基于RFM分析 + Kmeans聚类的客户分群

一、引言

RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在客户分类中，RFM模型是一个经典的分类模型，利用通用交易环节中最核心的三个维度——最近消费(Recency)、消费频率(Frequency)、消费金额(Monetary)细分客户群体，从而分析不同群体的客户价值。

数据集为英国在线零售商在2010年12月1日至2011年12月9日间发生的所有网络交易订单信息。该公司主要销售礼品为主，并且多数客户为批发商。

数据集特征说明：

• nvoiceNo:订单编号，由六位数字组成，退货订单编号开头有字母C
• StockCode:产品编号，由五位数字组成
• Description：产品描述
• Quantity：产品数量，负数表示退货
• InvoiceDate：订单日期与时间
• UnitPrice ：单价（英镑）
• CustomerID：客户编号，由5位数字组成
• Country：国家

数据集介绍及来源：

• https://archive.ics.uci.edu/ml/datasets/online+retail
• https://www.kaggle.com/datasets/carrie1/ecommerce-data

使用算法： RFM模型、聚类算法

二、数据导入与预览

import pandas as pd 

# 数据导入
data = pd.read_excel(r'E:/大三(下)/数据分析课程设计/二/Online Retail.xlsx')
data.head()

	InvoiceNo	StockCode	Description	Quantity	InvoiceDate	UnitPrice	CustomerID	Country
0	536365	85123A	WHITE HANGING HEART T-LIGHT HOLDER	6	2010-12-01 08:26:00	2.55	17850.0	United Kingdom
1	536365	71053	WHITE METAL LANTERN	6	2010-12-01 08:26:00	3.39	17850.0	United Kingdom
2	536365	84406B	CREAM CUPID HEARTS COAT HANGER	8	2010-12-01 08:26:00	2.75	17850.0	United Kingdom
3	536365	84029G	KNITTED UNION FLAG HOT WATER BOTTLE	6	2010-12-01 08:26:00	3.39	17850.0	United Kingdom
4	536365	84029E	RED WOOLLY HOTTIE WHITE HEART.	6	2010-12-01 08:26:00	3.39	17850.0	United Kingdom

# 查看数据基本信息
print('数据结构：')
print(data.info())    # 查看数据结构和缺失值

print('\n数据统计信息:\n', data.describe())    # 查看数据统计信息

数据结构：
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 541909 entries, 0 to 541908
Data columns (total 8 columns):
 #   Column       Non-Null Count   Dtype         
---  ------       --------------   -----         
 0   InvoiceNo    541909 non-null  object        
 1   StockCode    541909 non-null  object        
 2   Description  540455 non-null  object        
 3   Quantity     541909 non-null  int64         
 4   InvoiceDate  541909 non-null  datetime64[ns]
 5   UnitPrice    541909 non-null  float64       
 6   CustomerID   406829 non-null  float64       
 7   Country      541909 non-null  object        
dtypes: datetime64[ns](1), float64(2), int64(1), object(4)
memory usage: 33.1+ MB
None

数据统计信息:
             Quantity                    InvoiceDate      UnitPrice  \
count  541909.000000                         541909  541909.000000   
mean        9.552250  2011-07-04 13:34:57.156386048       4.611114   
min    -80995.000000            2010-12-01 08:26:00  -11062.060000   
25%         1.000000            2011-03-28 11:34:00       1.250000   
50%         3.000000            2011-07-19 17:17:00       2.080000   
75%        10.000000            2011-10-19 11:27:00       4.130000   
max     80995.000000            2011-12-09 12:50:00   38970.000000   
std       218.081158                            NaN      96.759853   

          CustomerID  
count  406829.000000  
mean    15287.690570  
min     12346.000000  
25%     13953.000000  
50%     15152.000000  
75%     16791.000000  
max     18287.000000  
std      1713.600303  

# 缺失值检验
data.isnull().sum()

三、数据预处理

InvoiceNo           0
StockCode           0
Description      1454
Quantity            0
InvoiceDate         0
UnitPrice           0
CustomerID     135080
Country             0
dtype: int64

# 删除重复数据
data.drop_duplicates(inplace=True)

# 修正数据类型
data['CustomerID'] = data['CustomerID'].astype(str)

# 缺失值处理（特别是CustomerID缺失的记录）
data.dropna(subset=['CustomerID'], inplace=True)

# 删除异常值

data = data[data.Quantity > 0]    #（数量为负数的退货订单）
data = data[data.UnitPrice > 0]    #（单价为负数的数据）

# 增加总金额列
data['total_amount'] = data.Quantity * data.UnitPrice

data.head()

