大数据【企业级360°全方位用户画像】之RFM模型和KMeans聚类算法

在上一篇博客《一文带你硬核踏入机器学习的大门》中，已经为大家介绍了很多关于机器学习的基础内容。本篇博客，我们将结合当前阶段正在做的用户画像项目，为大家介绍RFM模型和KMeans聚类算法。

先赞后看，养成习惯！

在这里插入图片描述

一、RFM模型引入

比如电商网站要做一次营销活动，需要针对不同价值的客户群体进行分群，对于高价值的用户推荐手表，珠宝等高端商品，对于低价值用户推荐打折促销的廉价商品，当然还有以下这些问题都是需要考虑的：

1.谁是我的最佳客户？

2.谁即将要成为流失客户？

3.谁将有潜力成为有价值的客户

4.哪些客户能够留存？

5.哪些客户会对你目前对活动有所反应？

那么最终的问题是如何对客户进行分群，即如何建立客户的价值模型呢？

在传统企业和电商众多的客户细分模型中，RFM模型是被广泛提到和使用的。 RFM模型是衡量当前用户价值和客户潜在价值的重要工具和手段。

RFM是Rencency（最近一次消费），Frequency（消费频率）、Monetary（消费金额），三个指标首字母组合，如图所示：

在这里插入图片描述

一般情况下RFM模型可以说明下列几个事实：

1.最近购买的时间越近，用户对产品促销互动越大

2.客户购买的频率越高，客户就品牌的满意度就越大

3.货币价值将高消费客户和低消费客户区分开来

如图所示，根据RFM模型，就可以统计在某一段时间内，用户最近的消费间隔，消费次数和消费金额，再根据使用 k-means 算法对用户进行聚类分群。

注意一点，不仅仅可以局限于这三个数据字段，还可以根据业务需求，加入其他字段，进行调整模型。

在这里插入图片描述

我们可以根据RFM模型计算出所有用户的RFM值形成一个二维表:

对于以上数据的量纲不一致(单位不统一),所以要对数据进行归一化

如何归一化? 我们可以自定义归一化的规则!即建立一个评分标准。

那如何建立评分标准?我们可以根据运营/产品的经验,做一个标准，就像这样：

R: 1-3天=5分，4-6天=4分，7-9天=3分，10-15天=2分，大于16天=1分 F: ≥200=5分，150-199=4分，100-149=3分，50-99=2分，1-49=1分 M: ≥20w=5分，10-19w=4分，5-9w=3分，1-4w=2分，<1w=1分

根据上面的打分规则就可以对数据进行自定义的归一化,得到如下类似结果:

那么现在数据已经归一化了,如何对数据进行分类?

肯定不能简单的将数据直接丢到三维坐标系,因为坐标系的原点不好确定,且三维坐标系只能分为8类。所以应该使用算法进行分类(聚类)。让算法自动学习用户之间的相似度,然后相似度高的用户,自动聚成一类,最后完成聚类的划分。

计算流程

1、首先对所有用户的最近一次消费时间/总共消费次数/总共消费金额进行统计 2、再进行归一化(运营/产品提供的打分规则) 3、再使用算法进行聚类(K-Means) 4、根据聚类结果给用户打Tag(标签)

1、RFM详解

1.1 R值：最近一次消费（Recency）

消费指的是客户在店铺消费最近一次和上一次的时间间隔，理论上R值越小的客户是价值越高的客户，即对店铺的回购几次最有可能产生回应。目前网购便利，顾客已经有了更多的购买选择和更低的购买成本，去除地域的限制因素，客户非常容易流失，因此CRM操盘手想要提高回购率和留存率，需要时刻警惕R值。

如下图，某零食网店用户最近一次消费R值分布图：

在这里插入图片描述

1、客户R值呈规律性的“波浪形”分布，时间越长，波浪越小；

2、最近一年内用户占比50%（真的很巧）；

数据分析：这个数据根据向行业内专业人员请教，已经是比较理想了的。说明每引入2个客户，就有一位用户在持续购买。说明店铺复购做的比较好。

1.2 F值：消费频率（Frequency）

消费频率是客户在固定时间内的购买次数（一般是1年）。但是如果实操中实际店铺由于受品类宽度的原因，比如卖3C产品，耐用品等即使是忠实粉丝用户也很难在1年内购买多次。所以，有些店铺在运营RFM模型时，会把F值的时间范围去掉，替换成累计购买次数。

如下图，某零食网店用户购买频次图（如1个客户在1天内购买多笔订单，则自动合并为1笔订单）：

在这里插入图片描述

1、购买1次（新客户）占比为65.5%，产生重复购买（老客户）的占比为34.4%；

2、购买3次及以上（成熟客户）的占比为17%，购买5次及以上（忠实客户）的占比为6%;

