Python实现RFM模型分析客户价值

本节将利用python实现RFM模型对客户数据分层分析，并结合plotply对数据进行可视化，将客户进行价值分类。机器学习算法里涉及到K-means的运用，在这里不再过多叙述，直接实例操作。本节要求您具备基础的Python基础，Jupyter基础，以及Pandas基础。

RFM是Rencency（最近一次消费），Frequency（消费频率）、Monetary（消费金额），三个指标首字母组合，RFM模型是衡量客户价值和客户创利能力的重要工具和手段。其详细含意如下：

R（Recency）最近一次消费时间：表示用户最近一次消费距离现在的时间。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。
F（Frequency）消费频率：消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。
M（Monetary）消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。

准备实验文件

在右侧实验区ssh标签下，执行以下命令:

cp /share/ipynb/customer-value-analyze-with-rfm-in-python.ipynb /root/

然后,点击右侧实验区上方的+号按钮，选择open jupyter on hosts0后，在弹出的jupyter notebook界面中，选择下方的customer-value-analyze-with-rfm-in-python.ipynb即可。

然后您可以在jupyter notebook上完整交互学习整个项目。

移动端设备除iPad Pro外，其它移动设备仅能阅读基础的文本文字。
建议使用PC或笔记本电脑，浏览器使用Chrome或FireFox进行浏览，以开启左侧互动实验区来提升学习效率，推荐使用的分辨率为1920x1080或更高。
我们坚信最好的学习是参与其中这一理念，并致力成为中文互联网上体验更好的学练一体的IT技术学习交流平台。
您可加QQ群：575806994，一起学习交流技术,反馈网站使用中遇到问题。
内容、课程、广告等相关合作请扫描右侧二维码添加好友。

狐狸教程 Copyright 2021