基于Python語(yǔ)言的RFM模型講解

背景

RFM（Recency Frequency Monetary）模型是衡量客戶(hù)價(jià)值和客戶(hù)創(chuàng)利能力的重要工具和手段。在眾多的客戶(hù)關(guān)系管理（CRM）的分析模式中，RFM模型是被廣泛提到的。

RFM模型是屬于業(yè)務(wù)分析方法與模型中的部分。它的本質(zhì)是用戶(hù)分類(lèi)。本文將用現(xiàn)代最流行的編程語(yǔ)言---Python語(yǔ)言來(lái)實(shí)踐課堂上講解的RFM模型，將用戶(hù)進(jìn)行分類(lèi)。

本文采用Anaconda進(jìn)行Python編譯，主要涉及的Python模塊：

• pandas

• matplotlib

• seaborn

• datetime

本章分為三部分講解：

1.RFM模型原理與步驟

2.Python分布實(shí)現(xiàn)RFM

3.總結(jié)

RFM模型原理與步驟

RFM模型的思路是：該模型是根據(jù)用戶(hù)歷史行為數(shù)據(jù)，結(jié)合業(yè)務(wù)理解選擇劃分維度，實(shí)現(xiàn)用戶(hù)分類(lèi)，助力用戶(hù)精準(zhǔn)營(yíng)銷(xiāo)。此外，還學(xué)習(xí)了構(gòu)建RFM模型的步驟：

• 獲取R、F、M三個(gè)維度下的原始數(shù)據(jù)

• 定義R、F、M的評(píng)估模型與判斷閾值

• 進(jìn)行數(shù)據(jù)處理，獲取R、F、M的值

• 參照評(píng)估模型與閾值，對(duì)用戶(hù)進(jìn)行分層

• 針對(duì)不同層級(jí)用戶(hù)制定運(yùn)營(yíng)策略

上面步驟可以知道，我們需要有RFM三個(gè)維度，根據(jù)我們?cè)跇I(yè)務(wù)分析方法課程中學(xué)到的，業(yè)務(wù)分析模型離不開(kāi)指標(biāo)，而指標(biāo)是對(duì)度量的匯總。因此，在找出RFM三個(gè)維度后，需要對(duì)每個(gè)維度下度量實(shí)現(xiàn)不同匯總規(guī)則。下面講述對(duì)R、F、M三個(gè)維度下的度量如何進(jìn)行匯總。

1.R代表最近一次消費(fèi)，是計(jì)算最近一次消費(fèi)時(shí)間點(diǎn)和當(dāng)前時(shí)間點(diǎn)的時(shí)間差。因此，這里需要用到多維數(shù)據(jù)透視分析中的基本透視規(guī)則---最小值MIN求出最小的時(shí)間差。

2.F代表消費(fèi)頻次，是在指定區(qū)間內(nèi)統(tǒng)計(jì)用戶(hù)的購(gòu)買(mǎi)次數(shù)。因此，這里需要用到多維數(shù)據(jù)透視分析中的基本透視規(guī)則---技術(shù)類(lèi)COUNT(技術(shù)類(lèi)不去重指標(biāo))統(tǒng)計(jì)用戶(hù)的購(gòu)買(mǎi)次數(shù)。

3.M代表消費(fèi)金額，是指在指定區(qū)間內(nèi)統(tǒng)計(jì)用戶(hù)的消費(fèi)總金額，因此，這里需要用到求和類(lèi)指標(biāo)，也即基本透視規(guī)則中的合計(jì)規(guī)則---SUM。

在對(duì)得到RFM模型中的指標(biāo)值后最重要的一步就是分層，根據(jù)我們?cè)谡n堂上學(xué)到的內(nèi)容，大部分的用戶(hù)分層是根據(jù)經(jīng)驗(yàn)來(lái)分層的，本文在追求數(shù)據(jù)的客觀性下采取統(tǒng)計(jì)學(xué)中的等距分箱方法來(lái)進(jìn)行分層，對(duì)R、F、M三個(gè)維度分成兩類(lèi)。

