作者：Bar?? KaramanFollow??編譯：ronghuaiyang

正文共：?9230?字 18?圖

預(yù)計(jì)閱讀時(shí)間：?27?分鐘

導(dǎo)讀

今天給大家介紹客戶分群方面的內(nèi)容，為什么要對(duì)客戶進(jìn)行細(xì)分，如何細(xì)分，依據(jù)是什么，方法是什么，都會(huì)一一介紹。

第二部分：客戶分群

在前一篇文章中，我們分析了我們?cè)诰€零售業(yè)務(wù)的主要指標(biāo)。現(xiàn)在我們知道了使用Python跟蹤什么以及如何跟蹤。現(xiàn)在，是時(shí)候關(guān)注一下客戶并細(xì)分他們了。

首先，我們?yōu)槭裁匆隹蛻艏?xì)分？

因?yàn)槟悴荒苡猛瑯拥膬?nèi)容，同樣的渠道，同樣的重要性來(lái)對(duì)待每個(gè)客戶。他們到更了解他們的地方去。

使用你的平臺(tái)的客戶有不同的需求，他們有自己不同的屬性。你應(yīng)該據(jù)此來(lái)調(diào)整你的行為。

根據(jù)你想要達(dá)到的目標(biāo)，你可以做許多不同的分群。如果你想提高用戶留存率，你可以基于用戶流失概率進(jìn)行細(xì)分并采取行動(dòng)。但也有非常常見和有用的分群方法。現(xiàn)在我們要在我們的業(yè)務(wù)中實(shí)現(xiàn)其中一個(gè)方法：RFM

RFM代表Recency-Frequency-Monetary Value。理論上我們會(huì)有如下幾個(gè)部分：

• 低價(jià)值：不活躍的客戶，不是很頻繁的買家/訪客，產(chǎn)生的收入為零，或者很低，或者是負(fù)的。

• 中等價(jià)值：經(jīng)常使用我們的平臺(tái)(但沒(méi)有我們的高價(jià)值客戶多)，活動(dòng)非常頻繁，產(chǎn)生中等收入。

• 高價(jià)值：我們不想失去的群體。產(chǎn)生的收入高，活動(dòng)頻繁。

作為一個(gè)方法，我們需要計(jì)算Recency, Frequency以及Monetary Value(我們將從現(xiàn)在開始稱它為收入)，并應(yīng)用無(wú)監(jiān)督機(jī)器學(xué)習(xí)來(lái)識(shí)別每個(gè)不同的組(群體)。讓我們進(jìn)入代碼，看看如何實(shí)現(xiàn)RFM分群。

Recency

為了計(jì)算Recency，我們需要找出每個(gè)客戶最近的購(gòu)買日期，并查看他們有多少天是不活躍的。對(duì)于每個(gè)客戶的非活動(dòng)天數(shù)，我們將應(yīng)用K-means聚類來(lái)為客戶分配一個(gè)recency score。

對(duì)于我們這個(gè)例子，我們將繼續(xù)使用相同的數(shù)據(jù)集：https://www.kaggle.com/vijayuv/onlineretail。在開始recency計(jì)算之前，讓我們回顧一下我們之前所做的工作。

#?import?libraries from?datetime?import?datetime,?timedelta import?pandas?as?pd %matplotlib?inline import?matplotlib.pyplot?as?plt import?numpy?as?np import?seaborn?as?sns from?__future__?import?divisionimport?plotly.plotly?as?py import?plotly.offline?as?pyoff import?plotly.graph_objs?as?go#inititate?Plotly pyoff.init_notebook_mode()#load?our?data?from?CSV tx_data?=?pd.read_csv('data.csv')#convert?the?string?date?field?to?datetime tx_data['InvoiceDate']?=?pd.to_datetime(tx_data['InvoiceDate'])#we?will?be?using?only?UK?data tx_uk?=?tx_data.query("Country=='United?Kingdom'").reset_index(drop=True)

