用python轻松实现数据分析中的RFM建模
共 8649字，需浏览 18分钟
· 2021-04-12
今天给大家分享的是如何用python实现RFM建模。
RFM模型的含义
详细来说，R指的是客户最后一次下单时间距离今天多少天了，该指标与客户的复购和流失直接相关。F指标指的是客户的下单频率，即客户在某个时间段内共消费了多少次，该指标用于衡量客户消费的活跃度。M指标指的是客户在该时间段内共消费了多少钱，该指标用于反应客户对于公司的贡献值。
RFM分析的前提条件：
最近有过交易行为的客户，再次发生交易行为的可能性高于最近没有交易行为的客户。
交易频率高的客户，比交易频率低的客户，更有可能再次发生交易行为。
过去所有交易总金额较大的客户，比过去所有交易总金额较小的客户，更有消费积极性。
原始数据
原始数据集在这里先展示一下，让你对这个数据有一个主观印象。
（点击放大）
数据处理
1）什么是R、F、M呢？
“R”表示最近一次消费时间距离今天共有多少天。什么是最近一次消费时间呢？如果同一个人在不同时间有不同多个订单，那么该时间距离当前时间的差值的最小值，就是最近一次消费时间。
“F”表示某个人一段时间内的消费频次。
“M”表示一段时间内的消费总额。
2）熟悉数据集
熟悉数据集，就是在进行数据处理之前，应该先熟悉数据，只有对数据充分熟悉之后，才能更好的进行分析。
熟悉数据常用的方法和属性有shape、head()、tail()、sample()、info()、describe()。
df = pd.read_excel(r"C:\Users\黄伟\Desktop\RFM_Model\RFM.xlsx")
display(df.shape)
display(df.sample(5))
结果如下：
从上述结果中可以发现：这笔数据总共有28833行条记录，12列。观察上图，可以清楚地看到每一列数据代表什么含义。
3）保留有效数据
针对此数据集，我们先说一下什么是“有效数据”。“有效数据”指的就是有效购买，也就是说对应的“订单状态”字段显示的是“交易成功”，对于“退款”的记录，我们就直接将这个数据剔除掉。
display("剔除之前共有："+ str(df.shape[0]) + "条记录")
df = df[df["订单状态"]=="交易成功"]
display("剔除之后共有："+ str(df.shape[0]) + "条记录")
结果如下：
4）选取有效字段
通过上面的分析，我们知道了“R”、“F”、“M”三个指标的概念。鉴于此，我们只需要选取"买家昵称",“付款时间”,"实付金额"这三个字段，用于RFM模型的构建，其余字段用处不大，因此删除其余字段。
df1 = df[["买家昵称","付款时间","实付金额"]]
df1.index = np.arange(df1.shape[0])
display(df1.shape)
display(df1.head())
结果如下：
5）缺失值处理
df1.isnull().sum(axis=0)
结果如下：
从上述结果中可以发现：各字段中没有缺失值，因此不需要做任何处理。
RFM建模过程
1）计算RFM三个指标
① 增加“天数”字段，用于计算“R”指标
针对上述“R”、“F”、“M”三个指标的概念，我们对数据做一定的处理。由于 “R”表示的是最近一次消费时间距离今天共有多少天。但是数据集中只有每一天的“付款时间”字段。因此计算RFM指标之前，需要事先添加一个“天数”字段，求出每个“付款时间”距今共有多少天。“天数”越小，就表示最近一次的消费时间。
然后针对上述处理后的数据，做一个数据透视表。以“买家昵称”作为分组字段，对“天数”求最小值；对“付款昵称”计数；对“实付金额”求和，就可以得到我们想要的RFM三个指标。
df1["付款时间"] = pd.to_datetime(df1["付款时间"])
df1["天数"] = (pd.to_datetime("today")-df1["付款时间"]).dt.days
display(df1.sample(10))
结果如下：
② 计算RFM三个指标
df2 = pd.pivot_table(df1,index="买家昵称",
values=["买家昵称","天数","实付金额"],
aggfunc={"买家昵称":"count","天数":"min","实付金额":"sum"})
df2 = df2[["天数","买家昵称","实付金额"]]
df2.columns = ["R","F","M"]
df2.reset_index()
display(df2.shape)
display(df2.head(10))
结果如下：
2）用户分层打分
通过上述分析，我们已经得到了每一个用户的“R”、“F”、“M”值。接下来要做的，就是给每一个用户进行分层。这里我们需要建立一个评判标准，由于RFM模型本身就是需要根据不同场景和业务需求来建立的，因此这个分层标准，也是需要我们沟通业务后，得到最后的分层标准。
以R指标为例进行说明，根据上表我们知道，R表示每个用户最后一次购买时间距离今天共经历了多少天。当这个值越小，说明用户近期又回购了此产品；当这个值越大，说明用户已经好久没有再次购买产品了，这个用户很有可能流失掉了(猜测)。
基于上述分析，我们采用通用的5分制打分法，对RFM进行分类打分。
说明：由于这个数据集时间较早，因此计算出来的最近一次购买时间距离今天的天数，会特别大，但是没有关系，我们演示这个案例只是为了说明RFM模型的建模过程，实际中，肯定是过几个月进行一次RFM建模是比较好的，这里你只需要知道原理就好。
对于R指标来说：我们可以求出，R指标最小值是660天，我们以30天作为时间间隔，660-690天，打5分；690-720，打4分；720-750打3分；750-780打2分；>780，打1分。
对于F指标来说：我们可以求出，F指标最小值是1次，我们以1次作为时间间隔，0-2，打1分；2-3，打2分；3-4，打3分；4-5，打4分；>5，打5分。
对于M指标来说：我们可以求出，M指标最小值是0.005元，我们以500元作为时间间隔，0-50，打1分；50-100，打2分；100-150，打3分；150-200，打4分；>200，打5分。
