基于RFM 模型的 Python 实战分析

一、RFM 模型介绍

RFM模型是根据客户活跃程度和交易金额的贡献，进行客户价值细分的一种用户分类方法。

• R（Recency）——最近一次交易时间间隔。基于最近一次交易日期计算的得分，距离当前日期越近，得分越高。如5分制反映客户交易活跃度较高。
• F（Frequency）——客户在最近一段时间内交易次数。基于交易频率计算的得分，交易频率越高，得分越高。如5分制反映客户交易频次较高。
• M（Monetray）——客户最近一段时间内交易金额。基于交易金额计算的得分，交易金额越高，得分越高。如5分制反映客户交易金额较高。

以上三个指标对客户进行 每个维度的1-5 分打分，会将每个维度细分出5类，这样就能够细分出共5x5x5=125类用户。

但一般来说125类用户已超出普通人脑的计算范畴了，更别说针对125类用户量体定制营销策略。

在本次实战中，我们只把每个维度做一次两分，即在每个维度上取平均值，高于平均值取 1，低于平均值取 0。

这样在3个维度上我们得到了2* 2*2=8类用户。

用户分类	R 分类	F 分类	M 分类	解读
重要价值客户	1	1	1	最近消费、高频、高消费
消费潜力客户	1	1	0	最近消费、高频、低消费
频次深耕客户	1	0	1	最近消费、低频、高消费
新客户	1	0	0	最近消费、低频、低消费
重要价值流失预警客户	0	1	1	最近未消费、高频、高消费
一般客户	0	1	0	最近未消费、高频、低消费
高消费换回客户	0	0	1	最近未消费、低频、高消费
流失客户	0	0	0	最近未消费、低频、低消费

基于这 8 类用户，我们再进行用户营销策略制定，显而易见会容易许多。

二、数据导入与清洗

1.相关包导入

先对相关包进行导入，将数据导入 Python：

import pandas as pd
import numpy as np
df=pd.read_csv('RMF_Model_Data.csv')

2.查看字段定义

查看数据表中相关字段及其含义：

df.columns

由于本次数据只需提取已完成的订单，故对【订单状态】查看其状态：

a=df.groupby('订单状态')['订单编号'].count().reset_index()

3.提取有用字段

由上可知：数据表中订单存在3种类型状态，订单未支付、订单支付未评价、订单已支付已评价。

上述 3 种订单均为已完成的订单，故无需对订单状态字段进行处理。

RFM模型中仅需 乘客编号，订单时间，订单金额，故将数据字段进行精简，仅保留以上 3 个字段。

df=df[['乘客编号','订单金额','叫车时间']]
df.head()

4.数据清洗

运行后发现叫车时间存在转义符，需对其进行处理:

（此处即对叫车时间进行切片，丢弃其最后两个字符）

df['叫车时间']=df['叫车时间'].apply(lambda x: x[:-2])
df.head()

查看数据类型，看是否有丢失或残缺：

df.info()

各字段数据完整，均为 31809条，无丢失情况。

但同时也发现，乘客编号为浮点型、订单金额为整型，叫车时间却为object类型。

下面利用 pandas将其转换为时间格式：

（此处是为了后续作时序分析，若只进行 RFM 模型，可以不进行转换）

df['叫车时间']=pd.to_datetime(df['叫车时间'],format='%Y/%m/%d %H:%M:%S')
df.info()

6.补充知识（日期格式化表达式）

插播一个小知识：Python 中日期格式化的表达方式如下：

%y 两位数的年份表示（00-99）
%Y 四位数的年份表示（000-9999）
%m 月份（01-12）
%d 月内中的一天（0-31）
%H 24小时制小时数（0-23）
%I 12小时制小时数（01-12）
%M 分钟数（00-59）
%S 秒（00-59）
%a 本地简化星期名称
%A 本地完整星期名称
%b 本地简化的月份名称
%B 本地完整的月份名称
%c 本地相应的日期表示和时间表示
%j 年内的一天（001-366）
%p 本地A.M.或P.M.的等价符
%U 一年中的星期数（00-53）星期天为星期的开始
%w 星期（0-6），星期天为星期的开始
%W 一年中的星期数（00-53）星期一为星期的开始
%x 本地相应的日期表示
%X 本地相应的时间表示
%Z 当前时区的名称
%% %号本身

