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R\F\M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