京公网安备 11010802034615号
			经营许可证编号:京B2-20210330
		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。
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。
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。
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。
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。
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。
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。
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
教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04当沃尔玛数据分析师首次发现 “啤酒与尿布” 的高频共现规律时,他们揭开了数据挖掘最迷人的面纱 —— 那些隐藏在消费行为背后 ...
2025-11-03这个问题精准切中了配对样本统计检验的核心差异点,理解二者区别是避免统计方法误用的关键。核心结论是:stats.ttest_rel(配对 ...
2025-11-03在 CDA(Certified Data Analyst)数据分析师的工作中,“高维数据的潜在规律挖掘” 是进阶需求 —— 例如用户行为包含 “浏览次 ...
2025-11-03在 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28