【如何R实现聚类算法及3D可视化展示】：kmeans聚类方法在用户价值细分上的应用
Author : QQ Zhou
大家应该很熟悉RFM模型，这是在做用户价值细分常用的方法。主要涵盖的指标有R（Recency）;消费频率（Frequency）;消费金额(Monetary)；RFM模型在用户价值细分上具有很强的解释性和可操作性。但以下为了展示R是如何聚类算法及可视化。我们姑且用R、F、M三个指标聚类得出具有实用性和解释性的结论。
数据见文章最后。
步骤一：读入数据，查看数据。
#在此，我将原始数据存放在桌面，命名为customer_data.csv
#读入数据
customer_data=read.csv("C:\\Users\\Administrator\\Desktop\\customer_data.csv",header=TRUE)
#更改名称
names(customer_data)<-c("cust_id","total_amt","cnt","datetime")
#cust_id为用户id,total_amt是用户在指定时间内的总消费金额,cnt是用户在制定时间内的总消费次数,datetime为用户最近一次购买商品的时间
#查看数据
head(customer_data)
步骤二：数据处理
- 原始数据做变换，比如在此我们需要将最近一次访问时间（datetime）处理成最近一次访问时间到当前的时间间隔，即代表用户目前是否活跃
- 去变量之间的相关性（线性变换、主成分分析等）
- 去异常值
#原始数据变换
#将最近一次访问时间处理成最近一次访问时间到当前的时间间隔，代表该用户是否最近有购买记录（即目前是否活跃）
customer_data$datetime<-as.character.Date(customer_data$datetime)
customer_data$tm_intrvl=as.numeric(max(as.Date(customer_data$datetime,format="%Y%m%d"))-as.Date(customer_data$datetime,format="%Y%m%d"))+1
#去变量之间的相关性（在此做线性变换）
#先检查是否有相关性
cor(customer_data[,c("total_amt","cnt","tm_intrvl")])
#除去变量的相关性
customer_data$avg_amt<-round(customer_data$total_amt/customer_data$cnt,2)
#查看结果，变量之间相关系数较小，可以认为变量间无明显相关关系
cor(customer_data[,c("avg_amt","cnt","tm_intrvl")])
结果：
#去异常值
#因为kmeans受异常值影响很大，所以先要剔除这些异常值或对异常值先定义类别
summary(customer_data[,c("avg_amt","cnt","tm_intrvl")])
Q1=quantile(customer_data$avg_amt,0.99)
data=customer_data[customer_data$avg_amt<=Q1,]
plot(customer_data$avg_amt)
plot(customer_data$cnt)
plot(customer_data$tm_intrvl)
#由于上述平均金额变异比较大，所以先去除了该变量的异常值，然后再做聚类。在此去除异常并非这个用户异常，而是改善聚类结果。最后需要给这些“异常用户”做业务解释。
如超重要级用户等。
#归一化处理 (最大值最小值化、正态标准化)
scale=function(x){
max=max(x)
min=min(x)
scale=(x-min)/(max-min)
return(scale)
}
scale_reverse=function(x){
max=max(x)
min=min(x)
scale_reverse=(max-x)/(max-min)
return(scale_reverse)
}
#kmeans
scale_data=data.frame(sapply(customer_data[customer_data$avg_amt<=Q1,][,c("avg_amt","cnt")],scale),
tm_intrvl=scale_reverse(customer_data[customer_data$avg_amt<=Q1,][,c("tm_intrvl")]))
head(scale_data)#查看前六条数据
summary(scale_data)#查看各个字段的1/4分位数、平均数、3/4分位数、最大值和最小值
nrow(scale_data)#查看数据有多少行，在此由于去异常值时去掉了一个异常点，目前数据量为99
步骤三：完成上述处理，我们就可以开始kmeans聚类了。
#kmeans聚类
set.seed(1234)
ks=kmeans(scale_data,3,iter.max=50)
result=data.frame(customer_data[customer_data$avg_amt<=Q1,][,c("cust_id","avg_amt","cnt","tm_intrvl")],cluster=ks$cluster)
#查看聚类结果
prop.table(table(ks$cluster))
#查看类中心
#install.packages(dplyr)
library(dplyr)
data.frame(result%>%group_by(cluster)%>%summarise(avg_amt=mean(avg_amt),avg_cnt=mean(cnt),avg_intrvl=mean(tm_intrvl)))
聚类结果如下：
步骤四：聚类结果3D可视化展示
#在此
#install.packages("scatterD3")
#library(scatterD3)
scatterD3(data=result,x=tm_intrvl,y=avg_amt,lab=cluster,col_var=cluster,symbol_var=cluster,size_var= cnt)
#x轴为最近一次访问时间间隔，y轴为平均消费金额，形状大小代表用户访问频率高低。不同颜色代表不同类别。
步骤四：解释
| 类别 | 占比 | 描述 |
| 第一类：高价值用户 | 32.3% | 购买频率高（平均4次）；消费金额较高（平均1400元）；最近一周有过购买行为，这部分用户需要大力发展。 |
