Python 客户细分入门

在零售行业，各大连锁大卖场每天都会在各门店产生海量数据。这些数据需要被分析，以便制定更有利润的经营策略。

所有客户的需求各不相同。随着客户群和交易量的增长，想要了解每位客户的具体需求并不容易。识别潜在客户可以提升营销活动效果，最终带动销量增长。细分能够更好地将这些客户分组到不同的细分市场。

什么是客户细分？

客户细分是指根据共同特征将客户划分为群组或簇的方法。 市场研究人员可以在 B2C 模式下，依据客户的人口统计学特征（如职业、性别、年龄、所在地、婚姻状况）、心理特征（如社会阶层、生活方式与个性特征）以及行为特征（如消费、使用习惯、产品/服务使用情况与既往购买产品）来进行细分。在 B2B 模式下，则可依据企业特征，如公司规模、行业类型与所在地等进行细分。

为何需要客户细分

• 有助于识别最具潜力的客户。
• 帮助管理者更便捷地与目标受众沟通。
• 有助于选择与目标细分沟通的最佳媒介。
• 提升服务质量、忠诚度与留存率。
• 通过更好地理解各细分需求来改善客户关系。
• 为向上销售与交叉销售创造机会。
• 帮助管理者为目标客户设计专属优惠，鼓励其购买更多产品。
• 助力企业领先竞争对手一步。
• 帮助识别客户可能感兴趣的新产品。

细分类型

使用 RFM 分析进行客户细分

RFM（Recency、Frequency、Monetary）分析是一种基于行为的方法，将客户分组。它依据客户以往的购买交易来分组：客户最近一次购买有多近、购买有多频繁、花费了多少钱。RFM 将客户筛选到不同分组，以提供更优服务；帮助管理者识别潜在的高价值客户，从而开展更高利润的业务。有些客户消费金额很高，但如果他们只买过一次，或者很久没买了呢？他们是否经常购买我们的产品？此外，它还帮助管理者开展更有效的个性化促销活动。

• Recency（R，最近一次）：谁是最近发生购买的？即距上次购买的天数（越小越好）。
• Frequency（F，频率）：谁购买得更频繁？即购买次数总计（越高越好）。
• Monetary Value（M，金额）：谁的购买金额更高？即客户累计花费的总金额（越高越好）。

此处，三个变量（Recency、Frequency、Monetary）各分为四个等分组，由此可产生 64（4x4x4）个不同的客户细分。

RFM（Recency、Frequency、Monetary）步骤：

1. 为每位客户计算 Recency、Frequency、Monetary 值。
2. 使用四分位数为 RFM 表添加分箱值。
3. 将客户的 RFM 评分按升序排序。

1. 为每位客户计算 Recency、Frequency、Monetary 值。

2. 使用四分位数为 RFM 表添加分箱值。

3. 将所有分数合并到单列（RFM_Score）。

使用 Python 通过 RFM 识别潜在客户细分

导入所需库

#import modules
import pandas as pd # for dataframes
import matplotlib.pyplot as plt # for plotting graphs
import seaborn as sns # for plotting graphs
import datetime as dt
技术支持

加载数据集

首先使用 pandas 的 read CSV 函数加载所需的 HR 数据集。您可以通过此链接下载数据。

data = pd.read_excel("Online_Retail.xlsx")
技术支持

data.head()
技术支持

data.tail()
技术支持

data.info()
技术支持

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 541909 entries, 0 to 541908
Data columns (total 8 columns):
InvoiceNo      541909 non-null object
StockCode      541909 non-null object
Description    540455 non-null object
Quantity       541909 non-null int64
InvoiceDate    541909 non-null datetime64[ns]
UnitPrice      541909 non-null float64
CustomerID     406829 non-null float64
Country        541909 non-null object
dtypes: datetime64[ns](1), float64(2), int64(1), object(4)
memory usage: 33.1+ MB
技术支持

data= data[pd.notnull(data['CustomerID'])]
技术支持

去重

有时您会拿到比较“脏”的数据集，需要处理重复值，否则会导致分析偏差。在Python中，pandas 提供了 drop_duplicates() 函数，用于删除重复记录。

filtered_data=data[['Country','CustomerID']].drop_duplicates()
技术支持

开始挖掘数据洞察

#Top ten country's customer
filtered_data.Country.value_counts()[:10].plot(kind='bar')
技术支持