現(xiàn)在我們可以計(jì)算recency：

#create?a?generic?user?dataframe?to?keep?CustomerID?and?new?segmentation?scores tx_user?=?pd.DataFrame(tx_data['CustomerID'].unique()) tx_user.columns?=?['CustomerID']#get?the?max?purchase?date?for?each?customer?and?create?a?dataframe?with?it tx_max_purchase?=?tx_uk.groupby('CustomerID').InvoiceDate.max().reset_index() tx_max_purchase.columns?=?['CustomerID','MaxPurchaseDate']#we?take?our?observation?point?as?the?max?invoice?date?in?our?dataset tx_max_purchase['Recency']?=?(tx_max_purchase['MaxPurchaseDate'].max()?-?tx_max_purchase['MaxPurchaseDate']).dt.days#merge?this?dataframe?to?our?new?user?dataframe tx_user?=?pd.merge(tx_user,?tx_max_purchase[['CustomerID','Recency']],?on='CustomerID')tx_user.head()#plot?a?recency?histogramplot_data?=?[go.Histogram(x=tx_user['Recency']) ]plot_layout?=?go.Layout(title='Recency') fig?=?go.Figure(data=plot_data,?layout=plot_layout) pyoff.iplot(fig)

我們的新dataframe tx_user現(xiàn)在包含了recency數(shù)據(jù)：

要獲得關(guān)于recency的大致情況，我們可以使用pandas的.describe()方法。它顯示了我們的數(shù)據(jù)的平均值、最小值、最大值、計(jì)數(shù)和百分位數(shù)。

我們看到，平均是90天，中位數(shù)是49天。

上面的代碼有一個(gè)柱狀圖輸出，向我們展示了客戶的recency是如何分布的。

現(xiàn)在是有趣的部分。我們使用K-means聚類來(lái)分配recency score。但是我們應(yīng)該告訴K-means算法需要多少個(gè)簇。為了找出答案，我們將使用Elbow方法。Elbow方法簡(jiǎn)單地給出了最優(yōu)慣性下的最優(yōu)簇?cái)?shù)量。代碼和慣性圖如下：

from?sklearn.cluster?import?KMeanssse={} tx_recency?=?tx_user[['Recency']] for?k?in?range(1,?10):kmeans?=?KMeans(n_clusters=k,?max_iter=1000).fit(tx_recency)tx_recency["clusters"]?=?kmeans.labels_sse[k]?=?kmeans.inertia_? plt.figure() plt.plot(list(sse.keys()),?list(sse.values())) plt.xlabel("Number?of?cluster") plt.show()

慣性圖：

這里看起來(lái)3是最優(yōu)的。根據(jù)業(yè)務(wù)需求，我們可以繼續(xù)使用更少或更多的分群數(shù)量。我們?yōu)檫@個(gè)例子選擇4：

#build?4?clusters?for?recency?and?add?it?to?dataframe kmeans?=?KMeans(n_clusters=4) kmeans.fit(tx_user[['Recency']]) tx_user['RecencyCluster']?=?kmeans.predict(tx_user[['Recency']])#function?for?ordering?cluster?numbers def?order_cluster(cluster_field_name,?target_field_name,df,ascending):new_cluster_field_name?=?'new_'?+?cluster_field_namedf_new?=?df.groupby(cluster_field_name)[target_field_name].mean().reset_index()df_new?=?df_new.sort_values(by=target_field_name,ascending=ascending).reset_index(drop=True)df_new['index']?=?df_new.indexdf_final?=?pd.merge(df,df_new[[cluster_field_name,'index']],?on=cluster_field_name)df_final?=?df_final.drop([cluster_field_name],axis=1)df_final?=?df_final.rename(columns={"index":cluster_field_name})return?df_finaltx_user?=?order_cluster('RecencyCluster',?'Recency',tx_user,False)

我們?cè)赿ataframe tx_user中計(jì)算了聚類并將它們分配給每個(gè)客戶。

我們可以看到我們的recency分群是如何具有不同的特征的。與分群2相比，分群1中的客戶是最近才出現(xiàn)的。我們?cè)诖a中添加了一個(gè)函數(shù)，order_cluster()。K-means將分群分配為數(shù)字，但不是按順序分配的。我們不能說(shuō)集群0是最差的，而集群4是最好的。order_cluster()方法為我們做了這些，我們的新dataframe看起來(lái)更整潔：

非常好！3包含最近的客戶，而0包含最不活躍的客戶。對(duì)于Frequency和Revenue，我們也采用同樣的方法。

Frequency

要?jiǎng)?chuàng)建frequency分群，我們需要找到每個(gè)客戶的訂單總數(shù)。首先計(jì)算這個(gè)，看看我們的客戶數(shù)據(jù)庫(kù)中的frequency是什么樣的：