最后我们的清洗基本上是完成了，来看一下清洗完的数据长什么样：

三、RFM 模型建立：

基础清洗告一段落，这一步关键在于构建模型所需的三个字段：

R（最近一次购买距今多少天)；
F（购买了多少次）；
M（平均或者累计购买金额）；

下面开始构造上述三个相关的衡量指标，即最近一次购买距今的天数差R、消费频率F、消费金额M及创建新表RFM。

1、 R 字段的构造：

先求出每位乘客的最近一次叫车时间：

r=df.groupby('乘客编号')['叫车时间'].max().reset_index()
#获得每一位乘客的最近一次叫车时间
r.loc[:10]

再以获取数据的时间（2020/3/1）减去叫车时间，即为R：

r['R']=(pd.to_datetime('2020-3-1')-r['叫车时间']).dt.days
r=r[['乘客编号','R']]
r.loc[:10]   

2、F 字段的构造

由于叫车时间为年月日时分秒的格式，故我们要先获得一个日期标签：

df['日期标签']=df['叫车时间'].astype(str).str[:10]
df.head()

一般建立 RFM 模型时，我们会将客户一天内的多笔订单视为一笔

即将以乘客编号&日期标签作聚合，获得各个乘客在 每一天的打车频次：

df_1=df.groupby(['乘客编号','日期标签'])['叫车时间'].count().reset_index()
df_1.loc[:10]

再以乘客编号作聚合，获得乘客在 2 月当月的打车天数：

f=df_1.groupby('乘客编号')['日期标签'].count().reset_index()
f.columns=['乘客编号','F']
f.head()

3、M 字段的构造：

M（每日平均下单金额）= 乘客总下单金额 / F（购买频次）

先求乘客总下单金额：

sum_m=df.groupby('乘客编号')['订单金额'].sum().reset_index()
sum_m.columns=['乘客编号','2月总支付金额']
sum_m.head()

以乘客编号为依据对频次表和总金额表进行表连接：

sum_to_f=pd.merge(sum_m,f,left_on='乘客编号',right_on='乘客编号',how='inner')
sum_to_f.head()

计算用户平均每天的打车金额：

sum_to_f['M']=sum_to_f['2月总支付金额']/sum_to_f['F']
sum_to_f.head()

4、组合R/F/M 字段：

依旧使用 Pandas 的表连接功能：

#将 RFM 三个指标进行合并
rfm=pd.merge(r,sum_to_f,left_on='乘客编号',right_on='乘客编号',how='inner')
rfm=rfm[['乘客编号','R','F','M']]
rfm.head()

5、维度打分：

经过上面的处理，我们已经获得每个乘客的R\F\M 值，但由于他们各自之间数值的差距仍旧较大，所以我们下一步要对上述 RFM 数值进行维度打分，一般情况下分为 1分-5 分；

在我们不知道怎么去获取维度指标，也就是数据分组时，可以先看下 RFM 的描述性统计量：

rfm.describe()

由上可知：

R（最近一次打车距今天数）：

    R 值的平均值为 8.9 天：乘客最近一次打车距今平均已经 8.9 天；

    R 值的最小值为  0 天：存在乘客在统计日当天下单；

    R 值的最大值为 29 天：按照2020 年 2 月有 29 天计算，有乘客自 2 月 1 日下单后再无下单行为；

    2 月所有下过单的用户中：25%的乘客在最近2天内有下单行为；

    2 月所有下过单的用户中：50%的乘客在最近6天内有下单行为；

    2 月所有下过单的用户中：75%的乘客在最近15天内有下单行为；

F（2月打车频次）:

    F 值的平均值为 2.58次：乘客平均 2月有 2.58天有下单行为 ；

    F 值的最小值为  0 天：乘客 2月下单天数最少为 1 天；

    F 值的最大值为 26 天：本月的29 天中最高有乘客有 26 天都有下单行为，可谓是忠实老客户；

    2 月所有下过单的用户中：25%的乘客都只在其中某一天下单；

    2 月所有下过单的用户中：50%的乘客都只在其中某一天下单；

    2 月所有下过单的用户中：75%的乘客下单天数都集中在在 3天或以下；

M（平均每日下单金额）：

	M 值的平均值为40.5元：所有乘客日均下单金额为 40.5 元 ；

    M 值的最小值为 10 元：乘客日均下单金额最小值为 10 元；

    M 值的最大值为 654 元：乘客日均下单金额最大值为 654元；

一般来说分值的大小决定偏好，分数越高，说明我们越喜欢该行为。

对于乘客最近一天乘车时间来说，R 越大，说明用户未下单时间越长，故应设置 R 越大，分值越小；
对于 F和 M 来说，乘客叫车频次越高、平均支付金额越大，说明乘客对平台的黏性越大，故这F\M 应设置为越大，分值越小；

