户分层方法,多用于传统营销、零售业等领域,适用于拥有多种消费品或快速消费品的行业。本文采用Python实现RFM分层方法,并对用户分层结果做统计分析得出结论。


 

一、RFM模型是什么?

  1. 三个要素,分别是:Recency(最近一次交易距今时间)、Frequency(交易频率)、Monetary(交易金额)

    1. R值(最近一次交易距今时间)用户最近一次交易距今的时间。间隔时间越短,则值越大,这类客户也是最有可能对活动产生反应的群体
    2. F值(交易频率)用户在限定的时间内所购买的次数。最常购买的顾客,也是满意度、忠诚度最高的顾客
    3. M值(交易金额)用户的交易金额,可以分为累计交易金额和平均每次交易金额,根据不同的目的取不同的数据源进行建模分析
  2. 用户类别,四类重要客户、四类一般客户

    根据客户活跃程度和交易金额的贡献,对客户价值细分8类用户:
  3. 用户分层方法:

    1. 第一种分层方法: 样本数据均匀分布,可用均值划分价值高低,误差比较小
    2. R值、F值、M值分别计算出均值,然后根据用户的数据就可以填入相应的客户类型。“↑”表示大于均值,“↓”表示小于均值。如下图:
  4. 模型结果及运营策略

    RFM细分结果:

二、使用步骤

1、RFM模型读数据及预处理

即"R"——Recency(最近一次消费时间)、"F"——Frequency(一段时间内消费频次)、"M"——(一段时间内消费总额)

取业务线2020年7月用户交易数据,选取r:最近一次交易时间与

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值