python实现客户价值分析
本章使用的客户价值分析主要使用的是聚类分析方法,那么在对客户进行聚类前,首先使用RFM模型分析客户价值,下面进行RFM模型讲解:
1.RFM模型
RFM模型是衡量客户价值和潜在价值,它是衡量客户价值和潜在价值的主要工具手段。大部分人员都会接触到该模型,RFM模型是国际上最成熟、最为容易的客户价值分析方法。它包括以下三个指标
其中,RFM分别表示
R:最近消费时间间隔(recency) F:消费频率(frequence) M:消费金额(Model)
R:最近消费时间间隔,表示客户最近一-次消 费时间与之前消费时间的距离。 R:最近消费时间间隔,表示客户最近一-次消费时间与之前消费时间的距离。
R越大,表示客户越久未发生交易,R越小,表示客户最近有交易发生。R越大,则客户越可能会; R越大,表示客户越久未发生交易,R越小,表示客户最近有交易发生.R越大,则客户越可能会;
“沉睡”,流失的可能性越大。在这部分客户中,可能有些优质客户,值得通过一-些营 销手段进行激活。 “沉睡”,流失的可能性越大。在这部分客户中,可能有些优质客户,值得通过一-些营销手段进行激活.
F:消费频率,表示- -段时间内的客户消费次数。F越大,则表示客户交易越频繁,是非常忠诚的客 F:消费频率,表示--段时间内的客户消费次数.F越大,则表示客户交易越频繁,是非常忠诚的客户,也是对公司的产品认同度较高的客户: F越小,则表示客户不够活跃,且可能是竞争对手的常客。针 户,也是对公司的产品认同度较高的客户:F越小,则表示客户不够活跃,且可能是竞争对手的常客.针
对F较小、且消费额较大的客户,需要推出一 定的竞争策略,将这批客户从竞争对手中争取过来。 对F较小、且消费额较大的客户,需要推出一定的竞争策略,将这批客户从竞争对手中争取过来.
M:消费金额,表示客户每次消费金额,可以用最近一一次消费金额,也可以用过去的平均消费金 M:消费金额,表示客户每次消费金额,可以用最近一一次消费金额,也可以用过去的平均消费金
额,根据分析的目的不同,可以有不同的标识方法。 额,根据分析的目的不同,可以有不同的标识方法.
2.聚类
聚类的目的是把数据分类,但是事先我们不知道如何去分,完全是靠算法判断数据之间的相似 聚类的目的是把数据分类,但是事先我们不知道如何去分,完全是靠算法判断数据之间的相似
性,相似的就放在一起。本章通过聚类实现客户分类,将相似的客户分为- -类,主要使用了机器学习 性,相似的就放在一起.本章通过聚类实现客户分类,将相似的客户分为--类,主要使用了机器学习Scikit-Learn中的聚类模块cluster提供的KMeans方法来实现。有关聚类的介绍可以参考第8章内容。 学习中的聚类模块集群提供的KMeans方法来实现.有关聚类的介绍可以参考第8章内容.