90万条数据玩转RFM用户分析模型

Posted yizhiamumu

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了90万条数据玩转RFM用户分析模型相关的知识，希望对你有一定的参考价值。

RFM，是一种经典的用户分类、价值分析模型：

R，Rencency，即每个客户有多少天没回购了，可以理解为最近一次购买到现在隔了多少天。

F，Frequency，是每个客户购买了多少次。

M，Monetary，代表每个客户平均购买金额，也可以是累计购买金额。

这三个维度，是RFM模型的精髓所在，帮助我们把混杂一体的客户数据分成标准的8类，然后根据每一类用户人数占比、金额贡献等不同的特征，进行人、货、场三重匹配的精细化运营。

用Python建立RFM模型，整体建模思路分为五步，分别是数据概览、数据清洗、维度打分、分值计算和客户分层。

一：数据概览

开发环境：jupyter Notebook, python 3.6

import pandas as pd
import numpy as np
import os

os.chdir(‘F:\50mat‘)

df = pd.read_excel(‘PYTHON-RFM实战数据.xlsx‘)
df.head()

 

# 打印结果

品牌名称	买家昵称	付款日期	订单状态	实付金额	邮费	省份	城市	购买数量
0	一只阿木木	棒西瓜皮的店	2019-04-18 11:05:26	交易成功	210	0	北京	北京市	1
1	一只阿木木	8fiona_c8	2019-04-18 11:08:03	交易成功	53	0	上海	上海市	4
2	一只阿木木	3t_1479778131547_04	2019-04-18 11:13:01	交易成功	169	0	上海	上海市	1
3	一只阿木木	0kexintiantian20	2019-04-18 11:13:19	付款以后用户退款成功，交易自动关闭	107	0	北京	北京市	1
4	一只阿木木	ysxxgx	2019-04-18 11:18:07	付款以后用户退款成功，交易自动关闭	254	0	江苏省	苏州市	2

在订单状态中，交易成功、用户退款导致交易关闭的，那还包括其他状态吗？退款订单对于我们模型价值不大，需要在后续清洗中剔除。

df[‘订单状态‘].unique()

 

# 打印结果
array([‘交易成功‘, ‘付款以后用户退款成功，交易自动关闭‘, ‘订单状态‘], dtype=object)

再观察数据的类型和缺失情况：

df.info()

 

# 打印结果
<class ‘pandas.core.frame.DataFrame‘>
RangeIndex: 922658 entries, 0 to 922657
Data columns (total 9 columns):
品牌名称    922658 non-null object
买家昵称    922658 non-null object
付款日期    922658 non-null object
订单状态    922658 non-null object
实付金额    922658 non-null object
邮费      922658 non-null object
省份      922658 non-null object
城市      922626 non-null object
购买数量    922658 non-null object
dtypes: object(9)
memory usage: 31.7+ MB

数据类型方面，付款日期是时间格式，实付金额、邮费和购买数量是数值型，其他均为字符串类型。

二：数据清洗

2.1 剔除退款

在观察阶段，我们明确了第一个清洗的目标，就是剔除退款数据：

df = df.loc[df[‘订单状态‘] == ‘交易成功‘,:]
print(‘剔除退款后还剩:%d行‘ % len(df))

 

打印结果
剔除退款后还剩:889372行

2.2 关键字段提取

剔除之后，觉得我们订单的字段还是有点多，而RFM模型只需要买家昵称，付款时间和实付金额这3个关键字段，所以提取之：

df = df[[‘买家昵称‘,‘付款日期‘,‘实付金额‘]]
df.head()

 

# 打印结果
买家昵称	付款日期	实付金额
0	棒西瓜皮的店	2019-04-18 11:05:26	210
1	8fiona_c8	2019-04-18 11:08:03	53
2	3t_1479778131547_04	2019-04-18 11:13:01	169
7	2jill27	2019-01-01 10:00:11	121
8	yjessieni	2019-01-01 10:00:14	211

2.3 关键字段构造

R 值构造 。

R值，即每个用户最后一次购买时间距今多少天。

  • 如果用户只下单过一次，用现在的日期减去付款日期即可；
  • 若是用户多次下单，需先筛选出这个用户最后一次付款的时间，再用今天减去它。

距离今天越近，时间也就越“大”，

 pd.to_datetime(‘2019-11-11‘) > pd.to_datetime(‘2019-1-1‘)