綜上，我們大致了解了如何構(gòu)建RFM模型，下面以Python實(shí)現(xiàn)RFM模型，并對(duì)每一步進(jìn)行詳細(xì)的講解。

03 Python實(shí)現(xiàn)RFM模型

數(shù)據(jù)準(zhǔn)備

本文所需的數(shù)據(jù)是一家公司對(duì)2021年10月底至今的客戶(hù)購(gòu)買(mǎi)行為數(shù)據(jù)，（前十二行）如圖下：

其中，uid代表客戶(hù)的id，是存在重復(fù)情況的。prince維度代表客戶(hù)每發(fā)生一次交易行為所花費(fèi)的金額。time為客戶(hù)發(fā)生交易行為的時(shí)間。

數(shù)據(jù)讀取與理解

在得到一份數(shù)據(jù)之后，我們第一步就是要理解數(shù)據(jù)的業(yè)務(wù)意義，以及對(duì)數(shù)據(jù)表的EDA（探索性分析），這里通過(guò)如下代碼，發(fā)現(xiàn)以下特征：

具體代碼（包含Python導(dǎo)入包部分）如下：

#導(dǎo)入相關(guān)包
importpandasaspd
importtime
importnumpyasnp
importseabornassns
importmatplotlib.pyplotasplt
plt.rcParams['font.sans-serif']=["SimHei"]
plt.rcParams["axes.unicode_minus"]=Falsesns.set(style="darkgrid")

#數(shù)據(jù)讀取與查看
data=pd.read_excel('data.xlsx')
data.head()
data.isnull().sum()#查看缺失值
data.duplicated().sum()#重復(fù)值，但是不刪
data.dtypes#查看數(shù)據(jù)類(lèi)型
data.describe()

#創(chuàng)建dataframe，存放RFM各值
data_rfm=pd.DataFrame()

接下來(lái)進(jìn)行R、F、M指標(biāo)值構(gòu)建。

時(shí)間維度處理

從上文可以知道time維度，即每筆交易行為發(fā)生的時(shí)間是字符串object的格式，而在Python中我們對(duì)時(shí)間作差需要的是datetime格式，因此利用pandas庫(kù)中的pd.to_datetime函數(shù)將時(shí)間格式進(jìn)行轉(zhuǎn)換，代碼如下：

data['time']=pd.to_datetime(data['time'])

得到的前五行數(shù)據(jù)如圖下，可以看到數(shù)據(jù)類(lèi)型變成了datetime64[ns]

統(tǒng)計(jì)每筆訂單產(chǎn)生時(shí)間與當(dāng)前時(shí)間的差（這里的當(dāng)前時(shí)間是2021年12月11日），得到的差是timedelta64[ns]類(lèi)型

可以看到時(shí)間差中包含了day、時(shí)、分、秒4個(gè)維度，但是這里我們僅需要day維度，因此我們用astype()函數(shù)將類(lèi)型轉(zhuǎn)為僅含有day維度的timedelta64[D]類(lèi)型。具體代碼如下：

#統(tǒng)計(jì)沒(méi)條數(shù)據(jù)與當(dāng)前日期的時(shí)間差
##計(jì)算相差天數(shù)
data['R']=(pd.datetime.now()-data['time'])
##將時(shí)間差timedelta格式轉(zhuǎn)化為需要的日格式
data['R']=data['R'].astype('timedelta64[D]').astype('int')

（tips：這里可能會(huì)報(bào)警告：FutureWarning: The pandas.datetime class is deprecated and will be removed from pandas in a future version. Import from datetime module instead.讀者無(wú)需理會(huì)，這是由于我們所用的pd.datetime.now()是一個(gè)比較舊的函數(shù)，以后將會(huì)廢棄。）

統(tǒng)計(jì)R值

在上面我們已經(jīng)創(chuàng)建了名為data_rfm的表結(jié)構(gòu)的數(shù)據(jù)框，因此，將下面統(tǒng)計(jì)的R值放入其中。R值得統(tǒng)計(jì)是找客戶(hù)最近發(fā)生交易行為日期與當(dāng)前日期的差。換一種思路就是找所有時(shí)間差中的最小值。

