建立 RFM 分群

Python 的客群分群

Karolis Urbonas

Head of Data Science, Amazon

資料

我們先前建立的資料集
會為各欄計算四分位數，並分別命名為 R、F、M

rfm_data

Recency 四分位

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 與 Monetary 四分位

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)

建立 RFM 分群與 RFM 分數

將 RFM 四分位值串接成 RFM_Segment
將 RFM 四分位值相加為 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)

最終結果

rfm_table

一起來練習吧！建立 RFM 分群

Python 的客群分群