 


 # 打印结果
 True

用户最近一次付款时间，只需要按买家昵称分组，再选取付款日期的最大值即可：

r = df.groupby(‘买家昵称‘)[‘付款日期‘].max().reset_index()
r.head()

 

#打印结果
	买家昵称	付款日期
0	.blue_ram	2019-02-04 17:49:34.000
1	.christiny	2019-01-29 14:17:15.000
2	.willn1	2019-01-11 03:46:18.000
3	.托托m	2019-01-11 02:26:33.000
4	0000妮	2019-06-28 16:53:26.458

用今天减去每位用户最近一次付款时间，就得到R值了，测试样本数据是1月至6月上半年的数据，所以我们把“2019-7-1”当作“今天”：

r[‘R‘] = (pd.to_datetime(‘2019-7-1‘) - r[‘付款日期‘]).dt.days
r = r[[‘买家昵称‘,‘R‘]]
r.head()

 

#打印结果

买家昵称	R
0	.blue_ram	146
1	.christiny	152
2	.willn1	170
3	.托托m	170
4	0000妮	2

F 值构造

F值，即每个用户累计购买频次。

我们明确“单个用户一天内多次下单行为看作整体一次”，引入一个精确到天的日期标签，依照“买家昵称”和“日期标签”进行分组，把每个用户一天内的多次下单行为合并

统计购买次数：

# F 值构造

# 引入日期标签
df[‘日期标签‘] = df[‘付款日期‘].astype(str).str[:10]

#把单个用户一天内订单合并
dup_f = df.groupby([‘买家昵称‘,‘日期标签‘])[‘付款日期‘].count().reset_index()

#对合并后的用户统计频次
f = dup_f.groupby(‘买家昵称‘)[‘付款日期‘].count().reset_index()
f.columns = [‘买家昵称‘,‘F‘]
f.head()

 

# 打印结果

买家昵称	F
0	.blue_ram	1
1	.christiny	1
2	.willn1	1
3	.托托m	1
4	0000妮	1

M 值构造

客户平均购买金额，需要得到每个用户总金额，再用总金额除以购买频次即可。

# M 值构造
sum_m = df.groupby(‘买家昵称‘)[‘实付金额‘].sum().reset_index()
sum_m.columns = [‘买家昵称‘,‘总支付金额‘]
com_m = pd.merge(sum_m,f,left_on = ‘买家昵称‘,right_on = ‘买家昵称‘,how = ‘inner‘)

#计算用户平均支付金额
com_m[‘M‘] = com_m[‘总支付金额‘] / com_m[‘F‘]
com_m.head()

 

# 打印结果

买家昵称	总支付金额	F	M
0	.blue_ram	1568	1	1568.0
1	.christiny	5856	1	5856.0
2	.willn1	1088	1	1088.0
3	.托托m	1184	1	1184.0
4	0000妮	5248	1	5248.0

R F M 三值合并

# R F M 值构造并合并
rfm = pd.merge(r,com_m,left_on = ‘买家昵称‘,right_on = ‘买家昵称‘,how = ‘inner‘)
rfm = rfm[[‘买家昵称‘,‘R‘,‘F‘,‘M‘]]
rfm.head()

 

# 打印结果
	买家昵称	R	F	M
0	.blue_ram	146	1	1568.0
1	.christiny	152	1	5856.0
2	.willn1	170	1	1088.0
3	.托托m	170	1	1184.0
4	0000妮	2	1	5248.0

三：维度打分

此部分不涉及代码。

维度确认的核心是分值确定，按照设定的标准，我们给每个消费者的R/F/M值打分，分值的大小取决于我们的偏好，即我们越喜欢的行为，打的分数就越高：

  • R值 用户有多少天没来下单，所以R越大，用户流失的可能性越大，分值越小。
  • F值 用户购买频次，数值越大，得分越高
  • M值 用户平均支付金额，数值越大，得分越高

