数据分析项目 基于RFM的用户精细化管理（3）---创建评分卡、计算客户的RFM得分

最新推荐文章于 2024-05-02 13:23:17 发布
最新推荐文章于 2024-05-02 13:23:17 发布
阅读量665 收藏 1
点赞数 1
分类专栏： 数据分析项目 文章标签： 数据分析 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43709590/article/details/115405454
版权
该博客介绍了如何使用K-Means聚类算法建立评分卡，并计算客户R（Recency，最近一次交易间隔天数）、F（Frequency，交易频率）、M（Monetary，交易金额）得分。通过在数据中新增R、F、M得分列，根据预设阈值应用IF函数为每个客户打分，评分越高代表相应指标越好。这种方法有助于客户价值分析和细分。
摘要由CSDN通过智能技术生成

一、建立评分卡

根据上一节K-Means得到的阈值，可以建立一个评分卡
如下图
在这里插入图片描述

二、计算R、F、M得分

在原来数据之中加入三列
分别记为R得分、F得分、M得分
在R得分列输入：
=IF(B:B>807,1,IF(B:B>498,2,IF(B:B>245,3,IF(B:B>58,4,5))))
在这里插入图片描述
选中R：最近一次交易间隔天数，根据阈值判断它得了多少分，
R越小，分数越高
F和M同理，但这两个值是越大分数越高
在F得分列输入：
=IF(C:C<3,1,IF(C:C<10,2,IF(C:C<21,3,IF(C:C<38,4,5))))
在这里插入图片描述
在M得分列输入：
=IF(D:D<25338,1,IF(D:D<88476,2,IF(D:D<189032,3,IF(D:D<355157,4,5))))
在这里插入图片描述
这样便可以得到所有客户的R、F、M得分

