Bygga RFM-segment

Kundsegmentering i Python

Karolis Urbonas

Head of Data Science, Amazon

Data

Datamängden vi skapade tidigare
Beräknar kvartiilvärdet för varje kolumn och namnger dem R, F, M

rfm_data

Recency-kvartil

r_labels = range(4, 0, -1)

r_quartiles = pd.qcut(datamart['Recency'], 4, labels = r_labels)

datamart = datamart.assign(R = r_quartiles.values)

r-value

Frequency- och monetary-kvartiler

f_labels = range(1,5)
m_labels = range(1,5)

f_quartiles = pd.qcut(datamart['Frequency'], 4, labels = f_labels)
m_quartiles = pd.qcut(datamart['MonetaryValue'], 4, labels = m_labels)

datamart = datamart.assign(F = f_quartiles.values)
datamart = datamart.assign(M = m_quartiles.values)

Bygg RFM-segment och RFM-poäng

Sammanfogar RFM-kvartiilvärden till RFM_Segment
Summerar RFM-kvartiilvärden till RFM_Score

def join_rfm(x): return str(x['R']) + str(x['F']) + str(x['M'])

datamart['RFM_Segment'] = datamart.apply(join_rfm, axis=1)

datamart['RFM_Score'] = datamart[['R','F','M']].sum(axis=1)

Slutresultat

rfm_table

Nu kör vi en övning!

Kundsegmentering i Python