在商业分析中,我们经常会遇到以下问题:
不知道如何进行用户行为分析,对用户进行分类?
不知道哪些是重要价值客户,他们能带来什么,应该如何维护?
这时候就需要用到用户行为分析模型也就是我们通常所说的RFM模型了。小编今天就给大家分享一下RFM模型的构建以及应用,希望对大家商业分析有所帮助。
一、RFM模型简介
RFM模型,是根据客户活跃程度以及交易金额的贡献,对客户价值进行细分的一种方法,是客户关系管理中常应用到的一种操作模型。RFM模型从R、F、M、这3个维度来描述客户的价值,下面来具体解释一下R、F、M、这3个维度。
R:上一次消费 (Recency),客户上一次消费的时间,时间越是接近就表示该客户越有价值,对于提供的即时商品或是服务,这些客户是最有可能反应的。
F:消费频率 (Frequency),一段时间之内对产品的消费频次,也就是客户在限定的期间内的购买的次数。通常来说,客户消费频率越高,也就表示该客户忠诚度越高。
M:消费金额 (Monetary),用户的贡献价值,交易金额越高,该客户价值越高。帕雷托法则认为公司80%收入来自20%的客户。
二、RFM模型使用场景
RFM模型3个维度可根据实际需求变化,例如:
R:最近一次登录时间、最近一次发帖时间、最近一次投资时间、最近一次观看时间
F:浏览次数、发帖次数、评论次数
M:充值金额、打赏金额、评论数、点赞数
互动行为:最近一次互动时间、互动频次、用户的互动次数;
直播行为:最近一次观看直播时间、直播观看频次、观看直播累计时长;
内容行为:最近一次观看内容时间、观看内容频次、观看内容字数;
评论行为:最近一次评论时间、评论频次、累计评论次数等等等等。
三、RFM模型搭建
1.计算每个客户的RFM指标。可以利用CRM软件或者BI分析工具计算出每个客户的R,F,M
2.根据实际业务需求,确定具体的R,F,M的度量范围。
3.在RFM表格中添加细分的段号。
因为有R,F,M三个变量,所以我们需要使用三维坐标系来进行展示,X轴表示R,Y 轴表示F,Z轴表示M,坐标系的8个象限分别表示8类用户也就是:重要价值客户、重要保持客户、重要发展客户、重要挽留客户、一般价值客户、一般保持客户、一般发展客户、一般挽留客户,我们可以用如下图形进行描述:
四、简单示例
import pandas as pd import numpy as np import time #todo 读取数据 data = pd.read_csv('RFM_TRAD_FLOW.csv',encoding='gbk') # print(ret) # todo RFM------>R(最近一次消费) #todo 时间与字符串相互转换 data['time'] = data['time'].map(lambda x:time.mktime(time.strptime(x,'%d%b%y:%H:%M:%S'))) # print(data) # todo 分组 groupby_obj = data.groupby(['cumid','type']) # for name,data in groupby_obj: # print(name) # print(data) # todo 取值 R = groupby_obj[['time']].max() # print( # todo 转为透视表 r_trans = pd.pivot_table(R,index='cumid',columns='type',values='time') # print(data_trans) # todo 替换缺失值 有缺失值,替换成最远的值 r_trans[['Special_offer','returned_goods']] = r_trans[['Special_offer','returned_goods']].apply(lambda x:x.replace(np.nan,min(x)),axis = 0) # print(data_trans) r_trans['r_max'] = r_trans.apply(lambda x:sum(x),axis=1) # print(r_trans) # todo RFM------>F(消费频率) # 取值 F =groupby_obj[['transID']].count() # print(F) #转为透视表 f_trans = pd.pivot_table(F,index='cumid',columns='type',values='transID') # print(f_trans) #替换缺失值 f_trans[['Special_offer','returned_goods']]= f_trans[['Special_offer','returned_goods']].fillna(0) # print(f_trans) # f_trans['returned_goods'] = f_trans['returned_goods'].map(lambda x:-x) # print(f_trans) f_trans['f_total'] = f_trans.apply(lambda x:sum(x),axis=1) # print(f_trans) # todo RFM------>M(消费金额) # 取值 M =groupby_obj[['amount']].sum() # print(M) #转为透视表 m_trans = pd.pivot_table(M,index='cumid',columns='type',values='amount') # print(f_trans) #替换缺失值 m_trans[['Special_offer','returned_goods']]= m_trans[['Special_offer','returned_goods']].fillna(0) # print(f_trans) # m_trans['m_total'] = m_trans.apply(lambda x:sum(x),axis=1) # print(m_trans) # 合并 RFM=pd.concat([r_trans["r_max"],f_trans['f_total'],m_trans['m_total']],axis=1) print(RFM) r_score = pd.cut(RFM.r_max,3,labels=[0,1,2]) f_score = pd.cut(RFM.r_max,3,labels=[0,1,2]) m_score = pd.cut(RFM.r_max,3,labels=[0,1,2])
数据分析咨询请扫描二维码
CDA数据分析师在中国航信高科技产业园进行了面向测试度量的数据分析培训课程,培训人数近2 ...