RFM 模型中，一般打分采取五分制，按照对业务的理解，和上述描述性分析情况；

分值划分如下：

	5分	4 分	3 分	2 分	1 分
R-SCORE	[0-3)	[3-7)	[7-14)	[14-21)	[21-30)
F-SCORE	[5,∞)	4	3	2	1
M-SCORE	[100,∞)	[50,100)	[30,50)	[15,30)	[0-15)

用 pandas 对数据进行分桶：

rfm['R-SCORE']=pd.cut(rfm['R'],bins=[0,3,7,14,21,30],labels=[5,4,3,2,1],right=False).astype(float)
rfm['F-SCORE']=pd.cut(rfm['F'],bins=[1,2,3,4,5,100],labels=[1,2,3,4,5],right=False).astype(float)
rfm['M-SCORE']=pd.cut(rfm['M'],bins=[0,15,30,50,100,10000],labels=[1,2,3,4,5],right=False).astype(float)

运行后查看表结果如下：

每一位乘客都基于 RFM 获得了相应的维度打分；

6、用户标签获取

根据本文开头的分析：

三个指标对客户进行 每个维度的1-5 分打分，会将每个维度细分出5类，这样就能够细分出共5x5x5=125类用户。

但一般来说125类用户已超出普通人脑的计算范畴了，更别说针对125类用户量体定制营销策略。

实际运用上，我们只需要把每个维度做一次两分即可，即在每个维度上取平均值，高于平均值取 1，低于平均值取 0；

故对每位乘客的 RFM分别对其平均值作分析，获得一个布尔值；

将该布尔值*1 可获得相应0 或 1 标签：

rfm['R是否大于平均值']=(rfm['R-SCORE']>rfm['R-SCORE'].mean())*1
rfm['F是否大于平均值']=(rfm['F-SCORE']>rfm['F-SCORE'].mean())*1
rfm['M是否大于平均值']=(rfm['M-SCORE']>rfm['M-SCORE'].mean())*1

运行结果如下：

将三项评价标准串联，获取人群数值打分项：

人群数值=R100+F10+M*1

rfm['数值标签']=(rfm['R是否大于平均值']*100+rfm['F是否大于平均值']*10+rfm['M是否大于平均值']*1)

根据上述对值标签的名称定义：

用户分类	R 分类	F 分类	M 分类	解读	数值标签
重要价值客户	1	1	1	最近消费、高频、高消费	111
消费潜力客户	1	1	0	最近消费、高频、低消费	110
频次深耕客户	1	0	1	最近消费、低频、高消费	101
新客户	1	0	0	最近消费、低频、低消费	100
重要价值流失预警客户	0	1	1	最近未消费、高频、高消费	11
一般客户	0	1	0	最近未消费、高频、低消费	10
高消费换回客户	0	0	1	最近未消费、低频、高消费	1
流失客户	0	0	0	最近未消费、低频、低消费	0

构造相应的转换标签函数：

def transform_label(s):
        if s==111:
            label='重要价值客户'
        elif s==110:
            label='消费潜力客户'
        elif s==101:
            label='频次深耕客户'
        elif s==100:
            label='新客户'
        elif s==11:
            label='重要价值流失预警客户'
        elif s==10:
            label='一般客户'
        elif s==1:
            label='高消费挽回客户'
        elif s==0:
            label='流失客户'
        return label
rfm['人群类型']=rfm['人群标签'].apply(transform_label)     

运行结果如下：

至此，我们就完成了数据建模，每个用户都获得其相应的用户标签。

四、数据可视化

1、各用户群人数&占比分析：

以人群类型进行聚合：

count=rfm['人群类型'].value_counts().reset_index()
count.columns=['用户类型','人数']
count['人数占比']=count['人数']/count['人数'].sum()

获得 count 数据表如下：

可视化展示:不同类型用户人数分析

plt.rcParams['font.family']=['Arial Unicode MS']
plt.figure(figsize=(8,3),dpi=100)
y=count['人数']
x=count['用户类型']

plt.barh(x,height=0.5,width=y)
plt.title('不同类型用户人数对比')
for x,y in enumerate(y):
    plt.text(y+150,x,y,ha='center',va='center',fontsize=10)
plt.xticks(np.arange(0,3001,500))
plt.tight_layout()
plt.savefig('不同类型用户人数对比',dpi=300)

绘制图形如下：

#可视化展示:不同类型用户人数占比分析
plt.rcParams['font.family']=['Arial Unicode MS']
plt.figure(figsize=(8,3),dpi=100)
y=count['人数占比']
x=count['用户类型']

plt.barh(x,height=0.5,width=y)
plt.title('不同类型用户人数占比对比')
for x,y in enumerate(y):
    plt.text(y+0.01,
             x,str(y*100)[:4]+'%',
             ha='center',va='center',
             fontsize=10)
plt.xticks(np.arange(0,0.4,0.1))
plt.tight_layout()
plt.savefig('不同类型用户人数占比对比',dpi=300)

