分析 RFM 细分

Python 中的客户细分

Karolis Urbonas

Head of Data Science, Amazon

最大 RFM 细分

datamart.groupby('RFM_Segment').size().sort_values(ascending=False)[:10]

top_rfm_segments

按 RFM 细分筛选

选择最低 RFM 细分"111"，查看前 5 行

datamart[datamart['RFM_Segment']=='111'][:5]

top-111-segments

按 RFM 分数的汇总指标

datamart.groupby('RFM_Score').agg({
    'Recency': 'mean',
    'Frequency': 'mean',
    'MonetaryValue': ['mean', 'count'] })/
    .round(1)

分组为命名细分

使用 RFM 分数将客户分为 Gold、Silver 和 Bronze 细分。

def segment_me(df):
    if df['RFM_Score'] >= 9:
        return 'Gold'
    elif (df['RFM_Score'] >= 5) and (df['RFM_Score'] < 9):
        return 'Silver'
    else:
        return 'Bronze'

datamart['General_Segment'] = datamart.apply(segment_me, axis=1)

datamart.groupby('General_Segment').agg({
    'Recency': 'mean',
    'Frequency': 'mean',
    'MonetaryValue': ['mean', 'count']}).round(1)

新细分与其价值

练习构建自定义细分

Python 中的客户细分