用Python实现RFM模型――互联网产品用户分层必备…

用Python实现RFM模型――互联网产品用户分层必备… 1.前言

RFM模型是“R”--recency(最近一次消费时间)、“F”--frequency(一定时期内的消费频率)、“M”--(一定时期内的总消费)。这三个指标可以把我们的用户分成不同的档次和层次。目的是衡量他们的用户价值，让他们更精准地把成本和精力花在更精准的用户层面上。一个典型的例子就是，为一个明显不愿意流失的用户继续推送其核心产品，费时费力且成本高昂。

2.如何用Python建立RFM模型

RFM模型，虽然有“模型”这个词在里面，但实际上它根本不需要任何算法支持，和数据建模中的逻辑回归、聚类分析是完全不同的概念。因此，实现RFM的工具和方法有很多:SQL、Excel、R等。都能做到，当然Python也不例外。RFM模型的核心是对三个指标进行标注，然后根据场景的实际业务需求进行分层。在下面的文章中，我将用一个简单的例子通过代码实现RFM模型的建立。

2.1数据导入

链接:https://pan.baidu.com/s/1YbZrdsg2dOoe_5lylTwhQw提现代码:nf2f数据是某电商SKU2018年的一份销售表格。只有四个字段，但足以建立一个RFM模型。

importosimportnumpyasnpimportpandasaspdimportseabornassnsimportmatplotlib.pyplotasplt%matplotlibinlineplt.rcParams['font.serif']=['SimHei']plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['axes.unicode_minus']=Falsesns.set_style('ticks',{'font.sans-serif':['simhei','DroidSansFallback']}) 2.2数据清洗 df=pd.read_csv('sale.csv')df.drop_duplicates(subset=['ORDERID'],keep='first',inplace=True)df.dtypes dtypes.png

您可以看到我们的字段的数据类型，并注意到ORDERDATE是一个字符串类型，而不是一个时间Datetime类型，它需要在以后进行转换。其他字段正常。

df[df.isna().values==True]df=df.dropna(how='any',axis=0) 查看空值.png

可以看出，以上部分数据有空值。由于RFM不能通过空值计算，因此直接删除。

plt.figure(figsize=(10,5))sns.distplot(df.AMOUNTINFO) 数据整体分布.png

通过直方图，我们可以清楚地看到数据的整体分布，呈偏态分布，但没有负值，所以不需要处理离群值。>:0的值是合理的。

df['ORDERDATE']=pd.to_datetime(df['ORDERDATE'])df['Datediff']=(pd.to_datetime('today')-df['ORDERDATE']).dt.daysdf 添加一列R.png

数据的最终处理是将ORDERDATE转换为Datetime时间类型，并添加一个时差列表作为“R”的计算索引。

2.3数据分析 R_Agg=df.groupby(by=['USERID'])['Datediff']R_Agg=R_Agg.agg([('最近一次消费','min')])F_Agg=df.groupby(by=['USERID'])['ORDERID']F_Agg=F_Agg.agg([('2018年消费频次','count')])M_Agg=df.groupby(by=['USERID'])['AMOUNTINFO']M_Agg=M_Agg.agg([('2018年消费金额',sum)])rfm=R_Agg.join(F_Agg).join(M_Agg)rfm

上面的步骤是计算R，F，M模型中的三个指标:R，F，M，并合并到一个新表中，如下图所示:

RFM表1.png

然后就是最关键的一步。通过pd.cut的方法，对用户进行分层和标签化。我在这里使用的分层方法是python中的分位数函数。因为我们之前的直方图显示的是偏态分布，所以取平均值到层的误差会很大。这时候选择分位数分层比较好。

defrfm_convert(x):rfm_dict={0:'R',2:'M'}try:foriinrange(0,3,2):bins=x.iloc[:,i].quantile(q=np.linspace(0,1,num=6),interpolation='nearest')ifi==0:labels=np.arange(5,0,-1)else:labels=np.arange(1,6)x[rfm_dict[i]]=pd.cut(x.iloc[:,i],bins=bins,labels=labels,include_lowest=True)exceptExceptionase:print(e)rfm_convert(rfm)

