基于RFM模型与kmeans聚类的用户细分

前面主要是关于客户风险的分析，本文换一个角度，对客户价值做一点研究。

用户与商品（or服务）是企业最重要的资产，当用户数量增长到一个比较庞大的规模，如何有效地管理是需要关注的问题，而用户细分、差异化运营正是是一个可考虑的方向。将相似的用户归类，给每一个类别贴上“标贴”，然后针对各类的特征制定差异化策略。

核心流程主要包含以下模块：

• 用户分群，要求不重不漏，群内差异较小，群间差异较大；
• 对上一步得到的用户群进行特征分析、价值比较；
• 针对不同用户群制定差异化管理策略，实现个性化运营。

主要模型与方法：

• 特征选择（传统RFM模型，从R——最近购买，F——购买频次，M——平均消费金额）
• kmeans聚类（聚类分析常用方法：层次聚类与kmeans聚类，选第二种）

通过一个案例加以说明。

一、案例背景
以数据探索分析用到订单明细作为源数据，属于比较常见的零售数据类型。

以订单编号标识一条订单记录，商品编码标识订单内的一条明细，以YBM20190201083534100004为例，这条记录由id为106030的用户，在