RFM模型中打分一般采取5分制，有两种比较常见的方式，

  • 一种是按照数据的分位数来打分
  • 一种是依据数据和业务的理解进行分值的划分

这里使用的是第二种，即提前制定好不同数值对应的分值，加深对数据的理解。

R值根据行业经验，设置为30天一个跨度，区间左闭右开：

R 分R 值
1 [120, +%)
2 [90, 120)
3 [60, 90)
4 [30, 60)
5 [0, 30）

F值 F值和购买频次挂钩，每多一次购买，分值就多加一分：

F 分F 值
1 1
2 2
3 3
4 4
5 [5, +%）

M值 先对M值做个简单的区间统计，然后分组，这里我们按照1600元的一个区间来进行划分：

M 分M 值
1 [0, 1600)
2 [1600, 3200)
3 [3200, 4800)
4 [4800, 6400)
5 [6400, +%）

我们确定了一个打分框架，每一位用户的每个指标，都有了与之对应的分值。

四：分值计算

第一次计算

R值:

# 4 R 值计算

rfm[‘R-SCORE‘] = pd.cut(rfm[‘R‘],bins = [0,30,60,90,120,1000000],labels = [5,4,3,2,1],right = False).astype(float)
rfm.head()

 

# 打印结果
买家昵称	R	F	M	R-SCORE
0	.blue_ram	146	1	1568.0	1.0
1	.christiny	152	1	5856.0	1.0
2	.willn1	170	1	1088.0	1.0
3	.托托m	170	1	1184.0	1.0
4	0000妮	2	1	5248.0	5.0

F M 值计算

# F M 值计算
rfm[‘F-SCORE‘] = pd.cut(rfm[‘F‘],bins = [1,2,3,4,5,1000000],labels = [1,2,3,4,5],right = False).astype(float)
rfm[‘M-SCORE‘] = pd.cut(rfm[‘M‘],bins = [0,1600,3200,4800,6400,10000000],labels = [1,2,3,4,5],right = False).astype(float)
rfm.head()

 

# 打印结果
买家昵称	R	F	M	F-SCORE	M-SCORE
0	.blue_ram	146	1	1568.0	1.0	1.0
1	.christiny	152	1	5856.0	1.0	4.0
2	.willn1	170	1	1088.0	1.0	1.0
3	.托托m	170	1	1184.0	1.0	1.0
4	0000妮	2	1	5248.0	1.0	4.0

第二次计算

过多的分类和不分类本质是一样的。所以，我们通过判断每个客户的R、F、M值是否大于平均值，来简化分类结果。

因为每个客户和平均值对比后的R、F、M，只有0和1（0表示小于平均值，1表示大于平均值）两种结果，整体组合下来共有8个分组，是比较合理的一个情况。我们来判断用户的每个分值是否大于平均值：

# 第二次计算
rfm[‘R是否大于均值‘] = (rfm[‘R-SCORE‘] > rfm[‘R-SCORE‘].mean()) * 1
rfm[‘F是否大于均值‘] = (rfm[‘F-SCORE‘] > rfm[‘F-SCORE‘].mean()) * 1
rfm[‘M是否大于均值‘] = (rfm[‘M-SCORE‘] > rfm[‘M-SCORE‘].mean()) * 1
rfm.head()

 

# 打印结果
买家昵称	R	F	M	R-SCORE	F-SCORE	M-SCORE	R是否大于均值	F是否大于均值	M是否大于均值
0	.blue_ram	146	1	1568.0	1.0	1.0	1.0	0	0	0
1	.christiny	152	1	5856.0	1.0	1.0	4.0	0	0	1
2	.willn1	170	1	1088.0	1.0	1.0	1.0	0	0	0
3	.托托m	170	1	1184.0	1.0	1.0	1.0	0	0	0
4	0000妮	2	1	5248.0	5.0	1.0	4.0	1	0	1

代码为什么 * 1，这是由于Python中判断后返回的结果是True和False，对应着数值1和0，只要把这个布尔结果乘上1，True就变成了1，False变成了0，处理之后更加易读。

知识点：

Pandas的cut函数：

  • 第一个参数传入要切分的数据列。
  • bins参数代表我们按照什么区间进行分组，上面我们已经确定了R值按照30天的间隔进行分组，输入[0,30,60,90,120,1000000]即可，最后一个数值设置非常大，是为了给分组一个容错空间，允许出现极端大的值。
  • right表示了右侧区间是开还是闭，即包不包括右边的数值，如果设置成False，就代表[0,30)，包含左侧的分组数据而不含右侧，若设置为True，则是[0,30]，首尾都包含。
  • labels和bins切分的数组前后呼应，什么意思呢？bins设置了6个数值，共切分了5个分组，labels则分别给每个分组打标签，0-30是5分，30-60是4分，依此类推。

