今天用Python做了一个RFM模型分析,数据来源是Kaggle上的一个专门用于RFM模型学习的数据集,数据链接我会在文章附上。
日常呼唤一下,喜欢点赞呀
正文开始:
模型介绍:RFM模型根据客户活跃程度和交易金额的贡献,进行客户价值细分的一种方法。R(Recency)——最近一次交易时间间隔。基于最近一次交易日期计算的得分,距离当前日期越近,得分越高。如5分制。反映客户交易活跃度。
F(Frequency)——客户在最近一段时间内交易次数。基于交易频率计算的得分,交易频率越高,得分越高。如5分制。反映客户交易活跃度。
M(Monetray)——客户最近一段时间内交易金额。基于交易金额计算的得分,交易金额越高,得分越高。如5分制。反映客户价值。
数据:
在开始数据分析之前,先把用excel的查找空值功能,查找空值,进行数据预处理
做好知识准备+数据准备,开始数据分析!!!!
把要用的库都先引用上
import os
import numpy as np
import pandas as pd
import seaborn as sns
import datetime as dt
import matplotlib.pyplot as plt
输出数据前5条展示一下:
df = pd.read_csv('Retail_Data_Transactions.csv')
df.head()