使用Python聚类算法，实现RFM客户分群，进行精准营销！

最新推荐文章于 2023-11-12 02:01:53 发布

趣谈数据分析

最新推荐文章于 2023-11-12 02:01:53 发布

阅读量3k

点赞数

分类专栏：机器学习 python练习

本文链接：https://blog.csdn.net/qq_21795835/article/details/89228871

版权

本文介绍了如何运用Python中的聚类算法，结合RFM模型（Recency, Frequency, Monetary）对客户数据进行分析，实现客户分群。通过这种方式，企业可以识别出不同价值的客户群体，从而制定更精准的营销策略，提高客户留存和转化率。" 102274466,8836759,使用JavaScript控制HTML5 Video播放,"['javascript', '前端开发', 'HTML5', 'video标签']

摘要由CSDN通过智能技术生成

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

df = pd.read_csv(r'D:\project\RFM\rfm\kate_rfm.csv', encoding='gbk')
column_list = list(df.columns)
column_list.remove('buyer_nick')
# 归一化
def standardization(x,Max,Min):
    x = (x-Min)/(Max-Min)
    return x
for column in column_list:
    column_x = column + '_x'
    max_x = np.max(df[column])
    min_x = np.min(df[column])
    df[column_x] = df[column].apply(standardization,Max=max_x, Min=min_x)
    print(column + ' is ok ')


SSE = []
for i in range(1,10):
    estimator = KMeans(n_clusters=i)
    estimator.fit(df[['recency_x', 'frequency_x', 'monetary_x']])
    SSE.append(estimator.inertia_)
X = range(1,10)
plt.xlabel('k')
plt.ylabel('SSE')
plt.plot(X, SSE, 'o-')
plt.show()

model = KMeans(n_clusters=4, max_i