如何利用SQL创建RFM用户分析模型

   RFM用户分析模型究竟是什么？在之前的博客已经介绍了它的意义以及如何在现有的数据的情况下，利用Pandas创建分析模型，这里不再重复，详细可以参考我博客https://blog.csdn.net/weixin_48591974/article/details/116192534

   这一期将详细介绍如何利用SQL直接获取所需的数据去创建RFM用户分析模型。SQL ---- Structured Query Language（结构化查询语言 ），它是一种专门用来与数据库沟通的语言，提供了很多从数据库中高效地读写数据、查询数据的方法。常用的DBMS(数据库管理软件) 有 MySQL、Access、SQLite、SQL SERVER、Oracle 等等。

Recency：最近一次消费，即上一次交易距今多少天，反应了客户是否流失；

Frequency：消费频率，一段时间内客户的消费频率，反应了客户的消费活跃度；

Monetary：消费金额，一段时间内客户消费总金额，反应了客户价值

根据 RFM 这 3个 Dimension，可以分为8种客户类型，如下图：

   以下将简单介绍3个指标值的计算方法：

   F 值的计算：例如要计算 子表 orders 里 user_id 为 8002011的值。

   统计数据行数，我们可以使用 count() 函数完成，最后得出 F值为 3

SELECT  count(*)    AS F
FROM    orders
WHERE   user_id = 8002011;

   M 值的计算： 使用 sum() 函数将计算字段 price * amount 所有行加起来就得出 user_id 8002011 总消费金额为 13000

SELECT  sum(price * amount) AS M
FROM    orders
WHERE   user_id = 8002011;

   R 值的计算：在orders表中，可见时间是以 Integer 类型存在，也就是以格兰威治秒数（Unix时间戳）类型存在，指的是从1970年1月1日开始计算的秒数。关于时间戳和日期转换方法，可以运用 python的 datetime module 去实现转换。例如今天（2024-01-12）所对应的时间戳经过转换为 1704988800（秒），因此可以用这数值减去最近一次消费的日期，最后转换成天数，就知道 user_id 8002011最近一次消费距离今天为多少天。

SELECT (1704988800 - max(pay_time)) / (24 * 60 * 60) AS R,
FROM    orders
WHERE   user_id = 8002011;

   有了以上对3个指标的计算方法，以下就继续介绍各种方法进行分析。假设有如下总的数据表（更多数据行省略…）

   首先通过GROUP BY 子句，将原数据进行 分组，再通过聚合函数把字段组合相同的行划分为同一组。具体语法如下：

SELECT user_id  AS 用户ID,
       user_name AS 用户昵称,
       (1704988800 - max(pay_time)) / (24 * 60 * 60) AS R,
       count(user_id) AS F,  
       sum(price * amount) AS M
FROM   orders
GROUP BY user_id;

   这样就可以把每位用户的 RFM 值都计算出来了。

   刚才根据 R、F、M 维度表现的高与低，把用户分划分为 8 类，我们可以选择中位数作为区分高、低的依据。

   数据表 orders 共包含 21名用户数据。所以如果我们想获取中位数，查询语句需要写成 LIMIT 10, 1 由于21的中位数为 11， 因此 LIMIT 语句的第1个参数为 10，第2个参数为返回1行的结果，那就是中位数的值。

   获取 R 的中位数： 结果为32

SELECT (1704988800 - max(pay_time)) / (24 * 60 * 60) AS R
FROM   orders
GROUP BY user_id
ORDER BY R
LIMIT 10,1;

   获取 F 的中位数： 结果为3

SELECT count(user_id) AS F
FROM   orders
GROUP BY user_id
ORDER BY F
LIMIT 10,1;

   获取 M 的中位数： 结果为 36500

SELECT sum(price * amount) AS M
FROM   orders
GROUP BY user_id
ORDER BY M
LIMIT 10,1;

   接着，以如何获得 “新用户” 和 "流失用户"为例去继续编写语句分析。以上已经得出 R、F、M 的中位数。由于R（最近一次消费）的值越小，说明用户越活跃，因此低于 32 的被划分为 R 水平 高，反之为 R 水平 低。同理，我们可以得出 F 和 M 的划分方法， F：低于 3 为水平 低，反之为 高；M：低于 36500 为水平 低，反之为 高。

   HAVING 子句在用法上和 WHERE 子句非常相似，它们都能够根据指定条件筛选数据，也可以使用我们在 SELECT 子句中定义的字段别名。不同之处在于，WHERE 子句作用于原数据表，用来筛选 行；而 HAVING 子句作用于分组结果，用来筛选 分组。所以在编写语句时，必须区分好。

SELECT user_id  AS 用户ID,
       user_name AS 用户昵称,
       (1704988800 - max(pay_time)) / (24 * 60 * 60) AS R,
       count(user_id) AS F,  
       sum(price * amount) AS M
FROM   orders
GROUP BY user_id
HAVING R <=32
   AND F < 3
   AND M < 36500;

   得出"新用户" 数据表：

SELECT user_id  AS 用户ID,
       user_name AS 用户昵称,
       (1704988800 - max(pay_time)) / (24 * 60 * 60) AS R,
       count(user_id) AS F,  
       sum(price * amount) AS M
FROM   orders
GROUP BY user_id
HAVING R > 32
   AND F < 3
   AND M < 36500;

   得出"流失用户" 数据表：

   同理，其它6个维度的客户分析也是同样编写相对应的条件语句进行筛选。对于在众多的用户中如何可以快速、科学地分类，尤其前5个维度，对于每个商业行业有着重要的作用，也是掌握企业命运的风向标。