基于购买行为数据对超市顾客进行市场细分（RFM模型）

 

目录

题目：

一、什么叫RFM?

二、聚类

三、结果分析

---

 

题目：

基于购买行为数据对超市顾客进行市场细分：现有超市顾客购买行为的RFM数据集（数据文件：RFM数据.txt）,请利用各种聚类算法实现顾客群细分。完成下列问题：

1）分析顾客购买行为的RFM数据集中，R\F\M这三个变量有怎样的分布特征？（10分）

2）尝试将购买分成4类，并分析各顾客的购买行为特征。（10分）

3）评价模型，并分析聚成4类是否恰当。（30分）

一、什么叫RFM?

RFM是一种对用户质量进行聚类的模型，对应于三个指标

R(Recency)：用户最近一次消费的时间间隔，衡量用户是否存在流失可能性
F(Frequency)
：用户最近一段时间内累计消费频次，衡量用户的粘性
M（Money)： 用户最近一段时间内累计消费金额，衡量用户的消费能力和忠诚度

二、聚类

# 项目一：电商用户质量RFM聚类分析

from sklearn.cluster import KMeans
from sklearn import metrics
import matplotlib.pyplot as plt
from sklearn import preprocessing

# 导入并清洗数据
data = pd.read_table('RFM数据.txt',sep=" ")
# data=pd.read_table("RFM数据.txt",encoding="gbk",sep=" ")
# data.user_id = data.user_id.astype('str')
print(data.info())
print(data.describe())
X = data.values[:,1:]

# 数据标准化(z_score)
Model = preprocessing.StandardScaler()
X = Model.fit_transform(X)

# 迭代，选择合适的K
ch_score = []
ss_score = []
inertia = []
for k in range(2,10):
    clf = KMeans(n_clusters=k,max_iter=1000)
    pred = clf.fit_predict(X)
    ch = metrics.calinski_harabasz_score(X,pred)
    ss = metrics.silhouette_score(X,pred)
    ch_score.append(ch)
    ss_score.append(ss)
    inertia.append(clf.inertia_)

# 做图对比
fig = plt.figure()
ax1 = fig.add_subplot(131)
plt.plot(list(range(2,10)),ch_score,label='ch',c='y')
plt.title('CH(calinski_harabaz_score)')
plt.legend()

ax2 = fig.add_subplot(132)
plt.plot(list(range(2,10)),ss_score,label='ss',c='b')
plt.title('轮廓系数')
plt.legend()

ax3 = fig.add_subplot(133)
plt.plot(list(range(2,10)),inertia,label='inertia',c='g')
plt.title('inertia')
plt.legend()
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.serif'] = ['SimHei']  # 设置正常显示中文
plt.show()

 

 

 

本次采用3个指标综合判定聚类质量，CH，轮廓系数和inertia分数，第1和第3均是越大越好，轮廓系数是越接近于1越好，综合来看，聚为4类效果比较好

 

CH指标越大，聚类效果越好

clf.inertia_是一种聚类评估指标，我常见有人用这个。说一下他的缺点：这个评价参数表示的是簇中某一点到簇中距离的和，这种方法虽然在评估参数最小时表现了聚类的精细性，但是这种情况会出现划分过于精细的状况，并且未考虑和簇外点的距离最大化，因此，我推荐使用方法二：

 使用轮廓系数法进行K值的选择，在此，我需要解释一下轮廓系数，以及为何选用轮廓系数作为内部评价的标准，轮廓系数的公式为：S=(b-a)/max(a,b)，其中a是单个样本离同类簇所有样本的距离的平均数，b是单个样本到不同簇所有样本的平均。

# 根据最佳的K值，聚类得到结果
model = KMeans(n_clusters=4,max_iter=1000)
model.fit_predict(X)
labels = pd.Series(model.labels_)
centers = pd.DataFrame(model.cluster_centers_)
result1 = pd.concat([centers,labels.value_counts().sort_index(ascending=True)],axis=1) # 将聚类中心和聚类个数拼接在一起
result1.columns = list(data.columns[1:]) + ['counts']
print(result1)
result = pd.concat([data,labels],axis=1)   # 将原始数据和聚类结果拼接在一起
result.columns = list(data.columns)+['label']  # 修改列名
pd.options.display.max_columns = None  # 设定展示所有的列
print(result.groupby(['label']).agg('mean')) # 分组计算各指标的均值

 

 

# 对聚类结果做图

fig = plt.figure()
ax1= fig.add_subplot(131)
ax1.plot(list(range(1,5)),result1.R,c='y',label='R')
plt.title('R指标')
plt.legend()
ax2= fig.add_subplot(132)
ax2.plot(list(range(1,5)),result1.F,c='b',label='F')
plt.title('F指标')
plt.legend()
ax3= fig.add_subplot(133)
ax3.plot(list(range(1,5)),result1.M,c='g',label='M')
plt.title('M指标')
plt.legend()
plt.show()

三、结果分析

1.流失顾客：消费周期长、消费次数少、消费能力几乎为零       

2.活跃顾客：消费周期短、消费次数多、消费能力强

3.VIP顾客：消费周期一般、消费次数一般、消费能力非常强

4.闲逛顾客：消费周期一般、消费次数少、消费能力一般

 

 

 

 

 

1.流失顾客：消费周期长、消费次数少、消费能力几乎为零       

2.vip顾客：消费周期短、消费次数多、消费能力非常强

3.普通顾客：消费周期一般、消费次数一般、消费能力一般