#get?order?counts?for?each?user?and?create?a?dataframe?with?it tx_frequency?=?tx_uk.groupby('CustomerID').InvoiceDate.count().reset_index() tx_frequency.columns?=?['CustomerID','Frequency']#add?this?data?to?our?main?dataframe tx_user?=?pd.merge(tx_user,?tx_frequency,?on='CustomerID')#plot?the?histogram plot_data?=?[go.Histogram(x=tx_user.query('Frequency?<?1000')['Frequency']) ]plot_layout?=?go.Layout(title='Frequency') fig?=?go.Figure(data=plot_data,?layout=plot_layout) pyoff.iplot(fig)

應(yīng)用相同的邏輯得到frequency聚類，并分配給每個(gè)客戶：

#k-means kmeans?=?KMeans(n_clusters=4) kmeans.fit(tx_user[['Frequency']]) tx_user['FrequencyCluster']?=?kmeans.predict(tx_user[['Frequency']])#order?the?frequency?cluster tx_user?=?order_cluster('FrequencyCluster',?'Frequency',tx_user,True)#see?details?of?each?cluster tx_user.groupby('FrequencyCluster')['Frequency'].describe()

我們的frequency聚類看起來(lái)是這樣的：

frequency高的數(shù)字表示更好的客戶，這與recency聚類的表示相同。

Revenue

當(dāng)我們根據(jù)revenue對(duì)他們進(jìn)行聚類時(shí)，讓我們來(lái)看看我們的客戶數(shù)據(jù)是什么樣子的。我們計(jì)算每個(gè)客戶的revenue，繪制直方圖，并應(yīng)用相同的聚類方法。

#calculate?revenue?for?each?customer tx_uk['Revenue']?=?tx_uk['UnitPrice']?*?tx_uk['Quantity'] tx_revenue?=?tx_uk.groupby('CustomerID').Revenue.sum().reset_index()#merge?it?with?our?main?dataframe tx_user?=?pd.merge(tx_user,?tx_revenue,?on='CustomerID')#plot?the?histogram plot_data?=?[go.Histogram(x=tx_user.query('Revenue?<?10000')['Revenue']) ]plot_layout?=?go.Layout(title='Monetary?Value') fig?=?go.Figure(data=plot_data,?layout=plot_layout) pyoff.iplot(fig)

我們也有一些revenue 為負(fù)的客戶，讓我們繼續(xù)并應(yīng)用k-means聚類：

#apply?clustering kmeans?=?KMeans(n_clusters=4) kmeans.fit(tx_user[['Revenue']]) tx_user['RevenueCluster']?=?kmeans.predict(tx_user[['Revenue']])#order?the?cluster?numbers tx_user?=?order_cluster('RevenueCluster',?'Revenue',tx_user,True)#show?details?of?the?dataframe tx_user.groupby('RevenueCluster')['Revenue'].describe()

總得分

很好！我們現(xiàn)在有了recency，frequency和revenue的得分（聚類編號(hào)）。讓我們來(lái)計(jì)算一個(gè)總得分：

#calculate?overall?score?and?use?mean()?to?see?details tx_user['OverallScore']?=?tx_user['RecencyCluster']?+?tx_user['FrequencyCluster']?+?tx_user['RevenueCluster'] tx_user.groupby('OverallScore')['Recency','Frequency','Revenue'].mean()

上面的分?jǐn)?shù)清楚地告訴我們，得到8分的客戶是我們最好的客戶，而得到0分的客戶是最差的客戶。

為了簡(jiǎn)單起見，我們最好將這些分?jǐn)?shù)命名為:

• 0到2：低價(jià)值

• 3至4：中等價(jià)值

• 5+：高價(jià)值

我們可以很容易地把這個(gè)命名方在我們的dataframe中：

tx_user['Segment']?=?'Low-Value' tx_user.loc[tx_user['OverallScore']>2,'Segment']?=?'Mid-Value'? tx_user.loc[tx_user['OverallScore']>4,'Segment']?=?'High-Value'?