	InvoiceNo	StockCode	Description	Quantity	InvoiceDate	UnitPrice	CustomerID	Country	total_amount
0	536365	85123A	WHITE HANGING HEART T-LIGHT HOLDER	6	2010-12-01 08:26:00	2.55	17850.0	United Kingdom	15.30
1	536365	71053	WHITE METAL LANTERN	6	2010-12-01 08:26:00	3.39	17850.0	United Kingdom	20.34
2	536365	84406B	CREAM CUPID HEARTS COAT HANGER	8	2010-12-01 08:26:00	2.75	17850.0	United Kingdom	22.00
3	536365	84029G	KNITTED UNION FLAG HOT WATER BOTTLE	6	2010-12-01 08:26:00	3.39	17850.0	United Kingdom	20.34
4	536365	84029E	RED WOOLLY HOTTIE WHITE HEART.	6	2010-12-01 08:26:00	3.39	17850.0	United Kingdom	20.34

四、计算R、F、M的值

import datetime as dt

# 设置当前日期（数据中的最新订单日期）
latest_date = data['InvoiceDate'].max() + dt.timedelta(days=1)

# 计算R、F、M
rfm = data.groupby(by='CustomerID').agg({
    
    
    'InvoiceDate': lambda x: (latest_date - x.max()).days,
    'InvoiceNo': 'nunique', 
    'total_amount': 'sum'
})

rfm.rename(columns={
    
    
    'InvoiceDate': 'R', 
    'InvoiceNo': 'F',
    'total_amount': 'M'
}, inplace=True)

# 查看RFM数据
rfm.head()

	R	F	M
CustomerID
12346.0	326	1	77183.60
12347.0	2	7	4310.00
12348.0	75	4	1797.24
12349.0	19	1	1757.55
12350.0	310	1	334.40

五、数据标准化

from sklearn.preprocessing import StandardScaler

# 数据标准化
scaler = StandardScaler()
rfm_scaled = scaler.fit_transform(rfm)

# 转为DataFrame
rfm_scaled = pd.DataFrame(rfm_scaled, columns=rfm.columns, index=rfm.index)

六、绘制肘部图

from sklearn.cluster import KMeans
import matplotlib.pyplot as plt 

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

sse = {
    
    }
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, random_state=40)
    kmeans.fit(rfm_scaled)
    sse[k] = kmeans.inertia_    # 簇内平方和 SSE（越小越好）

# 绘制肘部法则图
plt.figure(figsize=(8, 5))
plt.plot(list(sse.keys()), list(sse.values()), marker='o')
plt.xlabel('k')
plt.ylabel('SSE')
plt.title('肘部法则图')
plt.show()

七、选择合适的k，建模

# 根据肘部法则图，选择k=3最优。
kmeans = KMeans(n_clusters=3, random_state=40)
kmeans.fit(rfm_scaled)

# 将聚类结果添加到RFM数据中
rfm['Cluster'] = kmeans.labels_

print(rfm.head())

              R  F         M  Cluster
CustomerID                           
12346.0     326  1  77183.60        1
12347.0       2  7   4310.00        0
12348.0      75  4   1797.24        0
12349.0      19  1   1757.55        0
12350.0     310  1    334.40        1

八、结果展示

from sklearn.decomposition import PCA
import seaborn as sns

# 使用PCA降维到2D
pca = PCA(n_components=2)
rfm_pca = pca.fit_transform(rfm_scaled)
rfm_pca = pd.DataFrame(rfm_pca, columns=['PC1', 'PC2'], index=rfm.index)
rfm_pca['Cluster'] = rfm['Cluster']

# 可视化聚类结果
plt.figure(figsize=(10, 6))
sns.scatterplot(x='PC1', y='PC2', hue='Cluster', data=rfm_pca, palette='viridis')
plt.show()

九、客户群体特征分析

# 计算每个群体的RFM平均值
cluster_summary = rfm.groupby('Cluster').agg({
    
    
    'R': 'mean',
    'F': 'mean',
    'M': 'mean'
}).round(2)

print(cluster_summary)

              R      F          M
Cluster                          
0         40.98   4.85    2005.83
1        246.02   1.58     629.36
2          7.14  80.21  122748.79

• 高价值客户：Recency低、Frequency高、Monetary高（如Cluster 2）。

  流失客户：Recency高、Frequency低、Monetary低（如Cluster 1）。

十、根据客户群体的特征制定相应的运营策略（粗略带过）

• 高价值客户（Cluster 2）：提供VIP服务、个性化推荐、专属折扣。

• 潜在高价值客户（Cluster 0）：通过促销活动提高消费频率。

• 流失客户（Cluster 1）：发送召回邮件、提供优惠券。

# 文章如有错误，欢迎大家指正。我们下期再见叭