数据文件链接

Deep,dark,fantasy
关注
专栏目录
案例（一） 利用RFM模型做用户价值分析
weixin_42438712的博客
01-19 5322
同步更新在个人网站：http://www.wangpengcufe.com/machinelearning/python-python1/ 一、案例背景 在产品迭代过程中，通常需要根据用户的属性进行归类，也就是通过分析数据，对用户进行归类，以便于在推送及转化过程中获得更大的收益。 本案例是基于某互联网公司的实际用户购票数据为研究对象，对用户购票的时间，购买的金额进行了采集，每个用户用手机号来区别...
RFM分析-用户价值细分的精准运营方法
data_cola的博客
08-19 1106
对用户群体进行价值细分，哪些是重要用户，哪些是要重点挽留的用户，对不同价值区的用户制定不同的营销方案，从而进行精准运营，这是进行RFM分析的意义。今天来聊一聊用Excel进行RFM分析的方...
数据分析--客户价值分析RFM（分箱法/标准化）
最新发布
u014694915的博客
05-02 1239
创建视图存储。
RFM
qq_22667507的博客
03-24 146
rfm的小技巧： #对指标进行分组并打分 R_score = pd.cut(R_value,R_bins,labels = [5,4,3,2,1],right = False) F_score = pd.cut(F_value,F_bins,labels = [1,2,3,4,5],right = False) M_score = pd.cut(M_value,M_bins,labels = [1,2,3,4,5],right = False) #给不同等级的客户打标签 rfm[‘R’] = np.wher
客户价值模型：RFM
chbxw
04-30 1万+
1.1、RFM 模型引入 比如电商网站要做一次营销活动，需要针对不同价值的客户群体进行分群，对于 高价值的用户推荐手表、珠宝等高端商品，对于低价值用户推荐打折促销的廉价商品 ，当然还有以下这些问题都是需要考虑的： 1、谁是最佳客户？ 2、谁即将要成为流失客户？ 3、谁将有潜力成为有价值的客户 4、哪些客户能够留存？ 5、哪些客户会对目前的活动有所反应？ 那么最终的问题是如何对客户进行分群，即如何建立客户的价值模型呢？ 在传统企业和电商众多的客户细分模型中， RFM模型 是被广泛提到和使用的。 RFM模.
电商客户价值细分 - RFM 模型（中）
mez_Blog的博客
03-05 3959
4.1 RFM 模型的概念 RFM 模型是一个传统的数据分析模型，沿用至今约 60 年。 1961 年，乔治·卡利南在顾客的资料库中指出，最近一次消费、消费频率、消费金额三项数据可以较为客观地描绘顾客的轮廓。 企业针对近期有消费的“新客”、消费频率高的“常客”、消费金额高的“贵客”进行精准营销和广告投放，确实收到了意料之外的惊喜。 因此，这三项数据成为了衡量客户价值和客户创利能力的重要工具和手段。也是 RFM 模型的三个重要指标： 1）R（Recency）：最近一次消费时间间隔
数据分析项目 基于RFM的用户精细化管理（2）---- 使用K-Means聚类算法确定评分卡阈值
qq_43709590的博客
04-02 2169
一、K-means聚类算法的步骤 1.选择聚类的个数K 2.随机抽取K个点作为初始化的中心点 3.对于数据集中的每一点，计算它与中心点的欧氏距离，可以找到一个最短距离，从而确定这个点是属于哪一类 4.计算新的中心点，用第三步的分配结果，重新计算分配好的每一个类中的中心点 5.循环，重新分配所有的点，若重新分配的结果与之前相同，那么就说明已经找到了最佳的K-Means分配结果，若不同，重新进入第4步，循环 二、K-Means初始中心点的陷阱 若初始中心点恰巧选择了某些局部最小值，那么这些类会在一开始就固定不变
数据分析之客户价值模型(RFM)技术总结
shujufenxianli的博客
02-12 4157
管理学中有一个重要概念那就是客户关系管理(CRM)，它核心目的就是为了提高企业的核心竞争力，通过提高企业与客户间的交互，优化客户管理方式，从而实现吸引新客户、保留老客户以及将已有客户转化为忠实客户的运营机制。
05会员RFM分析共1页.pdf.zip
11-20
RFM分析是营销领域中一种常用的数据分析方法，主要用于客户...综上所述，RFM分析是企业进行客户关系管理和精细化营销的重要工具，通过深入理解客户行为，企业能够有效提高客户满意度，增加客户忠诚度，并提升整体业绩。
数据分析之实战项目——电商用户行为分析
热门推荐
天阑之蓝的博客
06-07 3万+
电商用户行为分析 分析背景和目的 随着互联网和电商的发展，人们习惯于网上购物。在国内，电商平台深受欢迎，每年的双11，双12活动，大量的用户在淘宝平台浏览商品，或收藏或加入购物车或直接购买。通过对用户的行为分析，探索用户购买的规律，了解商品的受欢迎程度，结合店铺的营销策略，实现更加精细和精准的运营，让业务获得更好的增长。
用户行为评分卡
08-02
对用户行为进行评分，包含训练数据、测试数据和相应的代码
数据分析实战项目：SQL分析淘宝用户行为
joe_lee1的博客
04-28 1万+
文章目录一、项目背景及目的1.1 项目背景1.2 项目目的1.3 数据集来源与介绍二、数据导入2.1 图形界面工具导入2.2 以系统命令行导入三、数据清洗3.1 删除重复值3.2 查看缺失值3.3 时间格式转换3.4 过滤异常值四、数据分析4.1 基于用户行为转化漏斗模型分析用户行为4.1.1 常见电商指标分析4.1.1.1 UV、PV、UV/PV4.1.1.2 复购率4.1.1.3 跳失率4.1...
基于五等均分法和Bob Stone法衡量RFM顾客价值
m0_64336780的博客
11-16 5145
最近学习了衡量RFM模型的两种顾客价值的方法，即五等均分法和Bob Stone法。仅以此博客记录我的学习过程，后序学习到了其他方法再来补充。关于RFM实战案例可参考我的其他文章大数据分析案例-基于RFM模型对电商客户价值分析大数据分析案例-用RFM模型对客户价值分析(聚类)目录数据集介绍 五等均分法1.给分机制的设计2.Python代码实现 Bob Stone法1.给分机制的设计 2.Python代码实现两种方法的比较本次实验用的数据的主要是2011-2012年100位客户的信用卡消费记录，数据共有三个字段
【商业数据分析】—— 用户价值RFM模型详解（小仙女搬运工）
qq_33275912的博客
03-10 7176
文章目录为什么要做RFM模型分析 (Why)什么是RFM模型 (What)RFM 作用RFM模型是如何实现用户客户细分的 (How)RFM 例子 (Example)RFM 评分RFM 分析 (Analysis)总结 (Conclusion) 为什么要做RFM模型分析 (Why) 一个聪明的营销者懂得“了解你的客户”的重要性。营销人员不能仅关注于产生更多的点击量，他们必须遵循从增加点击率到保持、忠...
29、RFM客户价值分析（有图有案例）
UP Lee博客
12-04 9698
RFM分析：是根据用户活跃程度和交易金额贡献，进行客户价值细分的一种方法 一、分析指标 指标 解释 意义 R(Recency)近度 客户最近一次交易时间的间隔  R越小，表示客户越近有交易发生 F（Frequency）频度 客户最近一段时间内交易的次数 F越大，表示交易越频繁 M（Monetary）额度 客户最近一段时间内交易的金额 ...
【用户价值分析 RFM模型】用户价值分析
赖德发的博客
06-11 8844
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM分析模型主要由三个指标组成，下面对这三个指标的定义和作用做下简单解释： 1、最近一次消费(Recency) 最近一次消费意指用户上一次购买的时间，理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。因为最近一次消费指标定义的是一个时间段，并且与当前时间相关，因此是一直在变动的。最近一次消费...
10分钟，快速搞懂RFM用户分析模型
数据之路
12-17 8548
月月针对全量用户上线活动，运营、设计、产品、研发全情投入，好努力却无从追溯效果？预算有限、想策划高ROI方案？ 在寻求以上问题的解决办法中，RFM用户价值分层模型一定会上榜，因为它是常见的精细化运营方法论。 RFM客户价值模型是一种有着几十年发展和应用的业务分析模型。通过一个客户的近期购买行为（R）、购买的总体频率(F)以及消费总金额(M)三项指标来描述该客户的价值状况，依据这三项指标划分为6...
深入解读RFM模型-实战应用干货
weixin_41556724的博客
10-12 4059
今天想先谈谈传统企业和电商谈的较多的RFM模型，在众多的客户细分模型中，RFM模型是被广泛提到和使用的。 一、RFM模型概述 RFM模型是网点衡量当前用户价值和客户潜在价值的重要工具和手段。RFM是Rencency（最近一次消费），Frequency（消费频率）、Monetary（消费金额），三个指标首字母组合，如图所示： RFM模型 R值：最近一次消费（Rec...
RFM分析方法
Amy的博客
04-16 2734
RFM分析方法RFM分析方法RFM指标介绍RFM指标作用如何使用RFM分析方法如何精细化运营如何给R、F、M打分-采用数据分组确定分组的范围和标准利用VLOOKUP匹配函数函数 RFM分析方法 RFM指标介绍 R:最近一次消费时间间隔（Recency） R越小用户价值越高 F:消费频率（Frequency） F越大用户价值越高 M:消费金额（Montary） M越大用户价值越高 RFM指标作用 根据RFM指标可以将用户分成8类： 用户分类规则如下： 如何使用RFM分析方
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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