Obliczanie metryk RFM

Segmentacja klientów w Pythonie

Karolis Urbonas

Head of Data Science, Amazon

Definicje

Recency – liczba dni od ostatniej transakcji klienta
Frequency – liczba transakcji w ciągu ostatnich 12 miesięcy
Monetary Value – łączne wydatki w ciągu ostatnich 12 miesięcy

Zbiór danych i przygotowanie

Ten sam zbiór danych online co w poprzednich lekcjach
Wymagane przygotowanie danych
Nowa kolumna TotalSum = Quantity x UnitPrice.

Pierwsze 5 wierszy

Kroki przygotowania danych

Zaczynamy od wstępnie przetworzonej ramki danych online zawierającej tylko ostatnie 12 miesięcy:

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

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

Utwórzmy hipotetyczną datę snapshot_day, jak gdyby analiza była przeprowadzana niedawno.

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

Obliczanie metryk 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()

Końcowe wartości RFM

Tabela do segmentacji RFM jest gotowa!

Pierwsze 5 wierszy RFM

Czas obliczyć wartości RFM!

Segmentacja klientów w Pythonie