数据分析

发布日期: 2023-10-15

作者: Bevis23

文章字数: 3.4k

阅读时长: 13 分

阅读次数:

引言

数据分析是当今信息时代的核心驱动力，通过深入挖掘数据，企业能够更好地了解其客户、市场和业务。在这篇博客中，我们将探讨一种强大的数据分析方法，即RFM分析，它是一种用于理解客户行为和价值的工具。我们将首先介绍数据分析的重要性，然后深入研究RFM分析，解释其核心概念，以及在哪些领域它可以发挥关键作用。

什么是RFM分析？

RFM分析是一种数据驱动的方法，用于分析和理解客户行为。它的名称来源于三个关键指标：Recency（最近一次交易时间）、Frequency（购买频率）和Monetary（购买金额）。这些指标被广泛应用于各种行业，从零售到电子商务，以帮助企业更好地理解客户，并制定相关的营销策略。

核心概念

Recency（最近一次交易时间）：Recency衡量客户最近一次交易或互动的时间。这是一个关键的指标，因为它反映了客户的活跃度。通常，较近期的交易代表客户更有可能再次购买。

举例：假设你是一家在线服装店的所有者，你想知道哪些客户最近购买了你的商品。Recency指标将告诉你谁在最近的一段时间内进行了购物。
Frequency（购买频率）：Frequency测量客户在特定时间段内的购买次数。高频率的客户通常更忠诚，因为他们反复购买你的产品或服务。

举例：继续考虑在线服装店，Frequency指标将揭示哪些客户是经常购物的忠实顾客，哪些则较少购物。
Monetary（购买金额）：Monetary度量客户在一段时间内的总购买金额。购买金额是一个关键的指标，因为它表明客户对你的产品或服务的实际价值。

举例：通过查看购买金额，你可以发现哪些客户每次购物都花费大量资金，这对于定价和促销策略的制定非常重要。

RFM分析通过综合考虑这三个指标，可以帮助企业识别出不同类型的客户，如忠实客户、潜在客户和流失客户，从而制定有针对性的策略以提高客户满意度和营业额。

RFM分析的步骤和原理

RFM分析通常包括以下四个主要步骤：数据预处理、计算RFM指标、分段划分和用户特征分析

1. 数据预处理

数据预处理是任何数据分析项目的首要任务。在RFM分析中，数据通常来自不同的交易记录，因此需要经过整理和清洗，以确保数据的质量和一致性。

数据收集：收集来自不同渠道的交易数据，包括购买日期、交易金额等。
数据清洗：识别和处理缺失数据、异常值和重复记录，确保数据的准确性。
数据筛选：根据分析的目标，筛选出需要的交易记录信息，通常包括客户ID、交易日期和金额。

2. 计算RFM指标

一旦数据准备就绪，下一步是计算每个客户的RFM指标。这些指标将成为分析客户价值的基础。

计算Recency（R）

Recency指标衡量了客户最近一次交易的时间。通常，最近一次交易日期距离当前日期越近的客户，其Recency值越高。

计算Frequency（F）

Frequency指标度量了客户在一段时间内的购买频率。高频率购买的客户将具有较高的Frequency值。

计算Monetary（M）

Monetary指标代表客户在一段时间内的总购买金额。购买金额高的客户将具有较高的Monetary值。

3. 分段划分

一旦计算出每个客户的RFM值，接下来的任务是将客户分成不同的群体，以便更好地理解他们的特征和行为。分段通常涉及到将每个指标分成若干组，如高、中、低，然后将这些组合起来形成不同的RFM组合。这将帮助我们识别出不同类型的客户，例如：

RFM群组	最近购买时间（Recency）	购买频率（Frequency）	消费金额（Monetary）
忠实客户	高	高	高
潜在客户	低	中	中
流失客户	低	低	低

根据上述表格，我们可以看到不同类型客户的RFM指标特征。忠实客户在最近购买时间、购买频率和消费金额方面都表现出较高水平；潜在客户在这些指标上的表现相对中等；而流失客户在这些指标上都表现较低。

4. 用户特征分析

对每个RFM群体进行深入分析，以了解他们的特征和行为。这有利于制定有针对性的营销策略和服务改进措施。例如：

忠实客户：我们可以为他们提供专门的奖励计划，以激励他们继续购买。
潜在客户：我们可以发送定制的促销信息，以吸引他们成为忠实客户。
流失客户：我们可以尝试重新吸引他们通过特殊的优惠和个性化的沟通。