<matplotlib.axes._subplots.AxesSubplot at 0x7fd81725dfd0>
技术支持

在本数据集中，您会发现大多数客户来自“United Kingdom”。因此，您可以筛选出英国客户的数据。

uk_data=data[data.Country=='United Kingdom']
技术支持

uk_data.info()
技术支持

<class 'pandas.core.frame.DataFrame'>
Int64Index: 361878 entries, 0 to 541893
Data columns (total 8 columns):
InvoiceNo      361878 non-null object
StockCode      361878 non-null object
Description    361878 non-null object
Quantity       361878 non-null int64
InvoiceDate    361878 non-null datetime64[ns]
UnitPrice      361878 non-null float64
CustomerID     361878 non-null float64
Country        361878 non-null object
dtypes: datetime64[ns](1), float64(2), int64(1), object(4)
memory usage: 24.8+ MB
技术支持

pandas 中的 describe() 函数可便捷地获取各类汇总统计。该函数返回计数、均值、标准差、最小值、最大值以及分位数等信息。

uk_data.describe()
技术支持

这里可以看到，部分客户的订购数量为负值，这是不可能的。因此需要筛选出 Quantity 大于 0 的记录。

uk_data = uk_data[(uk_data['Quantity']>0)]技术支持

In: # Change the name of columns
rfm.columns=['monetary','frequency','recency']

uk_data.info() 技术支持

<class 'pandas.core.frame.DataFrame'>
Int64Index: 354345 entries, 0 to 541893
Data columns (total 8 columns):
InvoiceNo      354345 non-null object
StockCode      354345 non-null object
Description    354345 non-null object
Quantity       354345 non-null int64
InvoiceDate    354345 non-null datetime64[ns]
UnitPrice      354345 non-null float64
CustomerID     354345 non-null float64
Country        354345 non-null object
dtypes: datetime64[ns](1), float64(2), int64(1), object(4)
memory usage: 24.3+ MB
技术支持

筛选所需列

此处筛选进行 RFM 分析所需的必要列。您只需要五列：CustomerID、InvoiceDate、InvoiceNo、Quantity 和 UnitPrice。CustomerID 唯一标识客户；InvoiceDate 用于计算最近一次购买时间；InvoiceNo 用于统计交易发生的次数（频率）；每次交易的 Quantity 及每个单位的 UnitPrice 将帮助您计算总购买金额。

uk_data=uk_data[['CustomerID','InvoiceDate','InvoiceNo','Quantity','UnitPrice']]
技术支持

uk_data['TotalPrice'] = uk_data['Quantity'] * uk_data['UnitPrice']
技术支持

uk_data['InvoiceDate'].min(),uk_data['InvoiceDate'].max()
技术支持

(Timestamp('2010-12-01 08:26:00'), Timestamp('2011-12-09 12:49:00'))
技术支持

PRESENT = dt.datetime(2011,12,10)
uk_data['InvoiceDate'] = pd.to_datetime(uk_data['InvoiceDate'])
技术支持

uk_data.head()
技术支持

RFM 分析

这里将执行以下操作：

• Recency：计算当前日期与每位客户最后一次购买日期之间的天数。
• Frequency：计算每位客户的订单数。
• Monetary：计算每位客户的购买金额总和。

rfm= uk_data.groupby('CustomerID').agg({'InvoiceDate': lambda date: (PRESENT - date.max()).days,
                                        'InvoiceNo': lambda num: len(num),
                                        'TotalPrice': lambda price: price.sum()})
技术支持

rfm.columns
技术支持

Index(['InvoiceDate', 'TotalPrice', 'InvoiceNo'], dtype='object')
技术支持

# Change the name of columns rfm.columns=['recency', 'monetary', 'frequency'] 技术支持

rfm['recency'] = rfm['recency'].astype(int)
技术支持

rfm.head()
技术支持

计算 RFM 值的分位数

最近一次消费最短、购买频率与消费金额最高的客户，被视为顶级客户。

qcut() 是基于分位数的离散化函数，会根据样本分位数对数据进行分箱。例如，对 1000 个值按 4 个分位切分，将生成一个表示每位客户所处分位箱的分类对象。

rfm['r_quartile'] = pd.qcut(rfm['recency'], 4, ['1','2','3','4'])
rfm['f_quartile'] = pd.qcut(rfm['frequency'], 4, ['4','3','2','1'])
rfm['m_quartile'] = pd.qcut(rfm['monetary'], 4, ['4','3','2','1'])
技术支持

rfm.head()
技术支持

RFM 结果解读

将三个四分位标签（r_quartile、f_quartile、m_quartile）合并为单列，该排序将帮助您更好地细分客户群。

rfm['RFM_Score'] = rfm.r_quartile.astype(str)+ rfm.f_quartile.astype(str) + rfm.m_quartile.astype(str)
rfm.head()
技术支持

# Filter out Top/Best cusotmers
rfm[rfm['RFM_Score']=='111'].sort_values('monetary', ascending=False).head()
技术支持

结论

恭喜您读完本教程！

在本教程中，您学习了大量关于客户细分的内容：什么是客户细分、为何需要客户细分、细分类型、RFM 分析，以及如何在 Python 中从零实现 RFM。同时还涉及了一些 pandas 的基础概念，如处理重复值、groupby 与基于样本分位的 qcut() 分箱。

希望您现在能够将主题建模应用到自己的数据集中。感谢阅读本教程！

如果您想进一步学习 Python，欢迎参加 DataCamp 的免费课程 Intro to Python for Data Science。