五：客户分层

清洗完之后我们确定了打分逻辑，然后分别计算每个用户的R、F、M分值（SCORE)，随后，用分值和对应的平均值进行对比，得到了是否大于均值的三列结果。那么客户分层如何处理呢。

R 大于均值F 大于均值M 大于均值一般分类RFM 分类释义
1 1 1 重要价值客户 重要价值客户 近购、高频、高消费
1 1 0 重要潜力客户 消费潜力客户 近购、高频、低消费
1 0 1 重要深耕客户 频次深耕客户 近购、低频、高消费
1 0 0 新客户 新客户 近购、低频、低消费
0 1 1 重要唤回客户 重要价值流失预警客户 近未购、高频、高消费
0 1 0 一般客户 一般客户 近未购、高频、低消费
0 0 1 重要挽回客户 高消费唤回客户 近未购、低频、高消费
0 0 0 流失客户 流失客户 近未购、低频、低消费

潜力是针对消费（平均支付金额），深耕是为了提升消费频次，以及重要唤回客户其实和重要价值客户非常相似，只是最近没有回购了而已，应该做流失预警等等。

5.1 构建合并指标

先引入一个人群数值的辅助列，把之前判断的RFM是否大于均值的三个值给串联起来：

# 5 客户分层，构建合并指标

rfm[‘人群数值‘] = (rfm[‘R是否大于均值‘] * 100) + (rfm[‘F是否大于均值‘] * 10) + (rfm[‘M是否大于均值‘] * 1)
rfm.head()

 

# 打印结果
买家昵称	R	F	M	R-SCORE	F-SCORE	M-SCORE	R是否大于均值	F是否大于均值	M是否大于均值	人群数值
0	.blue_ram	146	1	1568.0	1.0	1.0	1.0	0	0	0	0
1	.christiny	152	1	5856.0	1.0	1.0	4.0	0	0	1	1
2	.willn1	170	1	1088.0	1.0	1.0	1.0	0	0	0	0
3	.托托m	170	1	1184.0	1.0	1.0	1.0	0	0	0	0
4	0000妮	2	1	5248.0	5.0	1.0	4.0	1	0	1	101

人群数值是数值类型，所以位于前面的0就自动略过，比如1代表着“001”的高消费唤回客户人群，10对应着“010”的一般客户。

5.2 基于指标给客户打标签

为了得到最终人群标签，再定义一个判断函数，通过判断人群数值的值，来返回对应的分类标签：

#判断R/F/M是否大于均值
def transform_label(x):
    if x == 111:
        label = ‘重要价值客户‘
    elif x == 110:
        label = ‘消费潜力客户‘
    elif x == 101:
        label = ‘频次深耕客户‘
    elif x == 100:
        label = ‘新客户‘
    elif x == 11:
        label = ‘重要价值流失预警客户‘
    elif x == 10:
        label = ‘一般客户‘
    elif x == 1:
        label = ‘高消费唤回客户‘
    elif x == 0:
        label = ‘流失客户‘
    return label

 

5.3 标签应用

rfm[‘人群类型‘] = rfm[‘人群数值‘].apply(transform_label)
rfm.head()

 

# 打印结果
买家昵称	R	F	M	R-SCORE	F-SCORE	M-SCORE	R是否大于均值	F是否大于均值	M是否大于均值	人群数值	人群类型
0	.blue_ram	146	1	1568.0	1.0	1.0	1.0	0	0	0	0	流失客户
1	.christiny	152	1	5856.0	1.0	1.0	4.0	0	0	1	1	高消费唤回客户
2	.willn1	170	1	1088.0	1.0	1.0	1.0	0	0	0	0	流失客户
3	.托托m	170	1	1184.0	1.0	1.0	1.0	0	0	0	0	流失客户
4	0000妮	2	1	5248.0	5.0	1.0	4.0	1	0	1	101	频次深耕客户

