RFM模型是客户价值划分的重要工具和手段，用于评估客户的价值和利益创造能力。通过考量客户的最近购买时间(Recency)、购买频率(Frequency)和购买金额(Monetary)，将客户分成不同群体，如忠诚客户、高价值客户和流失客户。这有助于制定个性化的营销策略，提高市场营销效果，同时也能及时识别潜在流失客户并采取挽留措施，提升客户保持率。RFM提供了简单而有效的客户行为评估方法，作为众多客户关系管理（CRM）分析模式之一，对营销决策和客户关系管理具有重要意义，RFM模型得到广泛应用和提及。
什么是RFM
- RFM是"Recency（最近）、Frequency（频率）和Monetary（金额）"的缩写。Recency指的是客户最后一次购买的时间，也就是距离客户最后一次购买的天数。如果是针对网站或应用的情况，可以解释为客户最后一次访问的日期或最后一次登录的时间。
- Frequency表示在一定时期内购买的次数。这个时期可以是3个月、6个月或1年。因此，我们可以理解这个值代表了客户使用公司产品的频率或数量。数值越大，客户的参与度就越高。我们可以把这些客户称为VIP吗？不一定。因为我们还必须考虑到他们每次购买实际支付的金额，也就是货币价值。
- Monetary指的是客户在给定时期内花费的总金额。因此，大额消费者将与其他客户（如MVP或VIP）区分开来。
使用SNB进行RFM分析
为展示RFM 分析过程，引入kaggle 上一个数据集（https://www.kaggle.com/datasets/jihyeseo/online-retail-data-set-from-uci-ml-repo），数据集的格式如下（参见下图）：
- InvoiceNo发票编号
- StockCode库存代码
- Description描述
- Quantity数量
- InvoiceDate发票日期/交易日期
- UnitPrice单价
- CustomerID客户编号
- Country国家
主要分析步骤如下：
a. 引入数据，利用dfSQL计算每个客户的Recency、Frequency、MonetaryValue
b. 利用分位数（四分位数）分别对Recency、Frequency、MonetaryValue 分桶操作，分别将Recency、Frequency、MonetaryValue分成4个等级并对应为定义分数值(1-4分），并计算每个客户的RFM总分（3-12分)。并统计分数下对应客户数量、平均Recency、平均Frequency、平均MonetaryValue等。
c. 按照rfm分数段将用户划分三个等级:黄金用户(10-12分)、白银用户(6-9分)、青铜用户(3-5分) 三个级别，并统计分析每个用户群组下分布情况，包括客户数量、平均Recency、平均Frequency、平均MonetaryValue。
d. 按照rfm分钟进行k-means聚类：标准化、最佳聚类簇数(分组数)的筛选、聚类、统计分析每个簇（群组)的用户分布和FRM值的统计情况。
e. 对比分析分段分类和算法聚类的每群组下分布对比，包括蛇形图和RFM分位数热图(Heatmap of RFM quantile),对比二者的合理性。
引入数据和处理数据
引入python包和加载数据、清洗数据。
importnumpyasnp
importpandasaspd
importmatplotlib.pyplotasplt
importseabornassns
importdatetimeasdt
all_data=pd.read_excel('/home/data/Online_Retail.xlsx')
all_data=all_data.dropna(subset=['CustomerID'])
all_data=all_data.drop_duplicates()
all_data=all_data[(all_data['Quantity']>0)&(all_data['UnitPrice']>0)]
snapshot_date=all_data['InvoiceDate'].max()+dt.timedelta(days=1)
__SNB_DisplayTable(all_data)
计算Recency、Frequency、MonetaryValue
SmartNotebook 内置dfSQL引擎，可以通过SQL 方式操作Pandas DataFrame ，大大降低数据集转换难度，充分发挥SQL能力，内置dfSQL引擎主流操作方式、支持绝大部分主流函数、支持开窗函数。
利用dfSQL计算Recency、Frequency、MonetaryValue 值。
selectCustomerID,
floor(julianday('{{snapshot_date}}')-julianday(max(InvoiceDate)))asRecency,
count(*)asFrequency,
floor(sum(UnitPrice*Quantity))asMonetaryValue
fromall_datagroupbyCustomerID
分箱RFM值和RFM 评分
对Recency、Frequency、MonetaryValue 分别进行分箱操作，不同箱进行评分，计算总分，最高跟12分，最低分为3分，这个分数代表用户的价值。
#对Recency、Frequency、MonetaryValue分别进行分箱操作，不同箱进行评分，计算总分
r_labels=range(4,0,-1)
f_labels=range(1,5)
m_labels=range(1,5)
r_quartiles=pd.qcut(rfm_data['Recency'],q=4,labels=r_labels)
f_quartiles=pd.qcut(rfm_data['Frequency'],q=4,labels=f_labels)
m_quartiles=pd.qcut(rfm_data['MonetaryValue'],q=4,labels=m_labels)
