python資料分析：會員資料化運營（中）——RMF分析
阿新 • • 發佈：2018-12-26
何為RFM模型分析
RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。在眾多的客戶關係管理(CRM)的分析模式中，RFM模型是被廣泛提到的。該機械模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢3項指標來描述該客戶的價值狀況。
RFM的含義：
- R（Recency）：客戶最近一次交易時間的間隔。R值越大，表示客戶交易發生的日期越久，反之則表示客戶交易發生的日期越近。
- F（Frequency）：客戶在最近一段時間內交易的次數。F值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。
- M（Monetary）：客戶在最近一段時間內交易的金額。M值越大，表示客戶價值越高，反之則表示客戶價值越低。
RFM分析就是根據客戶活躍程度和交易金額的貢獻，進行客戶價值細分的一種方法。
RFM分析的主要作用：
- 識別優質客戶。可以指定個性化的溝通和營銷服務，為更多的營銷決策提供有力支援。
- 能夠衡量客戶價值和客戶利潤創收能力。
python實現
import time
import numpy as np
import pandas as pd
# 匯入資料
df_raw = pd.read_csv('https://raw.githubusercontent.com/ffzs/dataset/master/sales.csv', index_col='USERID' 
以下是本資料集的4個特徵變數，包括：
- USERID：使用者ID，每個使用者的ID唯一，由純數字組成。
- ORDERDATE：訂單日期，格式為YYYY-MM-DD，例如2016-01-01。
- ORDERID：訂單ID，每個訂單的ID唯一，由純數字組成。
- AMOUNTINFO：訂單金額，浮點型資料。
# 檢視型別
df_raw.dtypes
ORDERDATE object
ORDERID int64
AMOUNTINFO float64
dtype: object
需要將將ORDERID列轉換為字元型別，ORDERDATE轉換為時間格式：
# 將ORDERID列轉換為字元型別
df_raw['ORDERID'] = df_raw.ORDERID.astype('str')
# ORDERDATE轉換為時間格式
df_raw['ORDERDATE'] = pd.to_datetime(df_raw.ORDERDATE)
檢視缺失值：
# 檢視缺失值
df_raw.isnull().sum()
ORDERDATE 2
ORDERID 0
AMOUNTINFO 8
dtype: int64
缺失值佔比小，直接刪除
# 異常值處理
df_raw = df_raw.dropna() # 丟棄帶有缺失值的行記錄
df_raw = df_raw[df_raw['AMOUNTINFO'] > 1] # 丟棄訂單金額<=1的記錄
接下來需要分別計算R、F、M三個原始變數的數值，主要使用的方式是資料框的groupby方法。：
# 計算RFM值
recency_value = df_raw['ORDERDATE'].groupby(df_raw.index).max() # 計算原始最近一次訂單時間
frequency_value = df_raw['ORDERDATE'].groupby(df_raw.index).count() # 計算原始訂單頻率
monetary_value = df_raw['AMOUNTINFO'].groupby(df_raw.index).sum() # 計算原始訂單總金額
#### 分別計算R、F、M得分 ####
# 指定一個時間節點，用於計算其他時間與該時間的距離
deadline_date = pd.datetime(2017, 1,1)
# 計算R間隔
r_interval = (deadline_date - recency_value).dt.days
# 計算R、F、M得分
r_score = pd.cut(r_interval, 5, labels=[5, 4, 3, 2, 1])
f_score = pd.cut(frequency_value, 5, labels=[1, 2, 3, 4, 5])
m_score = pd.cut(monetary_value, 5, labels=[1, 2, 3, 4, 5])
# R、F、M資料合併
rfm_list = [r_score, f_score, m_score] # 將r、f、m三個維度組成列表
rfm_cols = ['r_score', 'f_score', 'm_score'] # 設定r、f、m三個維度列名
rfm_pd = pd.DataFrame(np.array(rfm_list).transpose(), dtype=np.int32, columns=rfm_cols, index=frequency_value.index) # 建立r、f、m資料框
# 計算RFM總得分
# 方法一：加權得分
rfm_pd['rfm_wscore'] = rfm_pd['r_score'] * 0.6 + rfm_pd['f_score'] * 0.3 + rfm_pd['m_score'] * 0.1
# 方法二：RFM組合
rfm_pd_tmp = rfm_pd.copy()
rfm_pd_tmp = rfm_pd_tmp.applymap(lambda x : str(x))
rfm_pd['rfm_comb'] = rfm_pd_tmp.iloc[:,0] + rfm_pd_tmp.iloc[:,1] + rfm_pd_tmp.iloc[:,2]
rfm_pd.sort_values('rfm_comb',ascending=False)[:6]
在方法一中，直接取出資料框的三列（R、F、M）通過乘以特定權重值得到總得分。由於業務方更關注活躍度，認為訪問的鄰近度最重要，因此R的權重比較高，設定為0.6；其次是訪問頻率F設定為0.3；訂單金額M則設定為0.1。然後基於不同的列直接做加權相加，而無需通過迴圈讀出各個元素再做計算。
得分分佈情況：
%matplotlib inline
rfm_pd.rfm_wscore.hist()
rfm_pd.groupby('rfm_comb')['r_score'].count().plot('bar')
案例資料結論
由於在RFM劃分時，將區間劃分為5份，因此可以將這5份區間分別定義了：高、中、一般、差和非常差5個級別，分別對應到R、F、M中的5/4/3/2/1。
基於RFM得分業務方得到這樣的結論：
- 公司的會員中99%以上的客戶消費狀態都不容樂觀，主要體現在消費頻率低R、消費總金額低M。——經過分析，這裡主要由於其中有一個使用者（ID為74270）消費金額非常高，導致做5分位時收到最大值的影響，區間向大值域區偏移。
- 公司中有一些典型客戶的整個貢獻特徵明顯，重點是RFM得分為555的使用者（ID為74270），該使用者不僅影響了訂單金額高，而且其頻率和購買新鮮度和消費頻率都非常高，應該引起會員管理部門的重點關注。
- 由於555的使用者（ID為74270）導致，其他使用者的頻率和消費金額很低，這樣導致其他使用者的頻率和消費總量只能佔1、2, 只有14個分類，可以考慮將74270拿出來直接當成ssssupervip,其他會員再做分析。
參考：
《python資料分析與資料化運營》 宋天龍