| 第二类：中价值用户 | 48.5% | 购买频率中等（平均2.4次）；消费金额较高（平均1400）；最近一个月有个购买行为，这部分用户可以适当诱导购买。 |
| 第三类：高价值挽留用户 | 19.2% | 购买频率高（平均2次）；消费金额较高（平均2667元）；较长时间没有购买行为，这部分客户需要尽量挽留 |
附录：数据
cust_id fnd_rdm_amt_thr_mnth fnd_rdm_cnt_thr_mnth fnd_lst_trd_dt
2344567 1100.51 2 20161020
2344568 2003.47 2 20161020
2344569 297.91 2 20161014
2344570 300.02 2 20161012
2344571 198.48 2 20161019
2344572 4003.07 3 20161020
2344573 4003.07 3 20161020
2344574 393.39 2 20160929
2344575 611.3 3 20161013
2344576 597.73 2 20161013
2344577 399.32 2 20160929
2344578 20026.55 2 20161018
2344579 1997.57 2 20160922
2344580 3202.77 3 20161013
2344581 597.72 2 20160929
2344582 600.04 3 20161014
2344583 3995.11 2 20160922
2344584 3995.11 2 20160922
2344585 3984.27 2 20160922
2344586 7003.05 3 20160926
2344587 2001.23 2 20160927
2344588 2001.23 2 20160919
2344589 2094.91 3 20160919
2344590 2964.5 4 20160926
2344591 1982.58 2 20160909
2344592 3000.62 2 20160920
2344593 4000 2 20160922
2344594 5003.06 2 20160919
2344595 2098.71 3 20160927
2344596 196.44 2 20160920
2344597 401.46 2 20161011
2344598 20007.34 5 20161020
2344599 2001.23 2 20160922
2344600 2961.03 2 20160921
2344601 3997.09 2 20160920
2344602 1491.21 2 20161013
2344603 4105.47 5 20161018
2344604 1998.17 2 20160913
2344605 497.28 2 20160909
2344606 2306.61 2 20160927
2344607 9006.76 5 20161021
2344608 5982.51 3 20160929
2344609 2199.46 2 20161020
2344610 1088.6 2 20160920
2344611 3991.01 3 20160920
2344612 2000.01 2 20160908
2344613 501.79 3 20161017
2344614 15002.45 5 20161013
2344615 601.1 2 20161011
2344616 2986.69 2 20160919
2344617 2012.68 2 20160930
2344618 1500.5 2 20160907
2344619 3988.51 3 20160919
2344620 20010.44 2 20160905
2344621 20002.57 2 20160902
2344622 5266.72 4 20161017
2344623 5266.72 4 20161017
2344624 7801.58 2 20161011
2344625 294.18 2 20160829
2344626 972.54 2 20160824
2344627 1978.62 2 20160908
2344628 694.73 2 20160905
2344629 1196.04 2 20160908
2344630 4451.68 4 20160920
2344631 2010.49 2 20160919
2344632 2994.46 2 20160930
2344633 1000.37 2 20160829
2344634 3199.49 3 20160922
2344635 6023.75 3 20160908
2344636 1296.24 12 20161019
2344637 4003.67 3 20160926
2344638 4001.54 2 20160919
2344639 4000.61 3 20160923
2344640 4001.83 3 20160919
2344641 5999.42 3 20160921
2344642 4975.83 4 20160927
2344643 12052.96 5 20161021
2344644 5010.82 2 20160907
2344645 3001.22 2 20161013
2344646 2992.68 3 20160923
2344647 4002.45 2 20160919
2344648 5938.52 2 20160822
2344649 4001.83 3 20160919
2344650 7141.16 2 20160928
2344651 26010.8 16 20161020
2344652 9102.11 7 20161019
2344653 1225.07 2 20160831
2344654 6168.28 3 20160919
2344655 2997.94 3 20161011
2344656 2972.38 2 20160907
2344657 4303.51 2 20160823
2344658 4100.16 4 20161018
2344659 2001.23 2 20160919
2344660 11594.24 10 20161020
2344661 12039.49 2 20160922
2344662 1494.97 2 20160913
2344663 954.77 2 20160927
2344664 6006.78 3 20160922
2344665 25755.7 2 20160906
2344666 60201.48 2 20161011