绘制图形如下：

由上图可知，所有用户类型中：

高消费挽回类客户人数最多，占比 25.7%。
其中高消费挽回类客户的定义为：最近未消费、低频、高消费。
对于此类用户的针对策略为发放大额门槛优惠券，如满50减8元优惠券等，来刺激用户消费积极性；

频次深耕用户+重要价值用户占比 33%，对于此类用户的针对策略为发放多张门槛优惠组合券包，如满 50 减 8 元+满 30 减 5 元+满20减 3 元等组合券包来刺激用户消费积极性；

2、各用户群消费金额分析：

先构建各用户群体的消费总金额 mon 数据表：

rfm['消费总金额']= rfm['F'] * rfm['M']
mon=rfm.groupby('人群类型')['消费总金额'].sum().reset_index()
mon.columns=['用户类型','消费总金额']
mon['消费占比']=mon['消费总金额']/mon['消费总金额'].sum()

运行后mon 如下所示：

绘制用户类型与消费总金额或消费占比的图表：

#可视化展示:不同类型用户消费总金额分析
plt.rcParams['font.family']=['Arial Unicode MS']
plt.figure(figsize=(8,3),dpi=100)
y=mon['消费总金额']
x=mon['用户类型']

plt.barh(x,height=0.5,width=y)
plt.title('不同类型用户消费总金额对比')
for x,y in enumerate(y):
    plt.text(y+30000,x,np.round(y),ha='center',va='center',fontsize=10)
plt.xticks(np.arange(0,600001,50000))
plt.tight_layout()
plt.savefig('不同类型用户消费总金额对比',dpi=300)

绘制图形如下所示：

#可视化展示:不同类型用户消费金额占比分析
plt.rcParams['font.family']=['Arial Unicode MS']
plt.figure(figsize=(8,3),dpi=100)
y=rfm2['消费占比']
x=rfm2['用户类型']

plt.barh(x,height=0.5,width=y)
plt.title('不同类型用户消费总金额对比')
for x,y in enumerate(y):
    plt.text(y+0.02,x,str(y*100)[:3]+'%',ha='center',va='center',fontsize=10)
plt.xticks(np.arange(0,0.7,0.1))
plt.tight_layout()
plt.savefig('不同类型用户消费金额占比对比',dpi=300)

绘制图形如下：

由上述图形可知：

重要价值客户人数占比虽小，仅为 15%，但其创造的经济价值却是最高的，占当月总收入的 45%；故针对这类用户的营销其实是最有效且最高效的。

但我们光对比两张图无法得出明显的结论，下面绘制各用户群人均消费金额图表。

3、不同用户类型人均消费金额情况：

先添加【平均消费金额】字段：

rfm2=pd.merge(count,mon,left_on='用户类型',right_on='用户类型',how='inner')
rfm2['平均消费金额']=rfm2['消费总金额']/rfm2['人数']

获取数据表如下：

进行图形绘制：

#可视化展示:不同类型用户平均消费金额分析
plt.rcParams['font.family']=['Arial Unicode MS']
plt.figure(figsize=(8,3),dpi=100)
y=rfm2['平均消费金额']
x=rfm2['用户类型']

plt.barh(x,height=0.5,width=y)
plt.title('不同类型用户消费总金额对比')
for x,y in enumerate(y):
    plt.text(y+10,x,np.round(y),ha='center',va='center',fontsize=10)
plt.xticks(np.arange(0,400,50))
plt.tight_layout()
plt.savefig('不同类型用户平均消费金额对比',dpi=300)

图形绘制如下：

在此我们可以直观地看到，重要价值客户的人均贡献金额达到了 318 元，在所有客户群中是最为突出的，针对该类用户的营销策略也应着重进行。

五、结语

    其实上述建模只是企业用户分层中最为基础的一种，一般来说由于企业数据库的存在，上述用户分类会大大简化。除了上述的 RFM 三个指标，还会涉及到其他方方面面，以满足企业运行中的精细化策略运营。

    以作者所在的线上出行行业为例，一般的分类标签有：下单、上线、撤单、优惠券包购买、充值、目的地（如机场、火车站等）、打车里程，以这些用户行为，衍生指标+周期（一般为 7 天\15 天\30天\60天）+设定数值这样的精细化用户标签，如 7 天内打车 3 次的用户\15天内充值 100 元以上的用户等等。

   觉的有用的朋友，欢迎转发哦~