Créer des segments RFM

Customer Segmentation in Python

Karolis Urbonas

Head of Data Science, Amazon

Données

Jeu de données créé précédemment
Calcul des quartiles pour chaque colonne, nommés R, F, M

rfm_data

Quartiles de récence

r_labels = range(4, 0, -1)

r_quartiles = pd.qcut(datamart['Recency'], 4, labels = r_labels)

datamart = datamart.assign(R = r_quartiles.values)

r-value

Quartiles de fréquence et monétaire

f_labels = range(1,5)
m_labels = range(1,5)

f_quartiles = pd.qcut(datamart['Frequency'], 4, labels = f_labels)
m_quartiles = pd.qcut(datamart['MonetaryValue'], 4, labels = m_labels)

datamart = datamart.assign(F = f_quartiles.values)
datamart = datamart.assign(M = m_quartiles.values)

Créer le segment RFM et le score RFM

Concaténer les quartiles RFM dans RFM_Segment
Additionner les quartiles RFM dans RFM_Score

def join_rfm(x): return str(x['R']) + str(x['F']) + str(x['M'])

datamart['RFM_Segment'] = datamart.apply(join_rfm, axis=1)

datamart['RFM_Score'] = datamart[['R','F','M']].sum(axis=1)

Résultat final

rfm_table

Exerçons-nous à créer des segments RFM

Customer Segmentation in Python