技术标签: python 数据分析 big data 数据挖掘 Python 开发语言
RFM 模型是一个传统的数据分析模型,沿用至今约 60 年。
1961 年,乔治·卡利南在顾客的资料库中指出,最近一次消费
、消费频率
、消费金额
三项数据可以较为客观地描绘顾客的轮廓。
企业针对近期有消费的“新客”、消费频率高的“常客”、消费金额高的“贵客”进行精准营销和广告投放,确实收到了意料之外的惊喜。
因此,这三项数据成为了衡量客户价值和客户创利能力的重要工具和手段。也是 RFM 模型的三个重要指标:
1)R(Recency):最近一次消费时间间隔,指用户最近一次消费时间距离现在的时间间隔;
2)F(Frequency):消费频率,指用户一段时间内消费了多少次;
3)M(Monetary):消费金额,指用户一段时间内的消费金额。
这里举个例子来说明 3 个指标是什么意思。
小钟有一家店铺,小王是这家店的用户,今天是 12 月 31 号。
小王最近一次在店铺买东西是这个月 12 号,最近一次消费距离现在过去了 19 天,所以小王的最近一次消费时间间隔(R)是 19 天。
如果我们对“一段时间”的定义是 12 月,该月小王在店铺有 2 次消费记录,那么小王的消费频率(F)是 2 次。
小王在 2 次消费过程中共消费 1314 元,则小王的消费金额(M)为 1314 元。
3 个指标针对的业务不同,定义也会有所不同。但是无论是什么业务,各指标都有如下的特征:
1)最近一次消费时间间隔(R):上一次消费时间离现在越近,再次消费的几率越大。即 R 值越小,用户的活跃度
越大,用户的价值就越高;
2)消费频率(F):购买频率越高,说明用户对品牌产生一定的信任和情感维系。即 F 值越大,用户的忠诚度
就越大,用户的价值就越高;
3)消费金额(M):消费金额越高,说明用户对产品的购买力越大。即 M 值越大,用户的购买力
就越大,用户的价值就越高。
有高价值用户的存在,自然也会有低价值用户的存在,即每个指标数据的价值都有高低两种情况。
因此,把 3 个指标的价值组合起来看,会有 2 x 2 x 2 = 8 种组合。
如果把 R、F、M 的价值高低作为坐标轴,可以将用户划分为下图的 8 个类型:
再将上图中的用户分类进行总结,可以得到下图的用户分类规则表。
据 RFM 模型得到用户的分类后有什么用呢?一起来看下它的作用。
RFM 模型多用于精细化运营服务。单看 R、F、M 三个指标,其本身已经具备了一定的参考性:
一般来说,比起许久没有消费的顾客,消费时间间隔短的客户再次购买的几率较高。针对这类客户,可以采取唤醒或者刺激消费,如赠送打折券等。
消费频率高的客户,其忠诚度相对较高,可以规律性地提醒这类客户关于产品的一些优惠信息。
消费金额高的客户,客户价值也越高,可以提供专属该类客户的优惠价格。
如果根据 RFM 模型将用户细分为 8 类,还能进一步对不同价值的用户使用不同的运营策略,获取并保留关键性用户,针对价值高的客户制定促销策略。
比如重要价值用户
,这类用户最近一次消费时间较近,消费频率高,消费金额高,需要提供 VIP 服务和个性化服务,提升品牌形象。
对于一般挽留用户
,其最近一次消费时间较远,消费频率低,消费金额低,可以减少该类用户的营销成本和服务预算。
ok,RFM 模型的作用也了解完毕。接下来,我们具体看看 RFM 模型是如何根据用户分类规则表将用户分为 8 类。
得到 R、F、M 这 3 个指标,一般需要的信息有:用户名称/用户 ID、消费记录(如消费时间、消费金额)。
假设现在是 2020 年 12 月 30 日,分析最近 30 天有进行消费的用户。其中:
用户小许最近一次消费时间是 2020 年 12 月 12 日,与今天的时间间隔为 18 天。在该月总共消费了 2 次,总共消费金额是 2021 元。
用户小王最近一次消费时间是 2020 年 12 月 28 日,与今天的时间间隔为 2 天。在该月总共消费了 5 次,总共消费金额是 10000 元。
我们可以得到两个用户的 R、F、M 值,如下表所示:
首先,我们了解一下什么叫阈值
。
阈值,又叫临界值,是指一个效应能够产生的最低值或最高值。
比如日常生活中,煮开水会有一个“沸点”。当温度低于“沸点”时水还没煮开,当温度高于这个“沸点”时,水就煮沸腾了。
这里用来区分温度高低的“沸点”,就可以理解为阈值。
而在案例中,对 RFM 各值的高低值进行标记前,需要我们获得 RFM 各值的阈值。
获得阈值,可以对 RFM 各值采取分区域评分,再计算各值平均数的方式,该方式会分为三个步骤:
1)给 R、F、M 各值按价值划分打分区间
