1.前言

RFM模型即”R”——Recency（最近一次消费时间）、”F”——Frequency（一段时间内消费频次）、”M”——（一段时间内消费总额）。这三个指标可以将我们的用户划分成不同的等级和层次，目的是为了衡量他们的用户价值，从而能够更准确地将成本和精力花在更精确的用户层次身上。一个典型的例子就是针对一个明显无意愿的流失用户，对其继续push自己的核心产品，费时费力也费钱。

2.如何用Python建立RFM模型

RFM模型，虽然字眼中带着“模型”二字，但实际它根本不需要任何的算法支撑，和数据建模中的逻辑回归，聚类分析等是完全不同的概念。因而实现RFM的工具和方法有很多：SQL, Excel, R等等都能够做到，当然Python也不例外，RFM模型的核心就是将三个指标进行标签化，然后根据实际场景业务需求进行分层即可。下面的文章我就通过一个简单的例子来通过代码实现RFM模型的建立。

2.1数据导入

链接：https://pan.baidu.com/s/1YbZrdsg2dOoe_5lylTwhQw 提取码：nf2f 数据是某电商的一款SKU于2018年的销售表单，字段本身只有4个，但是足够建立RFM模型了。

import os import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt %matplotlib inline plt.rcParams['font.serif'] = ['SimHei'] plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus']=False sns.set_style('ticks', {'font.sans-serif':['simhei','Droid Sans Fallback']})

2.2 数据清洗

df = pd.read_csv('sale.csv') df.drop_duplicates(subset=['ORDERID'],keep='first',inplace=True) df.dtypes