現(xiàn)在，讓我們看看我們的分群在散點(diǎn)圖中是如何分布的：

可以看到，在RFM上，這些分群是如何明顯地相互區(qū)分的。你可以找到下圖的代碼：

#Revenue?vs?Frequency tx_graph?=?tx_user.query("Revenue?<?50000?and?Frequency?<?2000")plot_data?=?[go.Scatter(x=tx_graph.query("Segment?==?'Low-Value'")['Frequency'],y=tx_graph.query("Segment?==?'Low-Value'")['Revenue'],mode='markers',name='Low',marker=?dict(size=?7,line=?dict(width=1),color=?'blue',opacity=?0.8)),go.Scatter(x=tx_graph.query("Segment?==?'Mid-Value'")['Frequency'],y=tx_graph.query("Segment?==?'Mid-Value'")['Revenue'],mode='markers',name='Mid',marker=?dict(size=?9,line=?dict(width=1),color=?'green',opacity=?0.5)),go.Scatter(x=tx_graph.query("Segment?==?'High-Value'")['Frequency'],y=tx_graph.query("Segment?==?'High-Value'")['Revenue'],mode='markers',name='High',marker=?dict(size=?11,line=?dict(width=1),color=?'red',opacity=?0.9)), ]plot_layout?=?go.Layout(yaxis=?{'title':?"Revenue"},xaxis=?{'title':?"Frequency"},title='Segments') fig?=?go.Figure(data=plot_data,?layout=plot_layout) pyoff.iplot(fig)#Revenue?Recencytx_graph?=?tx_user.query("Revenue?<?50000?and?Frequency?<?2000")plot_data?=?[go.Scatter(x=tx_graph.query("Segment?==?'Low-Value'")['Recency'],y=tx_graph.query("Segment?==?'Low-Value'")['Revenue'],mode='markers',name='Low',marker=?dict(size=?7,line=?dict(width=1),color=?'blue',opacity=?0.8)),go.Scatter(x=tx_graph.query("Segment?==?'Mid-Value'")['Recency'],y=tx_graph.query("Segment?==?'Mid-Value'")['Revenue'],mode='markers',name='Mid',marker=?dict(size=?9,line=?dict(width=1),color=?'green',opacity=?0.5)),go.Scatter(x=tx_graph.query("Segment?==?'High-Value'")['Recency'],y=tx_graph.query("Segment?==?'High-Value'")['Revenue'],mode='markers',name='High',marker=?dict(size=?11,line=?dict(width=1),color=?'red',opacity=?0.9)), ]plot_layout?=?go.Layout(yaxis=?{'title':?"Revenue"},xaxis=?{'title':?"Recency"},title='Segments') fig?=?go.Figure(data=plot_data,?layout=plot_layout) pyoff.iplot(fig)#?Revenue?vs?Frequency tx_graph?=?tx_user.query("Revenue?<?50000?and?Frequency?<?2000")plot_data?=?[go.Scatter(x=tx_graph.query("Segment?==?'Low-Value'")['Recency'],y=tx_graph.query("Segment?==?'Low-Value'")['Frequency'],mode='markers',name='Low',marker=?dict(size=?7,line=?dict(width=1),color=?'blue',opacity=?0.8)),go.Scatter(x=tx_graph.query("Segment?==?'Mid-Value'")['Recency'],y=tx_graph.query("Segment?==?'Mid-Value'")['Frequency'],mode='markers',name='Mid',marker=?dict(size=?9,line=?dict(width=1),color=?'green',opacity=?0.5)),go.Scatter(x=tx_graph.query("Segment?==?'High-Value'")['Recency'],y=tx_graph.query("Segment?==?'High-Value'")['Frequency'],mode='markers',name='High',marker=?dict(size=?11,line=?dict(width=1),color=?'red',opacity=?0.9)), ]plot_layout?=?go.Layout(yaxis=?{'title':?"Frequency"},xaxis=?{'title':?"Recency"},title='Segments') fig?=?go.Figure(data=plot_data,?layout=plot_layout) pyoff.iplot(fig)

我們可以開始采取行動(dòng)，進(jìn)行分群。策略很明確：

• 高價(jià)值：提高留存率

• 中等價(jià)值：提高留存率 + 增加Frequency

• 低價(jià)值：增加Frequency

越來(lái)越刺激了！在下一部分中，我們將計(jì)算和預(yù)測(cè)客戶的終生價(jià)值。

理想情況下，我們可以通過(guò)使用分位數(shù)或簡(jiǎn)單的binning來(lái)輕松實(shí)現(xiàn)我們?cè)谶@里所做的工作，為了熟悉一下k-means聚類，所以之類用了這個(gè)聚類的方法。

—END—

英文原文：

https://towardsdatascience.com/data-driven-growth-with-python-part-2-customer-segmentation-5c019d150444

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)在線手冊(cè)深度學(xué)習(xí)在線手冊(cè)AI基礎(chǔ)下載（pdf更新到25集）本站qq群1003271085，加入微信群請(qǐng)回復(fù)“加群”獲取一折本站知識(shí)星球優(yōu)惠券，復(fù)制鏈接直接打開：https://t.zsxq.com/yFQV7am喜歡文章，點(diǎn)個(gè)在看

總結(jié)

以上是生活随笔為你收集整理的【实战】用机器学习来提升你的用户增长（二）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。