【Python_002】RFM人群模型 X Kmeans 聚类算法

数据分析中常用RFM分析消费者人群，但常见RFM是用均值区分。 均值区分与利用Kmeans区别在于前者人为划定R、F、M高低界限（以均值为界限），后者为通过不断迭代确定界限（不过两者对于异常点都较为敏感）

RFM模型

首先介绍一下RFM模型

R – Recency 最近一次消费的时间
F – Frequency 一段时间内的消费频次
M – Monetary 一段时间内的消费金额

RFM模型主要用来划分客户/消费者，通过上述三个指标衡量客户/消费者价值

每个指标都分为0和1两档，1就是高，0就是低。把人群划分为2 * 2 * 2=8种：

上图源于百度百科

具体分类：
111 – 重要价值人群
101 – 重要发展人群
011 – 重要保持人群
001 – 重要挽留人群
110 – 一般价值人群
100 – 一般发展人群
010 – 一般保持人群
000 – 一般挽留人群

具体应用：
最简单的例子，淘宝店给你发短信推送，开头到底是说“亲，好久不见” （例如针对重要保持人群和重要挽留人群），还是说“尊敬的VIP用户”（例如针对重要价值恩群），就可以靠RFM实现。

还可以通过RFM模型对不同人群做不同类型的促销来实现引流，提高复购率。

KMeans 聚类算法

什么是聚类

先说一下聚类的概念

相似的对象通过静态分类的方法分成不同的组别或者更多的子集（subset），这样让在同一个子集中的成员对象都有相似的一些属性

一句话概括就是：物以类聚，人以群分

Kmeans 常用距离作为组内判断依据，也就是看每个样本点离各组组内中心的距离，离哪个组中心更近，该样本点就属于哪组

算法原理

1. 先设定组数，也就是k到底等于几 （K必须事先给定，对于事先不知道需要划分成机组的数据集来说，这是Kmeans的缺点之一）

2. 随机选取k个点，作为每组初始中心（因为之后需要不断迭代，所以最开始的随机点的位置并不是很重要）

3. 计算每个样本点到各组初始中心的距离，把样本点分到最近的初始中心，这样形成了初始的K组

4. 重新计算组内中心（以当前组内样本点的均值作为计算依据）

5. 重复第三步与第四步，直到每个样本点不再有变化为止，或者达到指定的迭代次数

代码实现

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from mpl_toolkits.mplot3d import Axes3D 

#读取数据
user_data = pd.read_excel("RFM X Kmeans data.xlsx")
X = user_data.values[:,1:]
# y是为了把object转成float 方便后续画图
figdata = pd.DataFrame(X.astype(float).round(3),columns=['Recency','Frequency','Monetary'])

#设定组数
k = 8
model = KMeans(n_clusters=k)
result = model.fit(X)

#每行数据被分到的组存在labels_属性中
label = model.labels_

''' 以下几行代码只是为了看一下每组质心以及每组数量
centroids =model.cluster_centers_
group = pd.Series(model.labels_,name ='user_cnt').value_counts()
client = pd.DataFrame(centroids.round(3),columns = ['Recency','Frequency','Monetary'])
client = pd.merge(client,group,left_index=True,right_index=True,how='left')
'''

R = figdata['Recency']
F = figdata['Frequency']
M = figdata['Monetary']

colors = ['red','darkorange','teal','gold','plum','pink','skyblue','sandybrown']

clist = []
for i in label:
    clist.append(colors[i%8]) 
  
#绘制散点图
fig = plt.figure()
ax = Axes3D(fig)
ax.scatter(R,F,M,c=clist)

数据源展示

效果图展示：