【数据分析案例】游戏付费用户RFM分析案例

前言：

该案例由随机生成数据模拟半年时间内，对游戏用户充值金额情况进行用户价值分层

---

数据特征：

所有数据均为随机生成数据，一共有三个数据特征，分别是

r_datatime：充值时间，时间截格式，由radar库生成，时间范围为：2022-6-1至2022-12-30

r_uid：用户ID，字符串格式，由numpy库生成，以9开头生成1000个用户ID

r_price：充值金额，数值格式，由numpy库生成，随机抽取[10,60,180,300,680,1180,1980,3480,6480]中的一个充值面额

---

实践思路：

1.导入相关模块，生成随机数据

2.设置数据格式和调整显示方式

3.搭建RFM用户价值分层模式

4.按等距分箱的形式给用户打分

5.统计各层用户数量情况

---

案例详解：

导入相关模块，如果没有，则手动安装，安装方式： pip install 库名

import pandas as pd    # pip install pandas
import radar           # pip install radar
import numpy as np     # pip install numpy

生成随机时间

时间选取了2022年下半年，可自行调整时间节点

r_datatime = []
for d in range(10000):
    d = str(radar.random_datetime("2022-6-1", "2022-12-30"))
    r_datatime.append(d)

生成随机金额

充值面额参考了王者荣耀的充值面额，可自行调整面额数值

# 生成随机金额
r_price = []
for p in range(10000):
    p = np.random.choice([10, 60, 180, 300, 680, 1180, 1980, 3480, 6480])
    r_price.append(p)

生成1000个用户（以9开头）

数据总行数为10000条，可根据需求自行调整用户个数

r_uid = []
for u in range(10000):
    u = str(np.random.randint(999999000, 1000000000))
    r_uid.append(u)

合并数据

注：每行数据均表示为2022-6-1至2022-12-30期间，1000个用户中的一个用户充值了随机面额

data = pd.DataFrame(data={"uid": r_uid, "price": r_price, "date": r_datatime})

设置数据格式和调整显示方式

pd.set_option('expand_frame_repr', False)  # 当列太多时显示不清楚
pd.set_option('display.unicode.east_asian_width', True)  # 设置输出右对齐
data['date'] = data['date'].astype('datetime64[ns]')
data['date'] = pd.to_datetime(data['date']).dt.floor('d')  # 调整时间格式，只保留日期

注意：生成用户ID时，已设置调整为字符串格式，而randint是随机生成指定范围内的整数，只有时间需要另外调整格式

搭建RFM用户价值分层模式

RFM = data.groupby('uid', as_index=False).agg(last_date=('date', 'max'),
                                              F=('date', 'count'),
                                              M=('price', 'sum'))
RFM['R'] = (pd.to_datetime('2022-12-31') - RFM['last_date']).dt.days
RFM.drop(columns=['uid', 'last_date'], inplace=True)

按等距分箱的形式给用户打分

以下面参数为例，因为10000条数据中有1000个用户的付费情况，因此单个用户的最后付费时间R有可能拉的很长。通过统计总数据的充值均数，平均用户充值额度为1600左右，因此把F区间设置在25以下，50为假设区间（报错就往上调整）M值参考了王者荣耀的贵族阶级分层，略微调整了下，各位可自行根据数据分布设置合理区间（主要是懒得去琢磨了）。

RFM['R_score'] = pd.cut(RFM['R'],
                        right=False,
                        bins=[1, 7,14,30,90,200],
                        labels=[5, 4, 3, 2, 1]).astype('int')
RFM['F_score'] = pd.cut(RFM['F'],
                        right=False,
                        bins=[0,4,8,10,12,50],
                        labels=range(1, 6)).astype('int')
RFM['M_score'] = pd.cut(RFM['M'],
                        right=False,
                        bins=[1,500,2000,10000,40000,100000],
                        labels=range(1, 6)).astype('int')

