計算 RFM 指標

Python 的客群分群

Karolis Urbonas

Head of Data Science, Amazon

定義

Recency（距今最近購買）－距離上次交易的天數
Frequency（購買頻率）－最近 12 個月的交易次數
Monetary Value（金額）－最近 12 個月的總消費

資料集與前處理

與前面課程相同的 online 資料集。
需要先做資料前處理。
新增 TotalSum 欄位 = Quantity × UnitPrice。

前 5 列

資料準備步驟

我們從已前處理的 online DataFrame 開始，僅包含最近 12 個月的資料：

print('Min:{}; Max:{}'.format(min(online.InvoiceDate),
                              max(online.InvoiceDate)))

Min:2010-12-10; Max:2011-12-09

接著建立一個假設的 snapshot_day，模擬最近進行分析的狀態。

snapshot_date = max(online.InvoiceDate) + datetime.timedelta(days=1)

計算 RFM 指標

# 以客戶層級彙總資料
datamart = online.groupby(['CustomerID']).agg({
    'InvoiceDate': lambda x: (snapshot_date - x.max()).days,
    'InvoiceNo': 'count',
    'TotalSum': 'sum'})

# 重新命名欄位，方便解讀
datamart.rename(columns = {'InvoiceDate': 'Recency',
                           'InvoiceNo': 'Frequency',
                           'TotalSum': 'MonetaryValue'}, inplace=True)

# 檢查前幾列
datamart.head()

最終 RFM 值

RFM 分群所需的表格已完成！

RFM 前 5 列

一起來練習吧！計算 RFM 值

Python 的客群分群