实战案例

本数据来自kaggle社区开放数据集”Tiktok E-Commerce Data”，鉴于数据集缺少 Recency 这个最近购买日期字段，以下均重点针对 Monetary与Frequency，并针对其他维度做分析

数据集源链接：https://www.kaggle.com/datasets/hanshunfan/tiktok-ecommerce-data

步骤1：数据预处理

import pandas as pd

# 读取csv数据集文件
file_path = 'E:\data\douyin.csv'
df = pd.read_csv(file_path)

# 查看数据看字段，查看基本信息
df.head()
df.info()

为了进行RFM分析，主要关注以下几个字段：

user_id: 用户ID，用于标识不同的用户。
gmv: 交易金额，用于计算Monetary值。
unit_sold: 销售数量，可以用于辅助计算Frequency值。

首先，对数据进行清洗，以便仅保留有用的信息。

删除没有user_id的记录。
确保所有数值字段（如gmv和unit_sold）都是数值类型。

# 数据清理

# 删除'user_id'为NaN的行
df_cleaned = df.dropna(subset=['user_id'])

# 确保'gmv'和'unit_sold'是数字
df_cleaned.loc[:, 'gmv'] = pd.to_numeric(df_cleaned['gmv'], errors='coerce')
df_cleaned.loc[:, 'unit_sold'] = pd.to_numeric(df_cleaned['unit_sold'], errors='coerce')

# 删除以下字段包含NaN值的行
df_cleaned = df_cleaned.dropna(subset=['user_id', 'gmv', 'unit_sold'])

# 查看清洗后的前5行
df_cleaned.head()

步骤2：计算RFM指标

在这一步，计算每个用户的Recency（最近一次购买）、Frequency（购买频率）和Monetary（消费金额）值。

由于提供的数据集没有具体的交易日期，无法计算Recency。不过Frequency和Monetary是可以计算的。

Frequency: 对每个用户，计算其总的购买次数。
Monetary: 对每个用户，计算其总的消费金额（gmv字段）。

# 计算每个用户的频率和消费值

# frequency:统计每个用户的消费频率
frequency_df = df_cleaned.groupby('user_id')['spu_id'].count().reset_index()
frequency_df.columns = ['user_id', 'Frequency']

# Monetary:汇总每个用户的总GMV
monetary_df = df_cleaned.groupby('user_id')['gmv'].sum().reset_index()
monetary_df.columns = ['user_id', 'Monetary']

# 合并频率和货币数据框架
rfm_df = pd.merge(frequency_df, monetary_df, on='user_id')

# 显示RFM DataFrame的前几行
rfm_df.head()

    user_id    Frequency    Monetary
0    6.633285e+07    14    4608.959091
1    1.000428e+09    1    198.000000
2    2.595599e+09    5    3588.220000
3    2.613651e+09    3    191300.900000
4    2.748420e+09    2    164.000000

步骤3：分段划分

根据Frequency和Monetary值将用户分为不同的群体。通常，这一步使用分位数或自定义阈值来进行。

高频率、高消费（High Frequency, High Monetary）
高频率、低消费（High Frequency, Low Monetary）
低频率、高消费（Low Frequency, High Monetary）
低频率、低消费（Low Frequency, Low Monetary）

# 计算每个用户的消费频率和消费金额
frequency_quartiles = rfm_df['Frequency'].quantile([.25, .5, .75]).to_dict()
monetary_quartiles = rfm_df['Monetary'].quantile([.25, .5, .75]).to_dict()

# 创建一个Segment列，并将其初始化为空字符串
rfm_df['Segment'] = ''

# 高频率、高消费
rfm_df.loc[(rfm_df['Frequency'] > frequency_quartiles[0.75]) & (rfm_df['Monetary'] > monetary_quartiles[0.75]), 'Segment'] = 'High Frequency, High Monetary'

# 高频率、低消费
rfm_df.loc[(rfm_df['Frequency'] > frequency_quartiles[0.75]) & (rfm_df['Monetary'] <= monetary_quartiles[0.25]), 'Segment'] = 'High Frequency, Low Monetary'

# 低频率、高消费
rfm_df.loc[(rfm_df['Frequency'] <= frequency_quartiles[0.25]) & (rfm_df['Monetary'] > monetary_quartiles[0.75]), 'Segment'] = 'Low Frequency, High Monetary'