rfm_data=rfm_data.assign(R=r_quartiles,F=f_quartiles,M=m_quartiles)
defadd_rfm(x):returnstr(int(x['R']))+str(int(x['F']))+str(int(x['M']))
rfm_data['RFM_Segment']=rfm_data.apply(add_rfm,axis=1)
rfm_data['RFM_Score']=rfm_data[['R','F','M']].sum(axis=1)
__SNB_DisplayTable(rfm_data)
分析用户RFM细分群组的用户情况
统计分数下对应客户数量、平均Recency、平均Frequency、平均MonetaryValue等。即用户RFM细分群组的用户情况。
利用SmartNotebook内置透视图低代码插件分析每个RFM分数的汇总指标情况。
使用RFM评分将客户分为黄金、白银和青铜细分市场
defsegments(df):
ifdf['RFM_Score']>9:
return'黄金'
elif(df['RFM_Score']>5)and(df['RFM_Score']<=9):
return'白银'
else:
return'青铜'
rfm_data['General_Segment']=rfm_data.apply(segments,axis=1)
__SNB_DisplayTable(rfm_data)
Kmeans聚类
上述是利用分段的方式计算分数进行分组的方法，接下来利用聚类算法对用户进行分组，首先分析Recency、Frequency、MonetaryValue的值分布情况是否适合Kmeans聚类（或进行变换操作）、选择最佳簇数(聚类数目)、聚类。
在实现Kmeans聚类之前，必须检查特征Recency、Frequency、MonetaryValue是否符合k-means假设：
- 变量的对称分布（不偏斜）
- 平均值相同的变量
- 具有相同方差的变量
检查是否符合k-means假设及变换处理
f,ax=plt.subplots(figsize=(10,12))
plt.subplot(3,1,1);sns.distplot(rfm_data.Recency,label='Recency')
plt.subplot(3,1,2);sns.distplot(rfm_data.Frequency,label='Frequency')
plt.subplot(3,1,3);sns.distplot(rfm_data.MonetaryValue,label='MonetaryValue')
plt.style.use('fivethirtyeight')
plt.tight_layout()
plt.show()
rfm_log=rfm_data[['Recency','Frequency','MonetaryValue']].apply(np.log,axis=1).round(3)
f,ax=plt.subplots(figsize=(10,12))
plt.subplot(3,1,1);sns.distplot(rfm_log.Recency,label='Recency')
plt.subplot(3,1,2);sns.distplot(rfm_log.Frequency,label='Frequency')
plt.subplot(3,1,3);sns.distplot(rfm_log.MonetaryValue,label='MonetaryValue')
plt.style.use('fivethirtyeight')
plt.tight_layout()
plt.show()
K-Means聚类的实现
实现K-Means关键步骤如下：数据预处理(数据标准化)、选择聚类的最佳簇数(聚类数目)、进行k-均值聚类、分析每个集群的平均RFM值。
- 数据预处理：数据标准化
fromsklearn.preprocessingimportStandardScaler
scaler=StandardScaler()
scaler.fit(rfm_log)
#Storeitseparatelyforclustering
rfm_normalized=scaler.transform(rfm_log)
rfm_normalized
array([[1.40998159,-2.77997064,3.69639451],
[-2.14657818,1.16036535,1.41192044],
[0.38364809,-0.17983348,0.72008734],
...,
[-1.1788923,-0.89839206,-1.11002495],
[-1.66273524,2.20299461,0.8222],
[-0.00454336,0.43650655,0.7375019]])
- 选择聚类的最佳簇数(聚类数目)
定义聚类的最佳簇数(聚类数目)，主要有以下方法
- 可视化方法 - 弯曲点准则
- 数学方法 - 轮廓系数
- 实验和解释
弯曲点准则方法
- 绘制聚类数目与簇内平方误差之和（SSE）的关系图 - 即每个数据点到其簇中心的平方距离之和
- 在图中找到一个"弯曲点"
- 弯曲点 - 表示一个"最佳"簇数(聚类数目)的点
应用"弯曲点准则"找到最佳的簇数(聚类数目)：
fromsklearn.clusterimportKMeans
inertias=[]
forkinks:
kc=KMeans(n_clusters=k,random_state=1)
kc.fit(rfm_normalized)
inertias.append(kc.inertia_)
f,ax=plt.subplots(figsize=(15,8))
plt.plot(ks,inertias,'-o')
plt.xlabel('Numberofclusters,k')
plt.ylabel('Inertia')
plt.xticks(ks)
plt.style.use('ggplot')
plt.title('WhatistheBestNumberforKMeans?')