这里需要注意的是,我们不是按指标的数值大小打分,而是对指标的价值打分。像最近一次消费时间间隔(R),消费时间间隔最近,即 R 值越小,用户的价值越高。
如何定义打分的范围,需要结合具体的业务来调整。由于这里是举例子来说明,所以我假设 R、F、M 各值按价值从小到大分为 1~5 分,其打分规则如下表:
根据打分规则表,给两个用户的 RFM 值进行打分。
2)计算价值的平均值
打完分数后,分别计算 R、F、M 各打分值的平均值,结果如下:
3)用户分类
最后,我们将两个用户的 RFM 值与各值的平均值进行对比。
如果一行里的 R 值打分大于平均值,就标记该行的 R 值标记为“高”,反之标记为“低”。F、M 值亦是同理。
再将标记好的 RFM 高低值与用户分类规则表进行对比,可以得出用户属于哪种类别。
至此,我们学习完 RFM 模型将用户进行分类的操作。你可以查看下图,回顾 RFM 模型的构建流程。
在构建 RFM 模型的过程中,有几个注意事项:
1)现实业务,不一定有完整的 RFM 数据,需要通过计算或变换。比如上方的 R 值,我们需要确定一个时间点,并计算该时间点与用户最近一次消费时间才能得到最小时间间隔。
2)划分 RFM 的“高低”值,关键是找到划分的阈值。分析目标的不同,所选择的分析方法也可能不同。
上面的例子中,我们为 RFM 各值进行分区域评分,再计算各评分值的平均值来得到阈值。
而在数据量大的情况下,其实我们也可以通过 R、F、M 各值的原始数据,直接计算平均数
或中位数
的方式来获得阈值,计算起来也相对简单。
只是选择计算平均数来获得阈值的方式,它有个缺点就是:容易受到极值的影响,无法根据业务需求人为控制。
这样得到的阈值对 RFM 值进行高低档的标记,会给后面分析得到的用户分类带来误差。
为了不受到极值的影响,可以选择计算中位数来获得阈值。
但中位数也有一个缺点就是:容易受到数据分布的密集程度所影响,无法对分布密集的数据进行深入分析。
由此得出来的结果,可能也会影响到用户的分类。
因此,如果只是简单计算阈值,可以采取平均数或者中位数等方法。
而如果想不受数据分布密度的影响,并根据业务需求和资源进行调整,可以选择分区域评分,再计算平均值的分析方法;
基础知识
1)read_excel(io, sheet_name=0)
:读取 Excel 文件类型的数据;
2)to_excel(excel_writer, sheet_name='Sheet1', index=True)
:将数据写入到 Excel 类型的文件;
3)astype(dtype)
:转换数据的类型;
4)replace(to_replace)
:批量替换数据。
RFM 模型
1)RFM 模型的概念
a. R:最近一次消费时间间隔;
b. F:消费频率;
c. M:消费金额。
2)RFM 模型的作用:多用于精细化运营,了解用户分布情况。
3)RFM 模型的构建流程
a. 获取含有 RFM 的用户数据;
b. 根据 RFM 的阈值,对用户进行分类。
文章浏览阅读331次。第一部分:准备工作1 安装虚拟机2 安装centos73 安装JDK以上三步是准备工作,至此已经完成一台已安装JDK的主机第二部分:准备3台虚拟机以下所有工作最好都在root权限下操作1 克隆上面已经有一台虚拟机了,现在对master进行克隆,克隆出另外2台子机;1.1 进行克隆21.2 下一步1.3 下一步1.4 下一步1.5 根据子机需要,命名和安装路径1.6 ..._创建一个hadoop项目
文章浏览阅读1.7k次。心脏滴血漏洞HeartBleed CVE-2014-0160 是由heartbeat功能引入的,本文从深入码层面的分析该漏洞产生的原因_heartbleed代码分析
文章浏览阅读1.4k次。前言ofd是国家文档标准,其对标的文档格式是pdf。ofd文档是容器格式文件,ofd其实就是压缩包。将ofd文件后缀改为.zip,解压后可看到文件包含的内容。ofd文件分析工具下载:点我下载。ofd文件解压后,可以看到如下内容: 对于xml文件,可以用文本工具查看。但是对于印章文件(Seal.esl)、签名文件(SignedValue.dat)就无法查看其内容了。本人开发一款ofd内容查看器,..._signedvalue.dat
文章浏览阅读1.8w次,点赞29次,收藏313次。整体系统设计本设计主要是对ADC和DAC的使用,主要实现功能流程为:首先通过串口向FPGA发送控制信号,控制DAC芯片tlv5618进行DA装换,转换的数据存在ROM中,转换开始时读取ROM中数据进行读取转换。其次用按键控制adc128s052进行模数转换100次,模数转换数据存储到FIFO中,再从FIFO中读取数据通过串口输出显示在pc上。其整体系统框图如下:图1:FPGA数据采集系统框图从图中可以看出,该系统主要包括9个模块:串口接收模块、按键消抖模块、按键控制模块、ROM模块、D.._基于fpga的信息采集
