RFM 指標の計算

Pythonで学ぶカスタマーセグメンテーション

Karolis Urbonas

Head of Data Science, Amazon

定義

Recency：最後の取引からの経過日数
Frequency：直近12か月の取引回数
Monetary Value：直近12か月の合計支出

データセットと準備

以前のレッスンと同じ online データセット
いくつか前処理が必要
新しい TotalSum 列 = Quantity × UnitPrice

top_5_rows

前処理の手順

最新12か月のみを含む前処理済みの online DataFrame から始めます。

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

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

直近の分析を想定し、仮の snapshot_day を作成します。

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

RFM 指標の計算

# 顧客単位で集計
datamart = online.groupby(['CustomerID']).agg({
    'InvoiceDate': lambda x: (snapshot_date - x.max()).days,
    'InvoiceNo': 'count',
    'TotalSum': 'sum'})

# 解釈しやすいように列名を変更
datamart.rename(columns = {'InvoiceDate': 'Recency',
                           'InvoiceNo': 'Frequency',
                           'TotalSum': 'MonetaryValue'}, inplace=True)

# 先頭行を確認
datamart.head()

最終的な RFM 値

RFM セグメンテーション用のテーブルが完成しました。

rfm_top_5

RFM 値を計算してみましょう！

Pythonで学ぶカスタマーセグメンテーション