RFM（最新購買・頻度・金額）セグメンテーション

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

RFMセグメンテーションとは？

3つの指標に基づく行動型顧客セグメンテーション：

Recency（R）
Frequency（F）
Monetary Value（M）

RFM値のグループ化

RFM値のグループ化方法：

パーセンタイル（例：分位）
パレート80/20分割
カスタム（ビジネス知識に基づく）

ここではパーセンタイルによるグループ化を実装します。

パーセンタイルの復習（短縮）

パーセンタイル算出の手順：

その指標で顧客を並べ替える
同サイズの事前定義グループに分割
各グループにラベルを付与

Pythonでパーセンタイルを計算

8件のCustomerIDとランダムに算出したSpendのデータ。

dummy_percentile_data

Pythonでパーセンタイルを計算

spend_quartiles = pd.qcut(data['Spend'], q=4, labels=range(1,5))

data['Spend_Quartile'] = spend_quartiles

data.sort_values('Spend')

ラベルの付与

最高スコア＝最良の指標。ただし常に高いほど良いとは限らない（例：最新性）
この場合は逆ラベル。より最近の顧客ほど良い

ラベルの付与

# 連番ラベルを作成
r_labels = list(range(4, 0, -1))

# 四分位でグループ分け
recency_quartiles = pd.qcut(data['Recency_Days'], q=4, labels=r_labels)

# 新しい列を作成
data['Recency_Quartile'] = recency_quartiles

# 最新性を小さい順に並べ替え
data.sort_values('Recency_Days')

ラベルの付与

ご覧のとおり、四分位ラベルは逆になります。より最近の顧客ほど価値が高いからです。

recency_quartiles

カスタムラベル

用途に応じて、文字列など任意の値のリストを定義できます。

# 文字列ラベルを作成
r_labels = ['Active', 'Lapsed', 'Inactive', 'Churned']

# 四分位でグループ分け 
recency_quartiles = pd.qcut(data['Recency_Days'], q=4, labels=r_labels)

# 新しい列を作成
data['Recency_Quartile'] = recency_quartiles 

# 小さい順に並べ替え
data.sort_values('Recency_Days')

カスタムラベル

各四分位にカスタムラベルを割り当て

Recency_quartiles

パーセンタイルで練習しましょう！

Pythonで学ぶカスタマーセグメンテーション