RFM 建模，每一位客户都有了属于自己的RFM标签。

六：RFM 模型结果探索性分析

切模型结果最终都要服务于业务，所以我们基于现有模型结果做一些拓展、探索性分析。

6.1 人数统计

# 6.1 人数分析
count = rfm[‘人群类型‘].value_counts().reset_index()
count.columns = [‘客户类型‘,‘人数‘]
count[‘人数占比‘] = count[‘人数‘] / count[‘人数‘].sum()
count

 

# 打印结果
客户类型	人数	人数占比
0	高消费唤回客户	7338	0.288670
1	流失客户	6680	0.262785
2	频次深耕客户	5427	0.213493
3	新客户	4224	0.166168
4	重要价值客户	756	0.029740
5	消费潜力客户	450	0.017703
6	重要价值流失预警客户	360	0.014162
7	一般客户	185	0.007278

6.2 金额统计

# 6.2 金额分析
rfm[‘购买总金额‘] = rfm[‘F‘] * rfm[‘M‘]
mon = rfm.groupby(‘人群类型‘)[‘购买总金额‘].sum().reset_index()
mon.columns = [‘客户类型‘,‘消费金额‘]
mon[‘金额占比‘] = mon[‘消费金额‘] / mon[‘消费金额‘].sum()
mon

 

# 打印结果
客户类型	消费金额	金额占比
0	一般客户	825696.0	0.007349
1	新客户	8667808.0	0.077143
2	流失客户	14227744.0	0.126625
3	消费潜力客户	2050506.0	0.018249
4	重要价值客户	8615698.0	0.076679
5	重要价值流失预警客户	3732550.0	0.033219
6	频次深耕客户	31420996.0	0.279644
7	高消费唤回客户	42819846.0	0.381092

6.3 客户类型

result = pd.merge(count,mon,left_on = ‘客户类型‘,right_on = ‘客户类型‘)
result

 

# 打印结果
客户类型	人数	人数占比	消费金额	金额占比
0	高消费唤回客户	7338	0.288670	42819846.0	0.381092
1	流失客户	6680	0.262785	14227744.0	0.126625
2	频次深耕客户	5427	0.213493	31420996.0	0.279644
3	新客户	4224	0.166168	8667808.0	0.077143
4	重要价值客户	756	0.029740	8615698.0	0.076679
5	消费潜力客户	450	0.017703	2050506.0	0.018249
6	重要价值流失预警客户	360	0.014162	3732550.0	0.033219
7	一般客户	185	0.007278	825696.0	0.007349

七：模型封装 ENTER

模型封装，一个回车就能返回结果

import pandas as pd
import numpy as np
import os

os.chdir(‘F:\50mat‘)


#输入源数据文件名
def get_rfm(name = ‘PYTHON-RFM实战数据.xlsx‘):
    # 数据概览
    df = pd.read_excel(name)
    # 数据清洗
    df = df.loc[df[‘订单状态‘] == ‘交易成功‘,:]
    print(‘剔除退款后还剩:%d行‘ % len(df))
    df = df[[‘买家昵称‘,‘付款日期‘,‘实付金额‘]]

    # 构造 R 值，Recency 即每个用户最后一次购买时间距今多少天。
    r = df.groupby(‘买家昵称‘)[‘付款日期‘].max().reset_index()
    r[‘R‘] = (pd.to_datetime(‘2019-7-1‘) - r[‘付款日期‘]).dt.days
    r = r[[‘买家昵称‘,‘R‘]]

    # 构造 F 值，Frequency 即每个用户累计购买频次。
    #引入日期标签辅助列
    df[‘日期标签‘] = df[‘付款日期‘].astype(str).str[:10]

    #把单个用户一天内订单合并
    dup_f = df.groupby([‘买家昵称‘,‘日期标签‘])[‘付款日期‘].count().reset_index()

    #对合并后的用户统计频次
    f = dup_f.groupby(‘买家昵称‘)[‘付款日期‘].count().reset_index()
    f.columns = [‘买家昵称‘,‘F‘]

    # M 值构造，Monetary 客户平均购买金额
    sum_m = df.groupby(‘买家昵称‘)[‘实付金额‘].sum().reset_index()
    sum_m.columns = [‘买家昵称‘,‘总支付金额‘]
    com_m = pd.merge(sum_m,f,left_on = ‘买家昵称‘,right_on = ‘买家昵称‘,how = ‘inner‘)

