背景

RFM（Recency Frequency Monetary）模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段。在眾多的客戶關系管理（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)務分析方法與模型中的部分。它的本質是用戶分類。本文將用現(xiàn)代最流行的編程語言---Python語言來實踐課堂上講解的RFM模型，將用戶進行分類。

本文采用Anaconda進行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分布實現(xiàn)RFM

3.總結

RFM模型原理與步驟

RFM模型的思路是：該模型是根據(jù)用戶歷史行為數(shù)據(jù)，結合業(yè)務理解選擇劃分維度，實現(xiàn)用戶分類，助力用戶精準營銷。此外，還學習了構建RFM模型的步驟：

• 獲取R、F、M三個維度下的原始數(shù)據(jù)

• 定義R、F、M的評估模型與判斷閾值

• 進行數(shù)據(jù)處理，獲取R、F、M的值

• 參照評估模型與閾值，對用戶進行分層

• 針對不同層級用戶制定運營策略

上面步驟可以知道，我們需要有RFM三個維度，根據(jù)我們在業(yè)務分析方法課程中學到的，業(yè)務分析模型離不開指標，而指標是對度量的匯總。因此，在找出RFM三個維度后，需要對每個維度下度量實現(xiàn)不同匯總規(guī)則。下面講述對R、F、M三個維度下的度量如何進行匯總。

1.R代表最近一次消費，是計算最近一次消費時間點和當前時間點的時間差。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求出最小的時間差。

2.F代表消費頻次，是在指定區(qū)間內統(tǒng)計用戶的購買次數(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---技術類COUNT(技術類不去重指標)統(tǒng)計用戶的購買次數(shù)。

3.M代表消費金額，是指在指定區(qū)間內統(tǒng)計用戶的消費總金額，因此，這里需要用到求和類指標，也即基本透視規(guī)則中的合計規(guī)則---SUM。

在對得到RFM模型中的指標值后最重要的一步就是分層，根據(jù)我們在課堂上學到的內容，大部分的用戶分層是根據(jù)經(jīng)驗來分層的，本文在追求數(shù)據(jù)的客觀性下采取統(tǒng)計學中的等距分箱方法來進行分層，對R、F、M三個維度分成兩類。

綜上，我們大致了解了如何構建RFM模型，下面以Python實現(xiàn)RFM模型，并對每一步進行詳細的講解。

03 Python實現(xiàn)RFM模型

數(shù)據(jù)準備

本文所需的數(shù)據(jù)是一家公司對2021年10月底至今的客戶購買行為數(shù)據(jù)，（前十二行）如圖下：

其中，uid代表客戶的id，是存在重復情況的。prince維度代表客戶每發(fā)生一次交易行為所花費的金額。time為客戶發(fā)生交易行為的時間。

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)務意義，以及對數(shù)據(jù)表的EDA（探索性分析），這里通過如下代碼，發(fā)現(xiàn)以下特征：

具體代碼（包含Python導入包部分）如下：

#導入相關包
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()#重復值，但是不刪
data.dtypes#查看數(shù)據(jù)類型
data.describe()

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

接下來進行R、F、M指標值構建。

時間維度處理

從上文可以知道time維度，即每筆交易行為發(fā)生的時間是字符串object的格式，而在Python中我們對時間作差需要的是datetime格式，因此利用pandas庫中的pd.to_datetime函數(shù)將時間格式進行轉換，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)類型變成了datetime64[ns]

統(tǒng)計每筆訂單產生時間與當前時間的差（這里的當前時間是2021年12月11日），得到的差是timedelta64[ns]類型

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

#統(tǒng)計沒條數(shù)據(jù)與當前日期的時間差
##計算相差天數(shù)
data['R']=(pd.datetime.now()-data['time'])
##將時間差timedelta格式轉化為需要的日格式
data['R']=data['R'].astype('timedelta64[D]').astype('int')

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

統(tǒng)計R值

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

因此利用pandas中的groupby函數(shù)對每個用戶以上一步統(tǒng)計的R值作為分組依據(jù)進行分組，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F值

F值得統(tǒng)計就是統(tǒng)計指定區(qū)間內的消費頻次，而指定區(qū)間一般為人為設定，這里我們取全部數(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uid進行統(tǒng)計即為每個用戶得消費頻次，同時將結果合并到data_rfm數(shù)據(jù)框中。

#統(tǒng)計指定區(qū)間內的消費頻次
data_rfm['user_id']=data['uid'].value_counts().index
data_rfm['F']=data['uid'].value_counts().values

統(tǒng)計M值

本文以uid作為分組依據(jù)對price字段進行求和，得到求和類指標M值。此外，將結果合并到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庫中得合并語法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)模型中的連接對應關系---一對一對兩表進行合并。公共字段為：左表的uid，右表的user_id。

最終表格結果如下，展現(xiàn)前18行：

數(shù)據(jù)分箱

在得到R、F、M三個指標值后，我們需要對這三個指標進行分類，并將每個用戶進行分層。

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

• 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, 則每個區(qū)間的長度為 $W=(B?A)/N$ ,.

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

在Python中可以利用pandas庫中的cut()函數(shù)輕松實現(xiàn)上述等距分箱，同時將結果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
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值進行虛擬變量引用。label值使用1和2，對應的區(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：

用戶分類

在得到每個用戶的R、F、M三個維度的label值后，最后就是需要對用戶進行分類，分類的原則如圖下：

利用pandas庫中的·terrows()函數(shù)循環(huán)遍歷每個用戶行為記錄，將符合上述條件的劃分對應的類，具體代碼如下：

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

條形圖可視化用戶類別

利用seaborn畫圖庫對已劃分類別的用戶進行技術統(tǒng)計與可視化，得到如下圖表

可以看出，大部分的用戶屬于一般發(fā)展用戶與一般挽留用戶。而對于一般發(fā)展用戶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月底至今的時間段內，用戶流失較多，但是可發(fā)展的用戶同樣是非常多的，想要提高收入，對一般發(fā)展用戶入手是成本少，效率高的選擇。

總結

RFM模型同時還利用了多維數(shù)據(jù)透視分析和業(yè)務分析方法兩個模塊的內容。所以說實踐是檢驗和鞏固學到的東西的最好方法。

例如一級的常考題上，我們常碰到一個模擬題，包含RFM模型劃分規(guī)則和一張帕累托圖，問題是在公司有限成本下提高公司收入，需要針對哪種用戶營銷最好，答案是一般發(fā)展用戶。相信大家一開始都很疑惑為什么選這個，這時候如果像本文一樣對一份數(shù)據(jù)進行實踐，這樣你就會更加理解為什么是這個答案。

審核編輯：郭婷