数据分析实战项目3：RFM用户分群

Posted 2023-03-02 海星？海欣！

目录

• • • 1、RFM模型介绍
    • 2、Excel实际RFM划分案例
    • 3、RFM案例
    • • 3.1 数据加载和基本信息查看
      • 3.2 数据预处理和RFM的初始值计算
      • 3.3 RFM区间和划分和分值计算
      • 3.4 RFM计算结果保存
      • • 3.4.1 保存到excel
        • 3.4.2 保存到数据库
      • 3.5 RFM计算结果可视化
      • 3.6 结果分析（营销建议）
      • 3.7 案例注意点
    • 4、总结

1、RFM模型介绍

RFM客户价值模型详细介绍

• R最近一次购买时间R（recenty）

• 购买频率F(frequency)

• 购买金额M（monetary）
  通过这三个维度来评估客户的订单活跃价值，用来做客户分群或价值区分
  
  RFM模型基于一个固定的时间点做的分析
  RFM模型的实习过程：

• 设置做计算的截止时间点

• 以时间点为截止时间节点，向前推固定周期

• 数据预计算，初始RFM：（最近的订单时间R，订单数量F，订单总金额M）

• R，F，M区间分组。（F，M越大越好，R越小越好），得到一个分数值

• 将三个维度值，组合或者相加得到总的RFM分
  R，M，F分别为2，3，1 则拼接RFM= 231 求和RFM=6

2、Excel实际RFM划分案例

RFM划分过程：
１）提取用户最近一次的交易时间，算出距离计算时间的差值
当前时间＝TODAY()

２）计算最近一次交易时间距当前时间的间隔
时间间隔 = Days(后时间，前时间)
3）根据间隔天数长度赋予对应的R值
if(条件，满足条件师输出内容，不满足时输出内容)

4）从历史数据中提取所有用户的购买次数，根据次数多少赋予对应的F值
5）从历史数据中汇总，求得该用户的交易总额，根据金额大小赋予对应的M值

6）求出RFM的中值，例如中位数，用中值和用户的实际值进行比较，高于中值的为高，否则为低

7）在得到不同会员的RFM之后，根据步骤5产生的两种结果有两种应用思路
思路1：基于3个维度值做用户群体划分和解读，对用户的价值度做分析
思路2：基于RFM的汇总得分评估价值度

基于不同群体用户做不同的策略

RFM数值可以作为一些数据挖掘的输入信息

3、RFM案例

用户价值细分是了解用户价值度的重要途经，针对交易数据分析最主要用的就是RFM模型
一般对每个维度分三个划分，最多333=27种

数据sales.xlsx。密码gi7b
数据介绍：

3.1 数据加载和基本信息查看

import pandas as pd
import numpy as np
import time
import pymysql
from pyecharts.charts import Bar3D
#忽略警告
import warnings
warnings.filterwarnings('ignore')

数据是一个有五个sheet的excel表格

如何处理多sheet的excel表，导入python：

#加载数据
#数据是一个有五个sheet的excel表格
sheet_names = ['2015','2016','2017','2018','会员等级']
sheet_datas = [pd.read_excel('./data/sales.xlsx',sheet_name=i) for i in sheet_names]
#每个sheet数据都读出来放在列表中

#zip将两个列表的元素组合起来
for each_name,each_data in zip(sheet_names,sheet_datas):
	print('[data summary for ===============]'.format(each_name)) #打印是哪个sheet，表名
	print('Overview:','\\n',each_data.head(4))#打印前四行
	print('DESC:','\\n',each_data.describe())#数据的描述性信息
	print('NA records',each_Data.isnull().any(axis=1).sum())#缺失值记录数
	print('Dtypes',each_data.dtypes)#数据类型

结论：日期列已经自动识别日期格式
订单金额的分布不均匀，有明显的极大值
有的表存在缺失值，但缺失量不大
等等

3.2 数据预处理和RFM的初始值计算

思路：缺失值异常值处理–添加每年的最大日期—四年数据拼接—增加间隔列和日期列—计算RFM各值

1）缺失值，异常值处理

for i,each_data in enumerate(sheet_datas[:]-1):#只要前四个表数据，会员等级那个不要
	#删除含有缺失值的行，这些行不多，而原数据大量--所以直接删
	each_data = each_data.dropna()#删除缺失行dropna
	#剔除订单金额小于1的数据，这些很可能是异常的
	sheet_data[i] =each_data[each_data['订单金额']>1]
	#添加提交订单日期最大值这一列，方便后面计算时间间隔
	sheet_datas[i]['max_year_data']= sheet_datas[i]['提交日期'].max()

sheet_datas[0] #先查看一下

2）数据拼接----pd.concat()
四年的数据合并一下，后面就不用再循环读取了

#将四年的数据合并一下，按行拼接
data_merge = pd.concat(sheet_datas[:-1])
data_merge

虽然把四年的数据合并在了一起，但是还是分年进行分析的

3）增加两列:
date_interval(当年中，此提交日期和最大的日期之间的差值),是当年的最后日期
year(年份)

#订单数据处理：增加两列date_interval、year
data_merge['date_interval'] = data_merge['max_year_date'] - date_merge['提交日期']
data_merge['year'] = date_merge['提交日期'].dt.year
date_merge.head()

