python给用户打标签_用Python实现RFM模型——互联网产品用户分层必备技巧

1.前言

RFM模型即"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)。这三个指标可以将我们的用户划分成不同的等级和层次，目的是为了衡量他们的用户价值，从而能够更准确地将成本和精力花在更精确的用户层次身上。一个典型的例子就是针对一个明显无意愿的流失用户，对其继续push自己的核心产品，费时费力也费钱。

2.如何用Python建立RFM模型

RFM模型，虽然字眼中带着“模型”二字，但实际它根本不需要任何的算法支撑，和数据建模中的逻辑回归，聚类分析等是完全不同的概念。因而实现RFM的工具和方法有很多：SQL, Excel, R等等都能够做到，当然Python也不例外，RFM模型的核心就是将三个指标进行标签化，然后根据实际场景业务需求进行分层即可。下面的文章我就通过一个简单的例子来通过代码实现RFM模型的建立。

2.1数据导入

链接：https://pan.baidu.com/s/1YbZrdsg2dOoe_5lylTwhQw

提取码：nf2f

数据是某电商的一款SKU于2018年的销售表单，字段本身只有4个，但是足够建立RFM模型了。

import os

import numpy as np

import pandas as pd

import seaborn as sns

import matplotlib.pyplot as plt

%matplotlib inline

plt.rcParams['font.serif'] = ['SimHei']

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.rcParams['axes.unicode_minus']=False

sns.set_style('ticks', {'font.sans-serif':['simhei','Droid Sans Fallback']})

2.2 数据清洗

df = pd.read_csv('sale.csv')

df.drop_duplicates(subset=['ORDERID'],keep='first',inplace=True)

df.dtypes

dtypes.png

可以看到我们各个字段的数据类型，注意到其中的ORDERDATE是字符串类型，而不是时间Datetime类型，这个需要在后面进行转换。其它字段都正常。

df[df.isna().values == True]

df = df.dropna(how=&