Побудова сегментів RFM

Сегментація клієнтів у Python

Karolis Urbonas

Head of Data Science, Amazon

Дані

Набір даних, створений раніше
Обчислимо квартилі для кожного стовпця та назвемо їх R, F, M

rfm_data

Квартилі Recency

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

Квартилі Frequency та Monetary

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)

Створення RFM-сегмента і RFM-оцінки

Об'єднайте значення квартилів RFM у RFM_Segment
Підсумуйте значення квартилів RFM у 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)

Кінцевий результат

rfm_table

Давайте потренуємось у побудові RFM-сегментів

Сегментація клієнтів у Python