pandas 实现 RFM 用户分层

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

RFM 是典型的用户分层方法，是评估用户消费能力、衡量用户贡献价值的重要工具。RFM 代表的是最近一次消费时间间隔（Recency）、消费频率（Frequency）和消费金额（Monetary）。本案例将利用 Pandas 建立用户消费 RFM 模型，实现精细化运营。

首先构造数据，并进行数据类型转换：

import pandas as pd
# 构造数据
import faker # 安装：pip install faker

f = faker.Faker('zh-cn')

df = pd.DataFrame({
    '用户': [f.name() for i in range(20000)],
    '购买日期': [f.date_between(start_date='-1y',
    end_date='today') for i in range(20000)],
    '金额': [f.random_int(10, 100) for i in range(20000)]
})

# 数据类型转换
df = df.astype({'购买日期': 'datetime64[ns]'})
# 数据类型
df.dtypes
'''
用户 object
购买日期 datetime64[ns]
金额 int64
dtype: object
'''

df
'''
        用户        购买日期  金额
0       张娜  2023-05-11  19
1       傅倩  2022-06-03  64
2      罗秀芳  2022-08-12  63
3       刘刚  2022-07-02  88
4       焦慧  2022-11-14  89
...    ...         ...  ..
19995   李倩  2022-10-26  30
19996   程鑫  2022-10-20  29
19997  聂兰英  2023-05-23  58
19998  汪桂珍  2022-06-04  75
19999  赖海燕  2022-06-27  46

[20000 rows x 3 columns]
'''

以上构造了两万条用户消费记录，有用户名、购买时间和金额，且交易时间在近一年内，交易金额在 10 ～ 100 元之间。

首先来计算 R 值。R 为最后一次购买时间距今的天数，R 值越大代表用户越有可能处于沉睡状态，流失风险越大：

# r 为购买间隔天数
r = (
    df.groupby('用户')
    .apply(lambda x: (pd.Timestamp('today')-x['购买日期'].max()))
    .dt
    .days
)

r
'''
用户
丁丹丹    210
丁丽     185
丁亮     225
丁伟      87
丁俊      85
      ... 
龚莹     121
龚阳     225
龚霞      30
龚静      89
龚鹏     290
Length: 9362, dtype: int64
'''

先对用户分组，分组后取每组用户最近购买时间（时间的最大值），然后用今日减去最近购买时间，就得到了最近购买间隔天数。

接下来计算 F 值。F 值是消费频率，消费频次越高代表用户黏性越强。我们将同一天购买多次的情况算作一次。算法也是先对用户分组，然后取购买日期的不重复数量：

# f 为购买次数，一天多次算一次
f = (
    df.groupby(['用户'])
    .apply(lambda x: x['购买日期'].nunique())
)
f.sort_values()
'''
用户
丁丹丹     1
穆飞      1
穆艳      1
穆秀荣     1
穆秀英     1
       ..
张莉     19
张明     20
李海燕    20
王文     21
李林     21
Length: 9362, dtype: int64
'''

M 值是金额，我们这里计算用户每次购物的平均金额，即用户总金额 / 用户购买次数。由于前面已经算出购买次数，因此我们在合并数据时再计算 M 值，这里先计算出每个用户的总金额：

# m 为平均每次的购买金额
df.groupby(['用户'])['金额'].sum()
'''
用户
丁丹丹     46
丁丽     164
丁亮      69
丁伟      83
丁俊     152
      ... 
龚莹      59
龚阳      92
龚霞     123
龚静      91
龚鹏      93
Name: 金额, Length: 9362, dtype: int64
'''

接下来将 RFM 数据合并。由于我们之前在计算 R 值和 F 值后都是以用户名称为索引的，因此直接用两个 Series 构造 DataFrame，同时算出 M 值：