此时，date_interval类型是两日期相减后的，我们想要改成数字类型

data_merge['date_intervl'] = data_merge['date_intervl'].dt.days
data_merge.info

此时改好了，

4）计算RFM数据
R：date_interval列分组后计算最小值
F：频率，按照年和会员id分组后，计数
M：按照年和会员id分组后，对订单金额求和
此时的数据：

data_merge.groupby(['year','会员ID']).agg(('date_interval':'min','订单号':'count','订单金额':'sum'))

data_merge.groupby(['year','会员ID'],as_index=False).agg(('date_interval':'min','订单号':'count','订单金额':'sum'))
#分组列不作为行标签：as_index=False

#修改列名
rfm_gb.columns = ['year','会员ID','r','f','m']
rfm_gb.head()

3.3 RFM区间和划分和分值计算

上面已经得到RFM具体值，但我们是需要划分区间，333个区间
如何定区间的边界值？
先看一下数值的统计值

em=fm_gb.iloc[:,2:].describe().T #T转置一下

可以划定的三个区间：最小值-1/4分位数，1/4分位数-3/4分位数，3/4分位数-最大值
和业务部门沟通确定，结合业务确定

#定义区间边界
r_bins = [-1,79,255,365]#左开右闭，所以边界小于最小值
f_bins = [0,2,5,130]
m_bins = [0,69,1199,206252]

下面用pd.cut进行分割

pd.cut(rfm_gb['r'],bins=r_bins)

进行了区间分割，并且打了分数：

rfm_gb['r_score'] = pd.cut(rfm_gb['r'],bins=r_bins,labels=[3,2,1])#给三个区间给定分数，1，2，3
rfm_gb['f_score'] = pd.cut(rfm_gb['f'],bins=f_bins,labels=[1,2,3])
rfm_gb['m_score'] = pd.cut(rfm_gb['m'],bins=m_bins,labels=[1,2,3])
rfm_gb

将RFM的值进行拼接

先将默认类型int，转化成str类型：

rfm_gb['r_score'] = rfm_gb['r_score'].astype(np.str)
rfm_gb['f_score'] = rfm_gb['f_score'].astype(np.str)
rfm_gb['m_score'] = rfm_gb['m_score'].astype(np.str)
rfm_gb.info()

进行拼接：输出212这种，增加一列
str.cat()

rfm_gb['rfm_group'] = rfm_gb['r_score'].str.cat(rfm_gb['f_score']).str.cat(rfm_gb['m_score'])
rfm_gb

有了上述数据，需要进行保存

3.4 RFM计算结果保存

3.4.1 保存到excel

to_excel

#保存到excel
rfm_gb.to_excel('./data/sales_rfm.xlsx')

3.4.2 保存到数据库

2.1 创建sale_rfm_score数据表
配置参数信息：

建表操作：

2.2 写入数据到sales_rfm_score数据表

3.5 RFM计算结果可视化

未来更好地了解各组RFM人数的变化，绘制3D柱形图
三个维度：年份、、

#汇总结果：统计不同不同年份的不同rfm分值的会员数量
display_data = rfm_gb.groupby(['rfm_group','year'],as_index=False)['会员ID'].count()
display_data['rfm_group'] = ['rfm_group','year','number']
display_data['rfm_group'].astype(np.int32)  #转化类型成int32
display_data.head()

数据拿到后，准备绘图：

from pyecharts.commons.utils import JsCode
from pyecharts import options as opts

range_color = ['#313695', '#4575b4', '#74add1', '#abd9e9', '#e0f3f8', '#ffffbf','#fee090', '#fdae61', '#f46d43', '#d73027', '#a50026']
range_max = int(display_data['number'].max())

# 绘制 3D 图形
bar = Bar3D().add(
    series_name='',
    data=[d.tolist() for d in display_data.values],
    xaxis3d_opts=opts.Axis3DOpts(type_='category', name='分组名称'), 
    yaxis3d_opts=opts.Axis3DOpts(type_='category', name='年份'),
    zaxis3d_opts=opts.Axis3DOpts(type_='value', name='会员数量')
).set_global_opts(
    visualmap_opts=opts.VisualMapOpts(max_=range_max, range_color=range_color),
    title_opts=opts.TitleOpts(title="RFM分组结果")
)

#xaxis3d_opts是对x轴，visualmap_opts缩放条，图片也可以旋转
bar.render_notebook()

理解上面的作图代码：

[d.tolist() for d in display_data.values]
#将display_data中数值遍历，后放在list列表中

3.6 结果分析（营销建议）

根据上面的图，能发现2018年212群体的数量最多。
从2016到2017年用户群体数量变化不大，但到了2018年增长了近一倍，作为重点分析人群
除212外，312，213，211及112人群都在各个年份占据很大数量
有很大分组人数很少，甚至没有

根据用户的量级可以分成两类：
第一类：用户群体占比超过10%的群体

第二类：占比在个位数的群体（1%-10%）

第三类：占比非常少，但却非常重要的群体

企业可以针对3类群体，按照公司实际运营需求，制定针对不同群体的策略
录入数据库或者保存下来的数据，可以应用到其他模型当中去，成为模型输入的关键维度特征

3.7 案例注意点

1，不同品类、行业对于RFM的依赖度是有差异的，甚至不同阶段也有影响
例如：
大型家电消费周期长的企业，R和M更重要
快消等短而快的，更看重R和F

2，RFM的区间划分，需要结合业务情况

4、总结

1. RFM模型是经典的一种用户分群方法，如果数据量不大，可以直接用excel实现
2. RFM并非适用所有行业，多用于复购率较高的行业