plt.show()
- 选择最佳簇数(聚类数目)为3，训练k-means聚类
kc=KMeans(n_clusters=3,random_state=1)
kc.fit(rfm_normalized)
cluster_labels=kc.labels_
rfm_rfm_k3=rfm_data.assign(K_Cluster=cluster_labels)
rfm_rfm_k3.groupby('K_Cluster').agg({'Recency':'mean','Frequency':'mean',
'MonetaryValue':['mean','count'],}).round(0)
对比分析分段分类和算法聚类
对比分析分段分类和算法聚类的每群组下分布对比，包括蛇形图和RFM分位数热图(Heatmap of RFM quantile),对比二者的合理性。
分段分类和算法聚类蛇形图
rfm_normalized=pd.DataFrame(rfm_normalized,index=rfm_data.index,columns=['Recency','Frequency','MonetaryValue'])
rfm_normalized['K_Cluster']=kc.labels_
rfm_normalized['General_Segment']=rfm_data['General_Segment']
rfm_normalized['CustomerID']=rfm_data['CustomerID']
rfm_normalized.reset_index(inplace=True)
#MeltthedataintoalongformatsoRFMvaluesandmetricnamesarestoredin1columneach
rfm_melt=pd.melt(rfm_normalized,id_vars=['CustomerID','General_Segment','K_Cluster'],value_vars=['Recency','Frequency','MonetaryValue'],
var_name='Metric',value_name='Value')
rfm_melt
f,(ax1,ax2)=plt.subplots(1,2,figsize=(15,8))
sns.lineplot(x='Metric',y='Value',hue='General_Segment',data=rfm_melt,ax=ax1)
#asnakeplotwithK-Means
sns.lineplot(x='Metric',y='Value',hue='K_Cluster',data=rfm_melt,ax=ax2)
plt.suptitle("SnakePlotofRFM",fontsize=24)#maketitlefontsizesubtitle
plt.show()
分段分类和算法聚类的统计对比
识别每个分段属性的相对重要性的有用技术
- 计算每个聚类的Recency、Frequency、MonetaryValue平均值
- 计算所有用户的Recency、Frequency、MonetaryValue平均值
- 通过除以它们并减去1来计算重要性得分（确保当集群平均值等于总体平均值时返回0）
用热图展现对比。热图是数据的图形表示，其中较大的值以较暗的比例着色，较小的值以较小的比例着色。我们可以通过颜色非常直观地比较各组之间的差异。
cluster_avg=rfm_rfm_k3[['K_Cluster','Recency','Frequency','MonetaryValue']].groupby(['K_Cluster']).mean()
population_avg=rfm_rfm_k3[['Recency','Frequency','MonetaryValue']].mean()
relative_imp=cluster_avg/population_avg-1
relative_imp.round(2)
#themeanvalueintotal
total_avg=rfm_data[['Recency','Frequency','MonetaryValue']].mean()
#calculatetheproportionalgapwithtotalmean
cluster_avg=rfm_data[['General_Segment','Recency','Frequency','MonetaryValue']].groupby('General_Segment').mean().iloc[:,0:3]
prop_rfm=cluster_avg/total_avg-1
prop_rfm.round(2)
热图展现：
f,(ax1,ax2)=plt.subplots(1,2,figsize=(15,5))
sns.heatmap(data=relative_imp,annot=True,fmt='.2f',cmap='Blues',ax=ax1)
ax1.set(title="HeatmapofK-Means")
#asnakeplotwithK-Means
sns.heatmap(prop_rfm,cmap='Oranges',fmt='.2f',annot=True,ax=ax2)
ax2.set(title="HeatmapofRFMquantile")
plt.suptitle("HeatMapofRFM",fontsize=20)#maketitlefontsizesubtitle
plt.show()
通过以上数值比对分析，分段分组和聚类分组二者基本是一致的，二者的特征表现差距比较小，聚类分组是比较合理的。
RFM分析的模型视图(流程图)
SmartNoteBook模型视图(Graph)是用于展现Notebook中单元格之间的逻辑依赖关系关系。在模型视图中，每个单元格被表示为一个节点，而单元格之间的引用关系则表示为边。通过模型视图，可以更直观地理解和分析Notebook的逻辑依赖关系，从而提升代码执行效率。
上述整个过程是使用SmartNoteBook 实现的，利用SQL和Python 分布计算了用户的Recency、Frequency、MonetaryValue值并进行用户价值的评分、用户价值分组并进行每个用户群组的统计分析，同时利用算法进行聚类分组并进行比对分析，整个过程还是较为复杂的，充分利用了SQL与Python的融合、创建模型及可视化分析展现，充分展现用户价值的RFM挖掘过程。