# 合并RFM
(
    pd.DataFrame({'r': r,'f': f,})
    # m为总金额/购买次数
    .assign(m=lambda x: df.groupby(['用户'])['金额'].sum()/x.f)
)
'''
       r  f     m
用户               
丁丹丹  210  1  46.0
丁丽   185  2  82.0
丁亮   225  2  34.5
丁伟    87  1  83.0
丁俊    85  2  76.0
..   ... ..   ...
龚莹   121  1  59.0
龚阳   225  1  92.0
龚霞    30  2  61.5
龚静    89  1  91.0
龚鹏   290  1  93.0

[9362 rows x 3 columns]
'''

这样，每个用户的 RFM 值就计算出来了。接着给 RFM 打分，为了方便演示，采用 3 分制，将 RFM 的值分为三个等级。R 值使用 pd.qcut() 平均分为三段，R 越大代表间隔时间越长，对间隔近的打 3 分，次之打 2 分，最远的打 1 分。F 值和 M 值越大越好，因此我们用 pd.cut() 人工分段，分别打 1、2、3 分。代码如下：

(
    pd.DataFrame({'r': r,'f': f,})
    # m为总金额/购买次数
    .assign(m=lambda x: df.groupby(['用户'])['金额'].sum()/x.f)
    .assign(r_s=lambda x: pd.qcut(x.r, q=3, labels=[3,2,1]))
    .assign(f_s=lambda x: pd.cut(x.f,bins=[0,2,5,float('inf')], labels=[1,2,3],
    right = False))
    .assign(m_s=lambda x: pd.cut(x.m,bins=[0,30,60,float('inf')], labels=[1,2,3],
    right = False))
)
'''
       r  f     m r_s f_s m_s
用户                           
丁丹丹  210  1  46.0   1   1   2
丁丽   185  2  82.0   2   2   3
丁亮   225  2  34.5   1   2   2
丁伟    87  1  83.0   2   1   3
丁俊    85  2  76.0   2   2   3
..   ... ..   ...  ..  ..  ..
龚莹   121  1  59.0   2   1   2
龚阳   225  1  92.0   1   1   3
龚霞    30  2  61.5   3   2   3
龚静    89  1  91.0   2   1   3
龚鹏   290  1  93.0   1   1   3

[9362 rows x 6 columns]
'''

这样，就给每个用户的 RFM 完成了打分。接下来进行分值归一化，我们把高于平均水平的归为 1，低于平均水平的归为 0：

(
    pd.DataFrame({'r': r,'f': f,})
    # m为总金额/购买次数
    .assign(m=lambda x: df.groupby(['用户'])['金额'].sum()/x.f)
    .assign(r_s=lambda x: pd.qcut(x.r, q=3, labels=[3,2,1]))
    .assign(f_s=lambda x: pd.cut(x.f,bins=[0,2,5,float('inf')], labels=[1,2,3], right = False))
    .assign(m_s=lambda x: pd.cut(x.m,bins=[0,30,60,float('inf')], labels=[1,2,3], right = False))
    .assign(r_e=lambda x: (x.r_s.astype(int) > x.r_s.astype(int).mean())*1)
    .assign(f_e=lambda x: (x.f_s.astype(int) > x.f_s.astype(int).mean())*1)
    .assign(m_e=lambda x: (x.m_s.astype(int) > x.m_s.astype(int).mean())*1)
)
'''
       r  f     m r_s f_s m_s  r_e  f_e  m_e
用户                                          
丁丹丹  210  1  46.0   1   1   2    0    0    0
丁丽   185  2  82.0   2   2   3    0    1    1
丁亮   225  2  34.5   1   2   2    0    1    0
丁伟    87  1  83.0   2   1   3    0    0    1
丁俊    85  2  76.0   2   2   3    0    1    1
..   ... ..   ...  ..  ..  ..  ...  ...  ...
龚莹   121  1  59.0   2   1   2    0    0    0
龚阳   225  1  92.0   1   1   3    0    0    1
龚霞    30  2  61.5   3   2   3    1    1    1
龚静    89  1  91.0   2   1   3    0    0    1
龚鹏   290  1  93.0   1   1   3    0    0    1