数据分析：影响复购的核心因素是商品，因此复购不适合做跨类目比较。比如食品类目和美妆类目：食品是属于“半标品”，产品的标品化程度越高，客户背叛的难度就越小，越难形成忠实用户；但是相对美妆，食品又属于易耗品，消耗周期短，购买频率高，相对容易产生重复购买，因此跨类目复购并不具有可比性。

1.3 M值：消费金额（Monetary）

M值是RFM模型中相对于R值和F值最难使用，但最具有价值的指标。大家熟知的“二八定律”（又名“帕雷托法则”）曾作出过这样的解释：公司80%的收入来自于20%的用户。

这个数据我在自己所从事的公司总都得到过验证！可能有些店铺不会那么精确，一般也会在30%客户贡献70%收入，或者40%贡献60%收入。

理论上M值和F值是一样的，都带有时间范围，指的是一段时间（通常是1年）内的消费金额，在工作中我认为对于一般店铺的类目而言，产品的价格带都是比较单一的，比如：同一品牌美妆类，价格浮动范围基本在某个特定消费群的可接受范围内，加上单一品类购买频次不高，所以对于一般店铺而言，M值对客户细分的作用相对较弱。

所以我认为用店铺的累计购买金额和平均客单价替代传统的M值能更好的体现客户消费金额的差异。

教大家一个特别简单的累积金额划分方法：将1/2的客单价作为累积消费金额的分段，比如客单价是300元，则按照150元进行累计消费金额分段，得出十个分段。

现以国内某知名化妆品店铺举例，店铺平均客单为160元，因此以80元作为间隔将累积消费金额分段，从表中可以很明显发现，累计消费160元以下用户占比为65.5%（近2/3），贡献的店铺收入比例只占31.6%（近1/3），具体如下：

在这里插入图片描述

2、 基于RFM模型的实践应用

主要有两种方法来分析RFM模型的结果：用基于RFM模型的划分标准来进行客户细分，用基于RFM模型的客户评分来进行客户细分。

2.1 基于RFM模型进行客户细分

CRM实操时可以选择RFM模型中的1-3个指标进行客户细分，如下表所示。切记细分指标需要在自己可操控的合理范围内，并非越多越好，一旦用户细分群组过多，一来会给自己的营销方案执行带来较大的难度，而来可能会遗漏用户群或者对同个用户造成多次打扰。

最终选择多少个指标有两个参考标准：店铺的客户基数，店铺的商品和客户结构。

在这里插入图片描述

店铺的客户基数：在店铺客户一定的情况下选择的维度越多，细分出来每一组的用户越少。对于店铺基数不大（5万以下客户数）的店铺而言，选择1-2个维度进行细分即可。对于客户超过50万的大卖家而言可以选择2-3个指标。

店铺的商品和客户结构：如果在店铺的商品层次比较单一，客单价差异幅度不大的情况下，购买频次（F值）和消费金额（M值）高度相关的情况下，可以只选择比较容易操作的购买频次（F值）代替消费金额（M值）。对于刚刚开店还没形成客户粘性的店铺，则可以放弃购买频次（F值），直接用最后一次消费（R值）或者消费金额（M值）。

2.2 通过RFM模型评分后输出目标用户

除了直接用RFM模型对用户进行分组之外，还有一种常见的方法是利用RFM模型的三个属性对客户进行打分，通过打分确定每个用户的质量，最终筛选出自己的目标用户。

RFM模型评分主要有三个部分：

1、确定RFM三个指标的分段和每个分段的分值；
2、计算每个客户RFM三个指标的得分；
3、计算每个客户的总得分，并且根据总得分筛选出优质的客户

比如，实操的过程中一般每个指标分为3-5段，其中R值可以根据开店以来的时间和产品的回购周期来判定，F值根据现有店铺的平均购买频次，M值可参考上文客单价的分段指标。

举个例子：

在这里插入图片描述

确认RFM的分段和对应分段的分值之后，就可以按照用户情况对应进行打分。

这个时候可能有人会对此产生质疑，我如何验证这个给予的分值就是合理的呢？一般使用经验值或用算法模型进行验证。

这里提供一个段子，可谓是很形象了。

在这里插入图片描述

二、KMeans聚类算法

1、算法原理

在正式开始之前，我们可以先通过几个网址来感受一下KMeans的魅力。

首先是 http://shabal.in/visuals/kmeans/3.html，我们可以通过刷新页面多次，来观察不同的KMeans聚类过程。下图是我把四次不同的结果合并在一起的一个结果。

在这里插入图片描述

通过观察，我们可以得到初步结论：

• 中心点数量4， 起始位置不相同。
• 中心点可以移动
• 中心点最后不移动

第二个网址是 https://www.naftaliharris.com/blog/visualizing-k-means-clustering/

这个网站更牛的一点是，可以自定义可视化K均值聚类。也就是，我们可以自定义K的数量，和初始位置，来查看不同的结果。

在这里插入图片描述

在这里插入图片描述

初始情况下，大家应该看到的是下面这种情况

在这里插入图片描述

接下来，我分别在图中的四个位置设置质心的位置

在这里插入图片描述

然后不断的点击Go

在这里插入图片描述

最后可能会看到类似如下的结果:

在这里插入图片描述

再让我们来看下其他的解释

在这里插入图片描述

最后将不同种类的数据分到了不同的区域。有点类似班级位置的一个分布?