上述函数的目的是按照1-5的尺度对R和M进行标注，对用户进行分层。但由于F的值大多集中在1，即消费的频率只有一次，所以无法用分位数法来平均划分五个等级。因此，我会用其他方式给它贴标签:

bins=[1,3,5,12]labels=np.arange(1,4)rfm['F']=pd.cut(rfm['2018年消费频次'],bins=bins,labels=labels,include_lowest=True)rfm.insert(4,'F',rfm.pop('F'))rfm

F的分层是我手动区分的。由于RFM模型本身是根据不同的场景和业务需求建立的，所以我在这里根据数据的实际分布情况手动分层F。

RFM表2.png

好了，现在RFM模型有了原型，最后要做的就是给它贴上标签:

rfm_model=rfm.filter(items=['R','F','M'])defrfm(x):returnx.iloc[0]*3+x.iloc[1]+x.iloc[2]*3rfm_model['RFM']=rfm_model.apply(rfm,axis=1)bins=rfm_model.RFM.quantile(q=np.linspace(0,1,num=9),interpolation='nearest')labels=['流失客户','一般维持客户','新客户','潜力客户','重要挽留客户','重要深耕客户','重要唤回客户','重要价值客户']rfm_model['LabelofCustomer']=pd.cut(rfm_model.RFM,bins=bins,labels=labels,include_lowest=True)rfm_model RFM表3.png

这里的R，F，M分数是根据具体的场景和业务来加权的。这里我给出的权重比是3:1:3，所以实际上没必要用这个加权分数，完全按照个体R，F，M来标注，比如R>；=4、F>1、M>=4，核心用户。

4.数据可视化

以上是RFM模型，所以有了模型，我们可以直观的看到各个层面的用户分布和用户价值:

frompyecharts.chartsimportGrid,Pie,Barfrompyechartsimportoptionsasoptstmp=rfm_model.groupby('LabelofCustomer').size()t=[list(z)forzinzip(tmp.index.values,tmp.values)]#绘制饼图pie=(Pie().add('',t,radius=['30%','75%'],rosetype='radius',label_opts=opts.LabelOpts(is_show=True)).set_global_opts(title_opts=opts.TitleOpts(title='消费者分层结构',pos_left='center'),toolbox_opts=opts.ToolboxOpts(is_show=True),legend_opts=opts.LegendOpts(orient='vertical',pos_right='2%',pos_top='30%')).set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{d}%')))pie.render_notebook() 消费者分层结构.png

可见，无价值的流失客户占了很大一部分，但同时也要注意，新客户的比例是相当大的。但是，只看比例是没有意义的，因为我们的最终目的是盈利。所以，我们来看看，基于消费金额的分布，我们实际上应该对哪些层次的用户进行精准投放:

consumer_r=df.groupby('USERID').AMOUNTINFO.agg([('消费总额',sum)])new_rfm=rfm_model.join(consumer_r)filter_list=['流失客户','新客户','重要挽留客户','重要价值客户']new_rfm=new_rfm[new_rfm['LabelofCustomer'].astype('<U').isin(filter_list)]new_rfm['LabelofCustomer']=new_rfm['LabelofCustomer'].astype('<U')tmp=new_rfm.groupby('LabelofCustomer').消费总额.sum()tmp=tmp.sort_values()frompyecharts.chartsimportBaryindex=[]foriinlist(tmp.values):yindex.append(int(i))#绘制柱状图bar=(Bar(init_opts=opts.InitOpts(theme='white',bg_color='papayawhip')).add_xaxis(list(tmp.index.values)).add_yaxis('消费者分层',yindex,color='lightcoral',category_gap='70%').set_global_opts(title_opts=opts.TitleOpts(title='不同分层消费者2018年消费总额',pos_left='center',title_textstyle_opts=opts.TextStyleOpts(color='lightcoral')),legend_opts=opts.LegendOpts(pos_top='bottom'),toolbox_opts=opts.ToolboxOpts(is_show=True),yaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(formatter='{value}'))))bar.render_notebook() 不同分层消费者2018年消费总额.png

结合上面的饼状图，我们最终可以得出结论，虽然新客户占比最大，但是他们的实际贡献并不高，所以不需要在新业务上花费太多的心思和精力，而应该把重点放在“留住”和“变现”运营上。如何留住作为核心收入来源的“重要价值用户”，并通过用户达成的各种方式召回“重要留存客户”是关键问题。

5.总结

通过上述RFM模型的建立和可视化，我们其实可以发现，通过对用户的精准分层，可以对用户价值有更直观的感受，从而对互联网产品的运营起到点对点的服务作用。