# 低频率、低消费
rfm_df.loc[(rfm_df['Frequency'] <= frequency_quartiles[0.25]) & (rfm_df['Monetary'] <= monetary_quartiles[0.25]), 'Segment'] = 'Low Frequency, Low Monetary'

rfm_df.head()

    user_id    Frequency    Monetary    Segment
0    6.633285e+07    14    4608.959091    High Frequency, High Monetary
1    1.000428e+09    1    198.000000    
2    2.595599e+09    5    3588.220000    High Frequency, High Monetary
3    2.613651e+09    3    191300.900000    
4    2.748420e+09    2    164.000000

用户分段已经完成！现在，已经根据Frequency和Monetary值将用户分为了不同的群体。

步骤4：分析用户特征

最后一步，将对这些不同的用户群体进行深入分析，以了解其特征和行为。

计算每个用户群体的平均Frequency和Monetary值。

# 通过计算平均频率和消费值来分析每个部分的特征
segment_analysis = rfm_df.groupby('Segment').agg({
    'Frequency': 'mean',
    'Monetary': 'mean',
    'user_id': 'count'
}).reset_index()

# 重命名列
segment_analysis.columns = ['Segment', 'Average Frequency', 'Average Monetary', 'Number of Users']

# 显示
segment_analysis

    Segment    Average Frequency    Average Monetary    Number of Users
0        2.031206    3811.007892    23265
1    High Frequency, High Monetary    22.006266    235958.656175    5426
2    High Frequency, Low Monetary    4.315789    71.264366    19
3    Low Frequency, High Monetary    1.000000    75065.532261    2638
4    Low Frequency, Low Monetary    1.000000    45.086967    9646

不同用户群体的平均Frequency和Monetary值，以及每个群体中的用户数量：

高频率、高消费（High Frequency, High Monetary）: 平均购买次数为22次，平均消费金额约为235,958。有5,426名用户属于这一类。
高频率、低消费（High Frequency, Low Monetary）: 平均购买次数为4次，平均消费金额约为71。仅有19名用户属于这一类。
低频率、高消费（Low Frequency, High Monetary）: 平均购买次数为1次，平均消费金额约为75,065。有2,638名用户属于这一类。
低频率、低消费（Low Frequency, Low Monetary）: 平均购买次数为1次，平均消费金额约为45。有9,646名用户属于这一类。

不同维度分析

以上针对数据按照rfm步骤进行分析，现在针对以下四个维度进行分析

购买频率（Frequency）: 展示不同购买频率的用户数量。
购买金额（Monetary）: 展示用户的购买金额分布。
平均交易价值: 展示用户的平均交易价值分布。
用户分段（Segment）: 展示各个用户分段的数量。

创建一个包含四个子图的可视化图形，每个子图都用于展示不同的RFM相关信息，包括购买频率、购买金额、平均交易价值和用户分组。展现不同用户群体的分布和行为。

import matplotlib.pyplot as plt
import seaborn as sns

# 设置可视化样式为白色网格
sns.set(style="whitegrid")

# 初始化图表
plt.figure(figsize=(20, 15))

# 创建2行2列的子图布局
plt.subplots_adjust(hspace=0.5, wspace=0.3)

# 子图1：频率（Frequency）的分布
plt.subplot(2, 2, 1)
sns.distplot(rfm_df['Frequency'], bins=50, kde=False, color='skyblue')
plt.title('Frequency distribution')
plt.xlabel('Frequency')
plt.ylabel('Number of users')

# 子图2：消费金额（Monetary）的分布
plt.subplot(2, 2, 2)
sns.distplot(rfm_df['Monetary'], bins=50, kde=False, color='skyblue')
plt.title('Monetary distribution')
plt.xlabel('Monetary')
plt.ylabel('Number of users')

# 平均交易金额
rfm_df['Average Transaction Value'] = rfm_df['Monetary'] / rfm_df['Frequency']
# 子图3：平均交易金额（Average Transaction Value）的分布
plt.subplot(2, 2, 3)
sns.distplot(rfm_df['Average Transaction Value'], bins=50, kde=False, color='skyblue')
plt.title('Average Transaction Value distribution')
plt.xlabel('Average Transaction Value')
plt.ylabel('Number of users')

# 子图4：用户群体（Segment）的数量统计
plt.subplot(2, 2, 4)
sns.countplot(y='Segment', data=rfm_df, order=rfm_df['Segment'].value_counts().index, palette='viridis')
plt.title('Count of user segments')
plt.xlabel('Number of users')
plt.ylabel('User segments')
plt.show()