Сегментация по давности, частоте и сумме покупок (RFM)

Сегментация клиентов в Python

Karolis Urbonas

Head of Data Science, Amazon

Что такое RFM-сегментация?

Поведенческая сегментация клиентов на основе трёх метрик:

Давность покупки (R)
Частота покупок (F)
Денежная ценность (M)

Группировка RFM-значений

RFM-значения можно группировать несколькими способами:

Перцентили, например квантили
Разбивка по принципу Парето 80/20
Пользовательская — на основе бизнес-знаний

Мы будем использовать группировку на основе перцентилей.

Краткий обзор перцентилей

Процесс вычисления перцентилей:

Отсортируйте клиентов по нужной метрике
Разбейте их на заданное количество равных групп
Присвойте каждой группе метку

Вычисление перцентилей на Python

Данные с восемью CustomerID и случайно сгенерированными значениями Spend.

Пример данных о расходах

Вычисление перцентилей на Python

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

data['Spend_Quartile'] = spend_quartiles

data.sort_values('Spend')

Присвоение меток

Высший балл присваивается лучшему значению метрики — но «лучший» не всегда означает «наибольший», как в случае с давностью
Здесь метки инвертируются: чем недавнее покупка, тем выше ценность клиента

Присвоение меток

# Create numbered labels
r_labels = list(range(4, 0, -1))

# Divide into groups based on quartiles
recency_quartiles = pd.qcut(data['Recency_Days'], q=4, labels=r_labels)

# Create new column
data['Recency_Quartile'] = recency_quartiles

# Sort recency values from lowest to highest
data.sort_values('Recency_Days')

Присвоение меток

Как видите, метки квартилей инвертированы: чем недавнее покупка, тем ценнее клиент.

Квартили давности

Пользовательские метки

Можно задать список строковых или любых других значений в зависимости от задачи.

# Create string labels
r_labels = ['Active', 'Lapsed', 'Inactive', 'Churned']

# Divide into groups based on quartiles 
recency_quartiles = pd.qcut(data['Recency_Days'], q=4, labels=r_labels)

# Create new column
data['Recency_Quartile'] = recency_quartiles 

# Sort values from lowest to highest
data.sort_values('Recency_Days')

Пользовательские метки

Пользовательские метки, присвоенные каждому квартилю

Квартили давности с пользовательскими метками

Давайте потренируемся!

Сегментация клиентов в Python