淘宝电商数据客户价值分析

1. RFM 客户价值模型介绍

​ RFM模型是衡量客户价值和客户创造利益能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。

最近一次消费（Recency）：最近一次消费意指上一次购买的时候——顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车，或在你的超市买早餐最近的一次是什么时候。

消费频率（Frequency）：消费频率是顾客在限定的期间内所购买的次数。

消费金额（Monetary）：消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。

理论上M值和F值是一样的，都带有时间范围，指的是一段时间（通常是1年）内的消费金额，在工作中我认为对于一般店铺的类目而言，产品的价格带都是比较单一的，比如：同一品牌美妆类，价格浮动范围基本在某个特定消费群的可接受范围内，加上单一品类购买频次不高，所以对于一般店铺而言，M值对客户细分的作用相对较弱。

2. 利用RFM衡量客户的价值

2.1 取出相应列合并数据

在2018.xlsx和2019.xlsx两个数据表中获取'买家会员名', '买家实际支付金额', '订单付款时间'三列的数据合并后存入all.xlsx表格中。

import pandas as pd
 
# 读取Excel文件
df_2018 = pd.read_excel('./data/2018.xlsx')
df_2019 = pd.read_excel('./data/2019.xlsx')
print(df_2018.head())
# 取出相应列
df_2018 = df_2018[['买家会员名', '买家实际支付金额', '订单付款时间']]
df_2019 = df_2019[['买家会员名', '买家实际支付金额', '订单付款时间']]
# 合并
df_all = pd.concat([df_2018, df_2019])
# 读取data_all的尾部数据
print(df_all.tail())
df_all.to_excel('./data/all.xlsx')

2.2 计算all.xlsx 表格中的空值、最大值、最小值

计算 all.xlsx 表格中的空值、最大值、最小值后导出到 result.xlsx 表格中。

import pandas as pd
 
"""
返回缺失值个数以及最大最小值
"""
 
df = pd.read_excel('./data/all.xlsx')  # 读取Excel文件
 
view = df.describe(percentiles=[], include='all').T  # 数据的基本描述 describe()详解：http://8e9.cn/6j1K1
# view.to_excel('./data/result111.xlsx')  # 导出结果 可以查看describe有哪些数据
 
view['null'] = len(df) - view['count']  # describe()函数自动计算非空值数，需要手动计算空值数
view = view[['null', 'max', 'min']]
view.columns = [u'空值数', u'最大值', u'最小值']  # 表头重命名
view.to_excel('./data/result.xlsx')  # 导出结果

2.3 计算RFM值

计算RFM值：R最近消费间隔、F消费频率、M消费金额。

import pandas as pd
import numpy as np
 
"""
计算RFM值 R最近消费间隔  F消费频率  M消费金额
"""
 
# 读取Excel文件
df = pd.read_excel('./data/all.xlsx')
data = df[df['订单付款时间'].notnull() & df['买家实际支付金额'] != 0]  # 去除空值，订单付款时间非空值才保留 # 去除买家实际支付金额为0的记录
data = data.copy()  # 复制数据
 
# 订单付款时间和2019-12-31之差-->最近消费时间间隔 消费频率    最近消费间隔  消费金额
data['最近消费间隔'] = (pd.to_datetime('2019-12-31') - pd.to_datetime(data['订单付款时间'])).values / np.timedelta64(1, "D")
df11 = data[['订单付款时间', '买家会员名', '买家实际支付金额', '最近消费间隔']]
 
# 分组计算agg（{'键1':'函数1','键2':'函数2'}）
# size属于count_values（计数函数）
# 根据 买家会员名 分组，买家会员名出现的次数size-->消费评率
# 因为买家可能多次购买因此会有多条消费时间间隔，取最小的那条
# 计算多次消费的总金额-->买家实际支付金额
df1 = df11.groupby('买家会员名').agg({'买家会员名': 'size', '最近消费间隔': 'min', "买家实际支付金额": 'sum'})
 
df2 = df1.rename(columns={'买家会员名': '消费频率', '买家实际支付金额': '消费总金额'})  # 列重命名rename({'旧列名1':'新列名1',"旧列名2":"新列名2"})
df2.to_excel('./data/RFM.xlsx')