    #计算用户平均支付金额
    com_m[‘M‘] = com_m[‘总支付金额‘] / com_m[‘F‘]

    rfm = pd.merge(r,com_m,left_on = ‘买家昵称‘,right_on = ‘买家昵称‘,how = ‘inner‘)
    rfm = rfm[[‘买家昵称‘,‘R‘,‘F‘,‘M‘]]


    rfm[‘R-SCORE‘] = pd.cut(rfm[‘R‘],bins = [0,30,60,90,120,1000000],labels = [5,4,3,2,1],right = False).astype(float)
    rfm[‘F-SCORE‘] = pd.cut(rfm[‘F‘],bins = [1,2,3,4,5,1000000],labels = [1,2,3,4,5],right = False).astype(float)
    rfm[‘M-SCORE‘] = pd.cut(rfm[‘M‘],bins = [0,1600,3200,4800,6400,10000000],labels = [1,2,3,4,5],right = False).astype(float)
    
    rfm[‘R是否大于均值‘] = (rfm[‘R-SCORE‘] > rfm[‘R-SCORE‘].mean()) * 1
    rfm[‘F是否大于均值‘] = (rfm[‘F-SCORE‘] > rfm[‘F-SCORE‘].mean()) * 1
    rfm[‘M是否大于均值‘] = (rfm[‘M-SCORE‘] > rfm[‘M-SCORE‘].mean()) * 1

    rfm[‘人群数值‘] = (rfm[‘R是否大于均值‘] * 100) + (rfm[‘F是否大于均值‘] * 10) + (rfm[‘M是否大于均值‘] * 1)

    rfm[‘人群类型‘] = rfm[‘人群数值‘].apply(transform_label)

    count = rfm[‘人群类型‘].value_counts().reset_index()
    count.columns = [‘客户类型‘,‘人数‘]
    count[‘人数占比‘] = count[‘人数‘] / count[‘人数‘].sum()

    rfm[‘购买总金额‘] = rfm[‘F‘] * rfm[‘M‘]
    mon = rfm.groupby(‘人群类型‘)[‘购买总金额‘].sum().reset_index()
    mon.columns = [‘客户类型‘,‘消费金额‘]
    mon[‘金额占比‘] = mon[‘消费金额‘] / mon[‘消费金额‘].sum()

    result = pd.merge(count,mon,left_on = ‘客户类型‘,right_on = ‘客户类型‘)

    return result


#判断R/F/M是否大于均值
def transform_label(x):
    if x == 111:
        label = ‘重要价值客户‘
    elif x == 110:
        label = ‘消费潜力客户‘
    elif x == 101:
        label = ‘频次深耕客户‘
    elif x == 100:
        label = ‘新客户‘
    elif x == 11:
        label = ‘重要价值流失预警客户‘
    elif x == 10:
        label = ‘一般客户‘
    elif x == 1:
        label = ‘高消费唤回客户‘
    elif x == 0:
        label = ‘流失客户‘
    return label

res = get_rfm(name = ‘PYTHON-RFM实战数据.xlsx‘)
res

 

# 打印结果
剔除退款后还剩:889372行

客户类型	人数	人数占比	消费金额	金额占比
0	高消费唤回客户	7338	0.288670	42819846.0	0.381092
1	流失客户	6680	0.262785	14227744.0	0.126625
2	频次深耕客户	5427	0.213493	31420996.0	0.279644
3	新客户	4224	0.166168	8667808.0	0.077143
4	重要价值客户	756	0.029740	8615698.0	0.076679
5	消费潜力客户	450	0.017703	2050506.0	0.018249
6	重要价值流失预警客户	360	0.014162	3732550.0	0.033219
7	一般客户	185	0.007278	825696.0	0.007349




by:一只阿木木

以上是关于90万条数据玩转RFM用户分析模型的主要内容，如果未能解决你的问题，请参考以下文章

数据分析八大模型：详解RFM模型

数据分析实战项目3：RFM用户分群

Python 数据分析实战案例：基于电商销售数据的 RFM 模型构建

Python 数据分析实战案例：基于电商销售数据的 RFM 模型构建

python数据分析实战之用户分析及RFM模型分析

RFM模型与客户生命周期分析