文章浏览阅读2.5w次。1.背景错误信息:-- [http-nio-9904-exec-5] o.s.c.n.z.filters.post.SendErrorFilter : Error during filteringcom.netflix.zuul.exception.ZuulException: Forwarding error at org.springframework.cloud..._com.netflix.zuul.exception.zuulexception
文章浏览阅读358次。1.介绍图的相关概念 图是由顶点的有穷非空集和一个描述顶点之间关系-边(或者弧)的集合组成。通常,图中的数据元素被称为顶点,顶点间的关系用边表示,图通常用字母G表示,图的顶点通常用字母V表示,所以图可以定义为: G=(V,E)其中,V(G)是图中顶点的有穷非空集合,E(G)是V(G)中顶点的边的有穷集合1.1 无向图:图中任意两个顶点构成的边是没有方向的1.2 有向图:图中..._给定一个邻接矩阵未必能够造出一个图
文章浏览阅读321次。(十二)、WDS服务器安装通过前面的测试我们会发现,每次安装的时候需要加域光盘映像,这是一个比较麻烦的事情,试想一个上万个的公司,你天天带着一个光盘与光驱去给别人装系统,这将是一个多么痛苦的事情啊,有什么方法可以解决这个问题了?答案是肯定的,下面我们就来简单说一下。WDS服务器,它是Windows自带的一个免费的基于系统本身角色的一个功能,它主要提供一种简单、安全的通过网络快速、远程将Window..._doc server2012上通过wds+mdt无人值守部署win11系统.doc
文章浏览阅读219次。python–xlrd/xlwt/xlutilsxlrd只能读取,不能改,支持 xlsx和xls 格式xlwt只能改,不能读xlwt只能保存为.xls格式xlutils能将xlrd.Book转为xlwt.Workbook,从而得以在现有xls的基础上修改数据,并创建一个新的xls,实现修改xlrd打开文件import xlrdexcel=xlrd.open_workbook('E:/test.xlsx') 返回值为xlrd.book.Book对象,不能修改获取sheett_xlutils模块可以读xlsx吗
文章浏览阅读8.2w次,点赞267次,收藏656次。运行Selenium出现'WebDriver' object has no attribute 'find_element_by_id'或AttributeError: 'WebDriver' object has no attribute 'find_element_by_xpath'等定位元素代码错误,是因为selenium更新到了新的版本,以前的一些语法经过改动。..............._unresolved attribute reference 'find_element_by_id' for class 'webdriver
文章浏览阅读198次。一:模态窗口//父页面JSwindow.showModalDialog(ifrmehref, window, 'dialogWidth:550px;dialogHeight:150px;help:no;resizable:no;status:no');//子页面获取父页面DOM对象//window.showModalDialog的DOM对象var v=parentWin..._jquery获取父window下的dom对象
文章浏览阅读1.7w次,点赞15次,收藏129次。算法(algorithm)是解决一系列问题的清晰指令,也就是,能对一定规范的输入,在有限的时间内获得所要求的输出。 简单来说,算法就是解决一个问题的具体方法和步骤。算法是程序的灵 魂。二、算法的特征1.可行性 算法中执行的任何计算步骤都可以分解为基本可执行的操作步,即每个计算步都可以在有限时间里完成(也称之为有效性) 算法的每一步都要有确切的意义,不能有二义性。例如“增加x的值”,并没有说增加多少,计算机就无法执行明确的运算。 _算法
文章浏览阅读1.5k次,点赞18次,收藏26次。网络安全的标准和规范是网络安全领域的重要组成部分。它们为网络安全提供了技术依据,规定了网络安全的技术要求和操作方式,帮助我们构建安全的网络环境。下面,我们将详细介绍一些主要的网络安全标准和规范,以及它们在实际操作中的应用。_网络安全标准规范