2024-05-01CDA数据分析师走进深圳迈瑞生物医疗电子股份有限公司,在迈瑞总部展开了为期两天的培训,本次课程参训人员线上及线下近百人, ...
2024-05-01CDA数据分析师在合肥市对合肥阳光新能源科技有限公司开展了为期8天的企业内训。 合肥阳光新能源科技 ...
2024-05-01CDA数据分析师走进海尔大学,进行了《数据治理与数据中台建设的道与术》专题培训,培训现场爆满,近百人参加了此次培训。 ...
2024-05-01在中国银行苏州分行培训中心开始数据分析师培训,此次培训课程共10天内容,包括Excel、MySQL、概率论与数理统计、SPSS等内容, ...
2024-05-01从实际的业务需求出发,结合行业的典型应用特点,围绕实际的商业问题,探讨数据挖掘、机器学习模型在金融领域的应用,包括获客、信用评分、细分画像、交叉销售、反欺诈、违规识别、时序预测、运筹优化、流程挖掘九个方面,形成 ...
2024-05-01本次培训课程为线上+线下的模式,由于学员编程能力不一、部分学员没有编程基础,故提供统计学、python基 ...
2024-05-01华夏银行信用卡中心-机器学习培训 1、课程亮点 取材于业界一流企业和顶级咨询公司的行业实践;已经被证明是人人 ...
2024-05-01主 题:数据中台建设及数据分析应用主题分享 1. 数据中台市场洞察 2. 主流数据中台产品比较 3. 某企业数据中 ...
2024-05-01围绕“数据驱动”战略,全力打造我行 300 人数字化人才梯队,着力培养数字化管理人才、大数据专业团队 ...
2024-05-01在当今数据驱动的商业环境中,数据分析成为了企业决策的重要依据。通过对大量数据的收集、处理和分析,企业能够更好地理解市场 ...
2024-04-29在人工智能(AI)的世界里,提示词(Prompt)是一种强大的工具,它能够引导AI按照用户的需求产生特定的输出。本文将深入探讨AI ...
2024-04-29CDA立足未来职场,拓展前沿视野——对外经贸大学保险学院举办“三全育人大讲堂”分享行业最新动态。 ...
2024-04-294月2日,CDA数据分析师创始发起人兼协会理事长赵坚毅博士受邀在浙江万里学院举办了一场以“数字化能力在职场中的作用” ...
2024-04-29随机森林(Random Forests)现在机器学习中比较火的一个算法,是一种基于Bagging的集成学习方法,能够很好地处理分类和回归的问 ...
2022-12-23方差分析是数据分析中常用的一种统计分析方法,接下来让我们简单了解一下方差分析的基本思想和原理吧。 方差分析(Analysis ...
2022-12-23来源:关于数据分析与可视化 关于streamlit-aggrid 数据排序 表格样式的调整 数据 ...
2022-08-03作者:麦叔 定义 「把上面晦涩的概念汇成一句话就是:」 ❝ 回调函数就是一个被作为参 ...
2022-08-03现今,高学历人群日益增多,物以稀为贵的高学历光环淡去。无论本科生还是研究生,甚至博士生,求职竞争力都大不如前,就业压力越来越大。
2022-06-01某家企业10个人面试,有9个本科生……如何脱颖而出,除得体的举止和良好的沟通力外,证书成重要筹码,这也是很多人考证的关键所在。
2022-04-14