2.4 数据转换

进行数据转换，为 k-means 聚类模型做准备。

import pandas as pd
 
"""
进行数据转换，为k-means聚类模型做准备
"""
 
data = pd.read_excel('./data/RFM.xlsx')  # 读取Excel文件
data = data[['最近消费间隔', '消费频率', '消费总金额']]  # 提取指定列数据
data = (data - data.mean(axis=0)) / (data.std(axis=0))  # 标准化处理
data.columns = ['R', 'F', 'M']  # 表头重命名
print(data.head())  # 输出部分数据
data.to_excel('./data/transformdata.xlsx', index=False)  # 导出数据

2.5 K_means聚类

k-means 聚类算法流程：
① 指定需要划分的簇的个数k值（类的个数）
② 随机地选择k个数据对象作为初始的聚类中心（不一定要是我们的样本点）
③ 计算其余的各个数据对象到这个k个初始聚类中心的距离，把数据对象划归到距离它最近的那个中心所处的簇类中；
④ 调整新类并且重新计算出新类的中心。
⑤ 循环步骤③和④，看中心是否收敛（不变），如果收敛或达到迭代次数则停止循环；
⑥ 结束

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
 
 
pd.set_option('display.unicode.east_asian_width', True)  # 解决数据输出时列名不对齐的问题
 
data = pd.read_excel('./data/transformdata.xlsx')  # 读取数据
cdata = pd.read_excel('./data/RFM.xlsx')  # 读取数据
cdata = cdata[['买家会员名', '最近消费间隔', '消费频率', '消费总金额']]  # 提取指定列数据
# print("cdata.index", cdata.index)
 
k = 4
Kmodel = KMeans(n_clusters=k)
Kmodel.fit(data)
clientdata = pd.concat([cdata, pd.Series(Kmodel.labels_, index=cdata.index)], axis=1)
 
clientdata.columns = list(cdata.columns) + [u'类别']  # 重命名最后一列为“类别”
clientdata.to_excel('./data/client.xlsx')
print(clientdata.head())
 
data_mean = clientdata.groupby('类别').mean()  # 按照类别分组统计R, F, M的指标均值
print(data_mean)
data_mean.to_excel('./data/client_mean.xlsx')
 
new = data_mean.mean()
 
df = data_mean.append(new, ignore_index=True)  # 增加一行RFM平均值（忽略索引）,判断RFM值的高低
print(df)
 
r1 = pd.Series(Kmodel.labels_).value_counts()  # 统计每个类别都有多少个
 
print(r1)
 
r2 = pd.DataFrame(Kmodel.cluster_centers_)  # 聚类中心点
r = pd.concat([r2, r1], axis=1)
 
print(r)
 
r.columns = list(data.columns) + [u'聚类数量']
r3 = pd.Series(Kmodel.labels_, index=data.index)  # 类别标记
r = pd.concat([data, r3], axis=1)  # 数据合并
r.columns = list(data.columns) + [u'聚类类别']
 
print(r)
 
r.to_excel('./data/type.xlsx')  # 导出数据
plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示
# 密度图
for i in range(k):
    cls = data[r[u'聚类类别'] == i]
    cls.plot(kind='kde', linewidth=2, subplots=True, sharex=False)
    plt.suptitle('客户群=%d;聚类数量=%d' % (i, r1[i]))
 
plt.show()

2.6 四种聚类人群可视化展示

​

客户3 ：重要保持客户（F,M高,R略高平均分。高价值客户，需作为VIP客户一对一营销，尽可能延长他们的高消费)

​

客户2：一般保持客户（F高,消费次数多，是比较忠实的客户，针对这种客户需要多传递促销活动，品牌消息，新品，活动消息）

​

客户1：一般发展客户（R,F,M都比较低，短时间内在店铺消费过，但是消费次数与消费金额都比较少，是店铺需要发展的潜在客户，应该该用户人群实 施密集的营销信息推送）

​

客户0：潜在客户（R高,F,M低，说明该客户很长时间都没用在店铺进行交易，并且消费金额与消费次数都很少。这类客户可能只有店铺打折的时候才会出来消费，想办法推动他们的消费心理，否则有流失的风险)