CREATED BY TAO
一 .什么是RFM分析，RFM分析是根據客戶活躍程度和交易金額貢獻，進行客戶價值細分的一種客戶細分方法。
RFM由R(Recency)進度，F(Frequency)頻度，M(Monetary)額度組成。R表示客戶最近一次交易時間的間隔。R值越大，表示客戶交易發生的日期越久。R值越小，表示客戶交易發生的日期越近。R表示客戶在最近一段時間內交易的次數。F值越大，表示客戶交易越頻繁。F值越小，表示客戶越不活躍。M表示客戶在最近一段時間內交易的金額。M值越大，表示客戶價值越高。M值越小，表示客戶價值越低。這樣不同分類組合，就形成了八種客戶類型.
RFM的八種客戶類型
RFM的分析過程
FRM=100*R_S+10*F_S+1*M_S
二.接下來就是基于python來進行RFM分析
將csv數據導入python
查看數據框維度和數據框內的數據類型
一共有5列數據，每列有76050行
數據雖然有5列，5個字段，但真正參與分析的只有4個字段USERID、ORDERDATE、ORDERID、AMOUNTINFO
USERID列為客戶ID、ORDERDATE列為時間列、OEDERTD列為訂單ID、AMOUNTINFO列為金額列
可以看出有缺失值的列為ORDERDATE列和AMOUNTINFO列
第一步：進行數據清洗
查看AMOUNTINFO列中的最大值為30999
查看AMOUNTINFO列中的最大值為為0.5
（1）刪除所有空值的行
刪除所有為空值的行，并把數據添加到dt數據框中
（2）篩選AMOUNTINFO列的數據，因為金額的最小值為0.5，數值<1，因此要提取出AMOUNTINFO列中>1的數據進行分析
將數據提取出來后依然放入dt數據框，按照金額大小降序排列
查看dt數據框的維度和數據類型
刪除和提取數據之后?dt數據框一共有5列數據，每列有75240行
（3）處理時間列的數據類型
已知時間列ORDERDATE的數據類型為Object、字符型
將ORDERDATE列處理為日期數據類型
查看ORDERDATE列的數據類型 為'<M8[ns]'
如上圖
第二步：進行數據分析
（4）求日期到現在的距離
求日期到現在的距離，并把結果數據放入datediff列中
如上圖
（5）從時間距離中獲得天數
從時間距離中獲得天數
如上圖
（6）統計每個用戶距離現在多久沒有消費了，找到最小的最近消費距離
找出最近消費距離數據放入r_agg數據框中
查看r_agg列的數據維度，一共有2列，每列55143行
（7）統計每個用戶交易的總次數，即對訂單數計數
找出交易次數數據放入f_agg數據框中??
查看f_agg列的數據維度，一共有2列，每列55143行
（8）統計每個用戶交易的總金額，即對每次的交易金額求和
找出交易金額數據放入m_agg數據框中? ??
查看m_agg列的數據維度，一共有2列，每列55143行
（9）使用merge函數把r_agg、f_agg、m_agg三個數據框關聯起來
把三個數據框關聯起來并放入aggData數據框中
更改aggData數據框的列名
FRM=100*R_S+10*F_S+1*M_S
(10)求R_S的得分?
把得分數據放入r_s數據框中
最近消費距離列（recencyAgg）按照從小到大順序排列，間隔距離越大也就是recencyAgg列的值越大，得分越小
因此，標簽rlabels按照從大到小排列。
(11)求F_S的得分?
把得分數據放入f_s數據框中
消費頻次列（requencyAgg）的數據并未呈正態分布，所以未使用quantile函數，而是查看數據的分布情況按照分布情況的從小到大順序進行排列，消費頻次越大也就是frequencyAgg列的值越大，得分越大
因此，標簽flabels按照從小到大排列。
(12)求M_S的得分
把得分數據放入m_s數據框中
消費金額列（monetaryAgg）按照從小到大的順序排列，消費金額越大也就是monetaryAgg列的值越大，得分越大
因此，標簽mlabels按照從小到大排列。
（13）將r_s、f_s、m_s添加到數據框aggData中
添加到數據框aggData中
查看aggData數據框中各列的數據類型
（14）將r_s、f_s、m_s列數據類型轉換成數值型（int），再計算RFM得分
計算RFM得分
（15）為RFM得分添加標簽
為RFM得分添加了標簽并分成了八類，將數據放入level數據框中
如上圖
（16）對客戶等級列（level）進行分組，按照客戶ID進行計數統計，并把數據放入customerlevels數據框中
將分組后的數據放入customerlevels數據框中
如上圖
結論：
RFM模型可以對客戶的終生價值做一個合理的預估，基于一個理想的客戶特征來衡量現實中客戶價值的高低，通過此類分析，定位最有可能成為品牌中式客戶的群體，讓我們把主要精力放在最有價值的用戶身上開展精準營銷。
細分出來的客戶類型分布情況
各類客戶的占比情況
CREATED BY TAO
