Calculando métricas RFM

Segmentação de Clientes em Python

Karolis Urbonas

Head of Data Science, Amazon

Definições

Recência – dias desde a última compra
Frequência – número de compras nos últimos 12 meses
Valor Monetário – gasto total nos últimos 12 meses

Dataset e preparações

Mesmo dataset online das aulas anteriores
Precisamos preparar os dados
Nova coluna TotalSum = Quantity x UnitPrice.

top_5_rows

Etapas de preparação

Vamos começar com um DataFrame online pré-processado, apenas com os últimos 12 meses:

print('Min:{}; Max:{}'.format(min(online.InvoiceDate),
                              max(online.InvoiceDate)))

Min:2010-12-10; Max:2011-12-09

Vamos criar um snapshot_day hipotético, como se a análise fosse recente.

snapshot_date = max(online.InvoiceDate) + datetime.timedelta(days=1)

Calcular métricas RFM

# Aggregate data on a customer level
datamart = online.groupby(['CustomerID']).agg({
    'InvoiceDate': lambda x: (snapshot_date - x.max()).days,
    'InvoiceNo': 'count',
    'TotalSum': 'sum'})

# Rename columns for easier interpretation
datamart.rename(columns = {'InvoiceDate': 'Recency',
                           'InvoiceNo': 'Frequency',
                           'TotalSum': 'MonetaryValue'}, inplace=True)

# Check the first rows
datamart.head()

Valores RFM finais

Nossa tabela para segmentação RFM está pronta!

rfm_top_5

Vamos praticar calcular valores RFM!

Segmentação de Clientes em Python