至此，我们已经建立好了打分标准，下面我们开始对每个用户进行分类打分。
def func1(x):
if x>=660 and x<690:
return 5
elif x>=690 and x<720:
return 4
elif x>=720 and x<750:
return 3
elif x>=750 and x<780:
return 2
elif x>=780:
return 1
def func2(x):
if x>=0 and x<2:
return 1
elif x>=2 and x<3:
return 2
elif x>=3 and x<4:
return 3
elif x>=4 and x<5:
return 4
elif x>=5:
return 5
def func3(x):
if x>=0 and x<50:
return 1
elif x>=50 and x<100:
return 2
elif x>=100 and x<150:
return 3
elif x>=150 and x<200:
return 4
elif x>=200:
return 5
df2["R-SCORE"] = df2["R"].apply(func1)
df2["F-SCORE"] = df2["F"].apply(func2)
df2["M-SCORE"] = df2["M"].apply(func3)
df2.sample(10)
结果如下：
3）用户贴标签
前面的步骤中，我们已经根据业务需求，对RFM指标进行了分类打分，得到了R-SCORE、F-SCORE、M-SCORE三个指标。接下来，我们需要给每个用户贴标签，这里有两种方式可以进行用户贴标签。
第一种：根据业务场景和业务来分配全重，对于RFM这3个指标，你更看重哪个指标，就赋予它相应较大一点的权重，比如说赋予的权重是3：1：2。
第二种：完全根据单独的RFM标签来计算，比如说：R-SCORE>avg(R-SCORE)、F-SCORE>avg(F-SCORE)、M-SCORE>avg(M-SCORE)，表示一个客户近期有购买，购买频率高于所有客户平均购买频率，购买金额高于所有客户的平均购买金额，因此我们贴上一个“重要挽留客户”的标签。
下面以第二种方法进行说明。根据上述叙述，每个指标有两种情况，要么>avg()，要么<avg()。由排列组合的知识，共有8种组合情况，当指标>avg()，我们记为1；当指标<avg()，我们记为0。因此可以得到如下的二维表格。
① 第一步
avg_r = df2["R-SCORE"].mean()
avg_f = df2["F-SCORE"].mean()
avg_m = df2["M-SCORE"].mean()
display(avg_r,avg_f,avg_m)
结果如下：
② 第二步
def func1(x):
if x>avg_r:
return 1
else:
return 0
def func2(x):
if x>avg_f:
return 1
else:
return 0
def func3(x):
if x>avg_m:
return 1
else:
return 0
df2["R-SCORE是否大于均值"] = df2["R-SCORE"].apply(func1)
df2["F-SCORE是否大于均值"] = df2["F-SCORE"].apply(func1)
df2["M-SCORE是否大于均值"] = df2["M-SCORE"].apply(func1)
display(df2.sample(10))
结果如下：
③ 第三步
def functions(x):
if x.iloc[0]==1 and x.iloc[1]==1 and x.iloc[2]==1:
return "重要价值客户"
elif x.iloc[0]==1 and x.iloc[1]==1 and x.iloc[2]==0:
return "潜力客户"
elif x.iloc[0]==1 and x.iloc[1]==0 and x.iloc[2]==1:
return "重要深耕客户"
elif x.iloc[0]==1 and x.iloc[1]==0 and x.iloc[2]==0:
return "新客户"
elif x.iloc[0]==0 and x.iloc[1]==1 and x.iloc[2]==1:
return "重要唤回客户"
elif x.iloc[0]==0 and x.iloc[1]==1 and x.iloc[2]==0:
return "一般客户"
elif x.iloc[0]==0 and x.iloc[1]==0 and x.iloc[2]==1:
return "重要挽回客户"
elif x.iloc[0]==0 and x.iloc[1]==0 and x.iloc[2]==0:
return "流失客户"
df2["标签"] = df2[["R-SCORE是否大于均值","F-SCORE是否大于均值","M-SCORE是否大于均值"]].apply(functions,axis=1)
df2.sample(10)
结果如下：
4）可视化展示
① 绘制不同类型客户的人数对比
df3 = df2.groupby("标签").agg({"标签":"count"})
df3["不同客户的占比"] = df3["标签"].apply(lambda x:x/np.sum(df3["标签"]))
df3 = df3.sort_values(by="标签",ascending=True)
plt.figure(figsize=(6,4),dpi=100)
x = df3.index
y = df3["标签"]
plt.barh(x,height=0.5,width=y,align="center")
plt.title("不同类型客户的人数对比")
for x,y in enumerate(y):
plt.text(y+450,x,y,ha="center",va="center",fontsize=14)