[9362 rows x 9 columns]
'''

最后将这些打分形成一个统一的标签。在打分设计时我们给正向的方面打了高分，再将分值的重要度 R、F、M 分别转化为数字，放在百位、十位和个位：

(
    pd.DataFrame({'r': r,'f': f,})
    # m为总金额/购买次数
    .assign(m=lambda x: df.groupby(['用户'])['金额'].sum()/x.f)
    .assign(r_s=lambda x: pd.qcut(x.r, q=3, labels=[3,2,1]))
    .assign(f_s=lambda x: pd.cut(x.f,bins=[0,2,5,float('inf')], labels=[1,2,3], right = False))
    .assign(m_s=lambda x: pd.cut(x.m,bins=[0,30,60,float('inf')], labels=[1,2,3], right = False))
    .assign(r_e=lambda x: (x.r_s.astype(int) > x.r_s.astype(int).mean())*1)
    .assign(f_e=lambda x: (x.f_s.astype(int) > x.f_s.astype(int).mean())*1)
    .assign(m_e=lambda x: (x.m_s.astype(int) > x.m_s.astype(int).mean())*1)
    .assign(label=lambda x: x.r_e*100+x.f_e*10+x.m_e*1)
)
'''
       r  f     m r_s f_s m_s  r_e  f_e  m_e  label
用户                                                 
丁丹丹  210  1  46.0   1   1   2    0    0    0      0
丁丽   185  2  82.0   2   2   3    0    1    1     11
丁亮   225  2  34.5   1   2   2    0    1    0     10
丁伟    87  1  83.0   2   1   3    0    0    1      1
丁俊    85  2  76.0   2   2   3    0    1    1     11
..   ... ..   ...  ..  ..  ..  ...  ...  ...    ...
龚莹   121  1  59.0   2   1   2    0    0    0      0
龚阳   225  1  92.0   1   1   3    0    0    1      1
龚霞    30  2  61.5   3   2   3    1    1    1    111
龚静    89  1  91.0   2   1   3    0    0    1      1
龚鹏   290  1  93.0   1   1   3    0    0    1      1

[9362 rows x 10 columns]
'''

最后可以用 map 方法给数据打上中文标签：

label_names = {111:'重要价值用户',
               110:'一般价值用户',
               101:'重要发展用户',
               100:'一般发展用户',
               11:'重要保持用户',
               10:'一般保持用户',
               1:'重要挽留用户',
               0:'一般挽留用户'}


(
    pd.DataFrame({'r': r,'f': f,})
    # m为总金额/购买次数
    .assign(m=lambda x: df.groupby(['用户'])['金额'].sum()/x.f)
    .assign(r_s=lambda x: pd.qcut(x.r, q=3, labels=[3,2,1]))
    .assign(f_s=lambda x: pd.cut(x.f,bins=[0,2,5,float('inf')], labels=[1,2,3], right = False))
    .assign(m_s=lambda x: pd.cut(x.m,bins=[0,30,60,float('inf')], labels=[1,2,3], right = False))
    .assign(r_e=lambda x: (x.r_s.astype(int) > x.r_s.astype(int).mean())*1)
    .assign(f_e=lambda x: (x.f_s.astype(int) > x.f_s.astype(int).mean())*1)
    .assign(m_e=lambda x: (x.m_s.astype(int) > x.m_s.astype(int).mean())*1)
    .assign(label=lambda x: x.r_e*100+x.f_e*10+x.m_e*1)
    .assign(label_names=lambda x: x.label.map(label_names))
    .groupby('label').count().r.plot.bar()
)
# 显示如下图形，各个标签的用户数

rfm 统计图

这样，将用户按分值由高到低分为 9 类，运营人员可以根据不同的用户类型来制定不同的营销策略。

（完）

注：此案例收录在《深入浅出Pandas：利用Python进行数据处理与分析》17.3.6 小节。

pandas 实现 RFM 用户分层

相关内容