热线电话:13121318867

登录
首页精彩阅读实战 | 用户购买行为RFM标签应用案例
实战 | 用户购买行为RFM标签应用案例
2022-03-22
收藏
实战 | 用户购买行为RFM标签应用案例

CDA数据分析师 出品

作者:CDA资深讲师 张藉予

编辑:Mika

随着数据分析的不断应用与发展,用户画像已经广为人知。其中的核心原理就是对用户进行分群,而用户分群的主要逻辑就是将数据进行标签化。

RFM模型是我们常用来分析客户价值的数据分析模型,使用这个模型分析后配合匹配的营销方法,能够让业绩进行大幅度提升。

RFM模型具有分析结构简单,易用、数据容易获取等特性,通过这个模型可以衡量客户价值和创造利润能力。

通过3个简单的指标,可以将客户按照价值分成8个类别,从而使用不同的销售策略提升业绩。

下面给大家介绍一个关于RFM模型的标签化应用案例

首先拿到数据集,导入数据集。

然后我们会进行数据读取,看一下数据的基本信息数据是否有无缺失。

实战 | 用户购买行为RFM标签应用案例

第二步我们将数据集进行特征筛选。

首先我们发现导入的原始数据的时间格式有一些问题,因此将时间进行了处理。

通过一些掉包的方式将时间格式处理成了我们想要的时间格式,然后我们将数据集进行RFM的计算。

实战 | 用户购买行为RFM标签应用案例

首先,计算R。

因为R是取消费的时间间隔,所以我们取出了每个客户ID下的最近的一次消费时间,然后定义了一个最大的消费时间,然后与其做相减得出来了每个客户的最近一次的消费时间间隔。

实战 | 用户购买行为RFM标签应用案例

第二个是计算F。

F是计算客户对于打折商品的偏好程度。

所以我们将数据进行了处理之后,计算出来了特价商品占特价商品跟普通商品的比例,这样得出来了用户对于打折商品的用户的偏好程度。

实战 | 用户购买行为RFM标签应用案例

第三个是计算M。

M是用户的消费金额,我们将数据进行加加减减,最后得出来了用户关于特价商品跟普通商品的消费金额。

实战 | 用户购买行为RFM标签应用案例

然后我们将所计算的RFM进行了特征的整合,得出来了每个客户ID下的RFM具体的数值。

然后下一步将RFM进行分段打分。

这里给出两个方法。

一是函数映射。

我们将数据当中的RFM进行了等级分箱的处理,然后定义了分段函数,将每个RFM的值对分段函数进行比较,得出来了一个01RFM的数据集。

实战 | 用户购买行为RFM标签应用案例

第二个方法是利用Python自带的算法库。

我们将阈值取出,然后将阈值进行01编码,最后也是同样能够得到RFM的01数据。

然后我们将RFM模型定性的输出,将01进行标签化的处理,从而给用户打上各种各样的标签:兴趣是否高,价值是否活跃……

我们可以通过这些标签给到业务端人员进行更好的营销活动。

实战 | 用户购买行为RFM标签应用案例

好的,以上就是今天的分享。如果大家还有数据分析方面相关的疑问,就在评论区留言。

数据分析咨询请扫描二维码

若不方便扫码,搜微信号:CDAshujufenxi

最新资讯
更多
客服在线
立即咨询