因此利用pandas中的groupby函數(shù)對(duì)每個(gè)用戶(hù)以上一步統(tǒng)計(jì)的R值作為分組依據(jù)進(jìn)行分組，并求出最小值。具體代碼如下：

data_rfm=pd.merge(data_rfm,data.groupby('uid')['R'].min(),
left_on='user_id',right_on='uid')

統(tǒng)計(jì)F值

F值得統(tǒng)計(jì)就是統(tǒng)計(jì)指定區(qū)間內(nèi)的消費(fèi)頻次，而指定區(qū)間一般為人為設(shè)定，這里我們?nèi)∪繑?shù)據(jù)，即2021年10月底至今作為指定區(qū)間。

本文利用value_counts()函數(shù)對(duì)uid進(jìn)行統(tǒng)計(jì)即為每個(gè)用戶(hù)得消費(fèi)頻次，同時(shí)將結(jié)果合并到data_rfm數(shù)據(jù)框中。

#統(tǒng)計(jì)指定區(qū)間內(nèi)的消費(fèi)頻次
data_rfm['user_id']=data['uid'].value_counts().index
data_rfm['F']=data['uid'].value_counts().values

統(tǒng)計(jì)M值

本文以uid作為分組依據(jù)對(duì)price字段進(jìn)行求和，得到求和類(lèi)指標(biāo)M值。此外，將結(jié)果合并到data_rfm數(shù)據(jù)框中。

data_rfm=pd.merge(data_rfm,data.groupby('uid')['price'].sum(),
left_on='user_id',right_on='uid')
data_rfm.rename(columns={'price':'M'},inplace=True)

上述代碼中出現(xiàn)了pandas庫(kù)中得合并語(yǔ)法merge()，merge()函數(shù)采取的是橫向合并，不同于MYSQL，不需要指定左表還是右表為主表，只需要提供左表與右表的公共字段在各表中的名稱(chēng)即可。

由于data_rfm數(shù)據(jù)表中的user_id是去重的，因此將其作為主鍵。而data.groupby('uid')['price'].sum()得到的表格也是去重的，因此我們可以采取多維數(shù)據(jù)模型中的連接對(duì)應(yīng)關(guān)系---一對(duì)一對(duì)兩表進(jìn)行合并。公共字段為：左表的uid，右表的user_id。

最終表格結(jié)果如下，展現(xiàn)前18行：

數(shù)據(jù)分箱

在得到R、F、M三個(gè)指標(biāo)值后，我們需要對(duì)這三個(gè)指標(biāo)進(jìn)行分類(lèi)，并將每個(gè)用戶(hù)進(jìn)行分層。

本文不采取人為主觀性的經(jīng)驗(yàn)法則劃分，而是采取等距分箱的方式劃分，等距分箱的原理較簡(jiǎn)單，這里寫(xiě)出步驟：

• 從最小值到最大值之間,均分為$N$等份（這里$N$取為2）。

• 如果 $A$,$B$ 為最小最大值, 則每個(gè)區(qū)間的長(zhǎng)度為 $W=(B?A)/N$ ,.

• 則區(qū)間邊界值為$A+W$,$A+2W$,….$A+(N?1)W$ 。這里只考慮邊界，采用左閉右開(kāi)的方式，即每個(gè)等份的實(shí)例數(shù)量不等。

在Python中可以利用pandas庫(kù)中的cut()函數(shù)輕松實(shí)現(xiàn)上述等距分箱，同時(shí)將結(jié)果R_label，F_label，M_label合并到data_rfm數(shù)據(jù)框中具體代碼如下：

#分箱客觀左閉右開(kāi)
cut_R=pd.cut(data_rfm['R'],bins=2,right=False,labels=range(1,3)).astype('int')
data_rfm['R_label']=cut_R

cut_F=pd.cut(data_rfm['F'],bins=2,right=False,labels=range(1,3)).astype('int')
data_rfm['F_label']=cut_F

cut_M=pd.cut(data_rfm['M'],bins=2,right=False,labels=range(1,3)).astype('int')
data_rfm['M_label']=cut_M

