rfm模型python_数据分析实战——用RFM模型分析客户价值

数据分析实战——用RFM模型分析客户价值

阿雷边学边教python数据分析第4期——数据可视化

一、介绍什么是RFM模型和作用

1.什么是RFM模型

RFM模型是衡量客户价值的一种工具，该模型通过客户的RFM三项指标来描述该客户的价值状况，依据这三项指标划分8类客户。

8种客户分类：

2.RFM模型有什么用

通过RFM对客户价值分类，可以实现精准化营销，针对不同的客户群体，采取不同的策略

二、如何用python实现的思路和任务模块数据源需要4个字段：客户名称/ID，交易日期，成交量，成交金额

所以如果你有这样的数据，那么可以跟着来练习下RFM模型，或者用我提供的数据源来练习下。

实现思路和任务模块：

(1)计算出R

即已知交易日期，去计算出每个客户最近一次交易距离至今有多少天

(2)通过R给客户打分

根据客户最近一次交易距离至今的天数按照不同区间给出不同的分数

(3)计算出F

计算出每个客户的累计成交量

(4)通过F给客户打分

根据客户累计成交量按照不同区间给出不同的分数

(5)计算出M

计算出每个客户的累计成交额

(6)通过M给客户打分

根据客户累计成交额按照不同区间给出不同的分数

(7)计算RFM每一项的平均值

这么做是为了通过RFM每一项的平均值去判断客户在每一项上是高于平均值还是低于平均值，例如重要价值客户，就必须是RFM的三项都高于平均值才能被判断为重要价值客户。

(8)判断客户的每一项得分是否高于平均分

如果客户的某一项数值高于平均值，则返回1，否则返回0。也就是说1表示客户的某一项数值高于平均值，0表示客户的某一项数值低于平均值。1当做+，0当做-

(9)通过客户的比较结果对客户分类

比如三项都是111，则对于这个客户我们会判定为重要价值客户，依此类推。

(10)用图表呈现结果，并得出结论与建议

三、实战操作

在jupyter notebook上演示