用户划分——RMF方法

用户划分——RMF方法

• RMF
  （recency最近一次消费、frequency消费频率、monetary消费金额）：从用户的忠诚度、活跃度、土豪度刻画用户的价值。如下表分为8类，可使用Kmeans进行聚类。
  

• 使用KMeans聚类划分

（1）首先，计算每一位用户的 R、F、 M指标

（2）选取要聚类的特征（R、M、F）

import pandas as pd

df = pd.read_csv(r'data.csv', sep=',', encoding="utf-8")    #打开csv文件
X = df[['r_c','f_c','m_c']]      #选取R、M、F三列数据

（3）Kmeans聚类, 分为八个类别则设 k =8

from sklearn.cluster import KMeans

clf = KMeans(n_clusters=8, random_state=1)     #构建模型
clf.fit(X)     #拟合模型
result = clf.predict(X)    # 模型预测
df['tag'] = result             #将类别赋给df的新增tag列
df['r_c','f_c','m_c'].groupby('tag').describe()       #按tag分组、对RMF进行描述性统计

（4）输出结果文件

df.to_csv(r'output.csv', index=False, sep=',', encoding='utf-8')   #输出csv文件

（5）使用Excel即可查看用户的分类结果。

参考文章：https://mp.weixin.qq.com/s/m5z7YqVdBO-nBBKjIPQNmg