注意：

bins为划分范围，受用户数量、时间范围以及充值面额的影响，

因此，在调整过程中，注意适当调整bins的划分区间

用户分数统计后，根据用户评分情况设立标签

# 按平均值划分高低
RFM['R_level'] = (RFM['R_score'] >= RFM['R_score'].mean()) * 1
RFM['F_level'] = (RFM['F_score'] >= RFM['F_score'].mean()) * 1
RFM['M_level'] = (RFM['M_score'] >= RFM['M_score'].mean()) * 1
RFM['用户类别'] = RFM['R_level'].astype('str').str.cat([RFM['F_level'].astype('str'), RFM['M_level'].astype('str')])
RFM['用户类别'] = RFM['用户类别'].replace(['111', '110', '101', '100', '011', '010', '001', '000'],
                                  ['重要价值客户', '一般价值客户', '重要发展客户', '一般发展客户', '重要保持客户', '一般保持客户', '重要挽留客户', '一般挽留客户'])

注：标签的评分定义可自行调整，作者是直接按平均数来划分

统计各层用户数量情况

最后，统计每个层次的用户数量，根据分布情况分析用户近半年的付费意愿

data = RFM.groupby('用户类别').agg(num=('F', 'count')).sort_values(by='num', ascending=False).reset_index()

---

完整代码：

# ！/usr/bin/python3.7
# -*- coding:utf-8 -*-
# @author:inganxu
# CSDN:inganxu.blog.csdn.net
# @Date:2022年10月25日


import pandas as pd
import radar
import numpy as np


# 生成随机时间
r_datatime = []
for d in range(10000):
    d = str(radar.random_datetime("2022-6-1", "2022-12-30"))
    r_datatime.append(d)

# 生成随机金额
r_price = []
for p in range(10000):
    p = np.random.choice([10, 60, 180, 300, 680, 1180, 1980, 3480, 6480])
    r_price.append(p)

# 生成1000个用户
r_uid = []
for u in range(10000):
    u = str(np.random.randint(999999000, 1000000000))
    r_uid.append(u)

data = pd.DataFrame(data={"uid": r_uid, "price": r_price, "date": r_datatime})
# 调整格式
pd.set_option('expand_frame_repr', False)  # 当列太多时显示不清楚
pd.set_option('display.unicode.east_asian_width', True)  # 设置输出右对齐
data['date'] = data['date'].astype('datetime64[ns]')
data['date'] = pd.to_datetime(data['date']).dt.floor('d')  # 调整时间格式，只保留日期


# RFM用户价值分层模型
RFM = data.groupby('uid', as_index=False).agg(last_date=('date', 'max'),
                                              F=('date', 'count'),
                                              M=('price', 'sum'))
RFM['R'] = (pd.to_datetime('2022-12-31') - RFM['last_date']).dt.days
RFM.drop(columns=['uid', 'last_date'], inplace=True)
print(RFM)
print('\n')
print('-' * 100)
print('\n')

# 按等距分箱的形式计分
RFM['R_score'] = pd.cut(RFM['R'],
                        right=False,
                        bins=[1, 7,14,30,90,200],
                        labels=[5, 4, 3, 2, 1]).astype('int')
RFM['F_score'] = pd.cut(RFM['F'],
                        right=False,
                        bins=[0,4,8,10,12,50],
                        labels=range(1, 6)).astype('int')
RFM['M_score'] = pd.cut(RFM['M'],
                        right=False,
                        bins=[1,500,2000,10000,40000,100000],
                        labels=range(1, 6)).astype('int')
# 按平均值划分高低
RFM['R_level'] = (RFM['R_score'] >= RFM['R_score'].mean()) * 1
RFM['F_level'] = (RFM['F_score'] >= RFM['F_score'].mean()) * 1
RFM['M_level'] = (RFM['M_score'] >= RFM['M_score'].mean()) * 1
RFM['用户类别'] = RFM['R_level'].astype('str').str.cat([RFM['F_level'].astype('str'), RFM['M_level'].astype('str')])
RFM['用户类别'] = RFM['用户类别'].replace(['111', '110', '101', '100', '011', '010', '001', '000'],
                                  ['重要价值客户', '一般价值客户', '重要发展客户', '一般发展客户', '重要保持客户', '一般保持客户', '重要挽留客户', '一般挽留客户'])
print(RFM)
print('\n')
print('-' * 100)
print('\n')
# 统计各类别数量
data = RFM.groupby('用户类别').agg(num=('F', 'count')).sort_values(by='num', ascending=False).reset_index()
print(data)

结语：

该案例主要是为搭建RFM用户价值模型提供代码思路

数据分析方法-RFM用户价值分层模型_inganxu的博客-CSDN博客_rfm分类法优缺点