由于利用cut()函數(shù)得到的是區(qū)間形式的值，因此需要賦予label值進(jìn)行虛擬變量引用。label值使用1和2，對(duì)應(yīng)的區(qū)間為從小到大。具體代表意思如下表：

得到最終的表格形式如下：

用戶(hù)分類(lèi)

在得到每個(gè)用戶(hù)的R、F、M三個(gè)維度的label值后，最后就是需要對(duì)用戶(hù)進(jìn)行分類(lèi)，分類(lèi)的原則如圖下：

利用pandas庫(kù)中的·terrows()函數(shù)循環(huán)遍歷每個(gè)用戶(hù)行為記錄，將符合上述條件的劃分對(duì)應(yīng)的類(lèi)，具體代碼如下：

fori,jindata_rfm.iterrows():
ifj['R_label']==2andj['F_label']==2andj['M_label']==2:
data_rfm.loc[i,'用戶(hù)類(lèi)別']='重要價(jià)值用戶(hù)'
ifj['R_label']==2andj['F_label']==1andj['M_label']==2:
data_rfm.loc[i,'用戶(hù)類(lèi)別']='重要發(fā)展用戶(hù)'
ifj['R_label']==1andj['F_label']==2andj['M_label']==2:
data_rfm.loc[i,'用戶(hù)類(lèi)別']='重要保持用戶(hù)'
ifj['R_label']==1andj['F_label']==1andj['M_label']==2:
data_rfm.loc[i,'用戶(hù)類(lèi)別']='重要挽留用戶(hù)'
ifj['R_label']==2andj['F_label']==2andj['M_label']==1:
data_rfm.loc[i,'用戶(hù)類(lèi)別']='一般價(jià)值用戶(hù)'
ifj['R_label']==2andj['F_label']==1andj['M_label']==1:
data_rfm.loc[i,'用戶(hù)類(lèi)別']='一般發(fā)展用戶(hù)'
ifj['R_label']==1andj['F_label']==2andj['M_label']==1:
data_rfm.loc[i,'用戶(hù)類(lèi)別']='一般保持用戶(hù)'
ifj['R_label']==1andj['F_label']==1andj['M_label']==1:
data_rfm.loc[i,'用戶(hù)類(lèi)別']='一般挽留用戶(hù)'

條形圖可視化用戶(hù)類(lèi)別

利用seaborn畫(huà)圖庫(kù)對(duì)已劃分類(lèi)別的用戶(hù)進(jìn)行技術(shù)統(tǒng)計(jì)與可視化，得到如下圖表

可以看出，大部分的用戶(hù)屬于一般發(fā)展用戶(hù)與一般挽留用戶(hù)。而對(duì)于一般發(fā)展用戶(hù)而言采取的策略為挖掘需求，后者則是放棄治療。因此，可以看出該公司在10月底至今的時(shí)間段內(nèi)，用戶(hù)流失較多，但是可發(fā)展的用戶(hù)同樣是非常多的，想要提高收入，對(duì)一般發(fā)展用戶(hù)入手是成本少，效率高的選擇。

總結(jié)

RFM模型同時(shí)還利用了多維數(shù)據(jù)透視分析和業(yè)務(wù)分析方法兩個(gè)模塊的內(nèi)容。所以說(shuō)實(shí)踐是檢驗(yàn)和鞏固學(xué)到的東西的最好方法。

例如一級(jí)的?？碱}上，我們常碰到一個(gè)模擬題，包含RFM模型劃分規(guī)則和一張帕累托圖，問(wèn)題是在公司有限成本下提高公司收入，需要針對(duì)哪種用戶(hù)營(yíng)銷(xiāo)最好，答案是一般發(fā)展用戶(hù)。相信大家一開(kāi)始都很疑惑為什么選這個(gè)，這時(shí)候如果像本文一樣對(duì)一份數(shù)據(jù)進(jìn)行實(shí)踐，這樣你就會(huì)更加理解為什么是這個(gè)答案。

審核編輯：郭婷