RFM模型的设计

RFM模型的设计

》关于 RFM 模型，之前有介绍过。它是：主要用于衡量当前用户价值和客户潜在价值的重要工具和手段。
》【从消费行为的角度，对用户进行分层，并采取差异化营销策略】


》根据一组数据，设计RFM模型。

• 但是发现到分组的数据不合理，出现极端的数据，内部差异程度较大。所以需要用到 聚类算法（K-Means）
  
  

• 最终用python的KMeans方法，计算出合理的分组数据，如下代码：

import pandas as pd
from sklearn.cluster import KMeans  # 调用Sklearn机器学习库

# 获取数据
data = pd.read_csv("sales_kmeans.csv")

# 利用Kmeans获取聚类中心（分界点）
kmodels = KMeans(n_clusters=4)  # 分为4个分界点，构造聚类器
for col in data.columns:        # 获取每一列的数据
    kmodels.fit(data[[col]])    # 聚类
    print(col)
    centers = kmodels.cluster_centers_  # 获取聚类中心
    for c in centers:
        print(c[0])

'''
运行结果为：
R
790.58
713.90
895.97
637.94
F
1.06
58.09
13.61
3.73
M
369.51
68696.84
4535.10
16324.23
'''

》附上数据表，最终生成的结果如图：

》实现数据可视化:

》整理出来的ppt【基于RFM的用户精细化管理】，链接如下：
https://wwa.lanzous.com/i5aw7hdlddc