plt.xticks(np.arange(0,10001,2000))
plt.tight_layout()
plt.savefig("不同类型客户的人数对比",dpi=300)
结果如下：
② 绘制不同类型客户人数占比图
df3 = df2.groupby("标签").agg({"标签":"count"})
df3["不同客户的占比"] = df3["标签"].apply(lambda x:x/np.sum(df3["标签"]))
df3 = df3.sort_values(by="标签",ascending=True)
plt.figure(figsize=(7,4),dpi=100)
x = df3["不同客户的占比"]
labels = ['潜力客户', '一般客户', '重要价值客户', '重要唤回客户', '重要深耕客户', '新客户', '重要挽回客户', '流失客户']
colors = ['#9999ff','#ff9999','#7777aa','#2442aa','#dd5555','deeppink','yellowgreen','lightskyblue']
explode = [0,0,0,0,0,0,0,0]
patches,l_text = plt.pie(x,labels=labels,colors=colors,
explode=explode,startangle=90,counterclock=False)
for t in l_text:
t.set_size(0)
plt.axis("equal")
plt.legend(loc=(0.001,0.001),frameon=False)
plt.title("不同类型客户人数占比图")
plt.savefig("不同类型客户人数占比图",dpi=300)
结果如下：
③ 绘制不同类型客户累计消费金额
df3 = df2.groupby("标签").agg({"M":"sum"})
df3["M"] = df3["M"].apply(lambda x:round(x))
df3["不同客户的占比"] = df3["M"].apply(lambda x:x/np.sum(df3["M"]))
df3 = df3.sort_values(by="M",ascending=True)
plt.figure(figsize=(6,4),dpi=100)
x = df3.index
y = df3["M"]
plt.barh(x,height=0.5,width=y,align="center")
plt.title("不同类型客户累计消费金额")
for x,y in enumerate(y):
plt.text(y+45000,x,y,ha="center",va="center",fontsize=14)
plt.xticks(np.arange(0,700001,100000))
plt.tight_layout()
plt.savefig("不同类型客户累计消费金额",dpi=300)
结果如下：
④ 绘制不同类型客户金额占比图
df3 = df2.groupby("标签").agg({"M":"sum"})
df3["M"] = df3["M"].apply(lambda x:round(x))
df3["不同客户的占比"] = df3["M"].apply(lambda x:x/np.sum(df3["M"]))
df3 = df3.sort_values(by="M",ascending=True)
plt.figure(figsize=(7,4),dpi=100)
x = df3["不同客户的占比"]
labels = ['潜力客户', '一般客户', '重要价值客户', '重要唤回客户', '重要深耕客户', '新客户', '重要挽回客户', '流失客户']
colors = ['#9999ff','#ff9999','#7777aa','#2442aa','#dd5555','deeppink','yellowgreen','lightskyblue']
explode = [0,0,0,0,0,0,0,0]
patches,l_text= plt.pie(x,labels=labels,colors=colors,
explode=explode,startangle=90,counterclock=False)
for t in l_text:
t.set_size(0)
plt.axis("equal")
plt.legend(loc=(0.001,0.001),frameon=False)
plt.title("不同类型客户金额占比图")
plt.savefig("不同类型客户金额占比图",dpi=300)
结果如下：
结论
① 通过上面的可视化展示可以发现，重要挽回客户7102人，虽然只占总人数的28%，但是他们的累计消费金额却是最高的，达到了639763元。重要挽回客户指的是“做出最大购买，但很久没有回来购买”，这一部分人已经濒临流失边缘，极大可能会流失，但是这一部分人对于公司的实际贡献来说，具有很大价值。因此可以采取重点联系或拜访的形式，调查回购率低的原因，从而提高留存率。
② 通过上面的可视化展示可以发现，新客户5002人，也占总人数的20%，他们的累计消费金额也达到了134085元。这一部分人最近有交易，交易频率不高，金额小，很容易丢失，但是有推广价值。针对这一部分群体，我们可以采取社区活动这种形式，提供免费试用产品，提高客户兴趣，对于创建品牌知名度很有必要。
③ 通过上面的可视化展示可以发现，流失客户8601人，具有最大占比34%，他们的累计消费金额也达到了200854元。流失客户表示最后一次购买的时间很长，金额小，订单数少，属于冬眠客户。针对上面的新客户和这里的流失客户的处理有两种办法，如果说这部分人的消费金额较大，对公司的价值较大，就需要想办法恢复这部分客户的兴趣；如果说这部分人的消费金额较小，暂时放弃无价值用户，主要将运营的中心放在如何留住核心收入来源的客户群体之上，以及通过各种方式召回“重要挽回客户”。
下载数据
通过如果对文中数据集感兴趣，可以在公众号后台回复“RFM”获取
扫描二维码