在这里插入图片描述

为了节约码字的时间，下面借助一些PPT来为大家说明

在这里插入图片描述

在这里插入图片描述

我们可以得出，KMeans的计算步骤

1、选择 K 个点作为初始聚类中心 2、计算其他的点到中心点的距离, 进行聚类, 使用欧式距离 3、重新计算每个聚类的中心点, 再次聚类 4、直到中心点不再变化, 或者达到迭代次数

在这里插入图片描述

在这里插入图片描述

2、快速体验

接下来让我们来感受一下KMeans的魅力。

2.1 数据集

IRIS数据集由Fisher在1936年整理的一个经典数据集，在统计学习和机器学习领域都经常被用作示例。

数据集内包含 3 类共 150 条记录，每类各 50 个数据，每条数据包含4个特征，都是浮点数，单位为厘米。

Sepal.Length（花萼长度）
Sepal.Width（花萼宽度）
Petal.Length（花瓣长度）
Petal.Width（花瓣宽度））

目标值为鸢尾花的分类:

Iris Setosa（山鸢尾）
Iris Versicolour（杂色鸢尾）
Iris Virginica（维吉尼亚鸢尾）

其中的数据分布如下:

在这里插入图片描述

在这里插入图片描述

2.2 代码演示

import org.apache.spark.ml.clustering.{KMeans, KMeansModel}
import org.apache.spark.ml.feature.{MinMaxScaler, MinMaxScalerModel}
import org.apache.spark.sql.{DataFrame, SparkSession}

/*
用于实现  使用 kmeans 为鸢尾花数据分类
 */
object Iris {

  def main(args: Array[String]): Unit = {

    //1、创建sparlsession对象
    val spark: SparkSession = SparkSession.builder().appName("Iris").master("local[*]").getOrCreate()

    spark.sparkContext.setLogLevel("WARN")
     
    //2、读取libsvm 数据
    val irisLibSvmDF: DataFrame = spark.read.format("libsvm")
      .load("file:///E:\\数据集\\iris_kmeans.txt")
    irisLibSvmDF.show(false)
  
    /*
 +-----+-------------------------------+
|label|features                       |
+-----+-------------------------------+
|1.0  |(4,[0,1,2,3],[5.1,3.5,1.4,0.2])|
|1.0  |(4,[0,1,2,3],[4.9,3.0,1.4,0.2])|
|1.0  |(4,[0,1,2,3],[4.7,3.2,1.3,0.2])|
|1.0  |(4,[0,1,2,3],[4.6,3.1,1.5,0.2])|
|1.0  |(4,[0,1,2,3],[5.0,3.6,1.4,0.2])|
     */

    //3、数据归一化（将数据归一到0-1之间，计算速度快）
    //数据归一化
    //把数据映射到0～1范围之内处理，更加便捷快速
    //MinMaxScaler  把有量纲表达式变成无量纲表达式，便于不同单位或量级的指标能够进行比较和加权。
    //x' = (x - X_min) / (X_max - X_min)

    val scalerDatas: MinMaxScalerModel = new MinMaxScaler()
      .setInputCol("features") //设置需要归一化的列
      .setOutputCol("featuresOut") //归一化后的数据的列名字
      .fit(irisLibSvmDF) //设置数据


    val scalerDF: DataFrame = scalerDatas.transform(irisLibSvmDF)
    scalerDF.show(false)
/*
+-----+-------------------------------+---------------------------------------------------------------------------------+
|label|features                       |featuresOut                                                                      |
+-----+-------------------------------+---------------------------------------------------------------------------------+
|1.0  |(4,[0,1,2,3],[5.1,3.5,1.4,0.2])|[0.22222222222222213,0.6249999999999999,0.06779661016949151,0.04166666666666667] |
|1.0  |(4,[0,1,2,3],[4.9,3.0,1.4,0.2])|[0.1666666666666668,0.41666666666666663,0.06779661016949151,0.04166666666666667] |
|1.0  |(4,[0,1,2,3],[4.7,3.2,1.3,0.2])|[0.11111111111111119,0.5,0.05084745762711865,0.04166666666666667]                |
|1.0  |(4,[0,1,2,3],[4.6,3.1,1.5,0.2])|[0.08333333333333327,0.4583333333333333,0.0847457627118644,0.04166666666666667]  |
|1.0  |(4,[0,1,2,3],[5.0,3.6,1.4,0.2])|[0.19444444444444448,0.6666666666666666,0.06779661016949151,0.04166666666666667] |

 */

    //4、使用kmeans进行计算
    val prediction: KMeansModel = new KMeans()
      .setK(3) //设置需要划分类别的数量/个数
      .setMaxIter(10) //设置最大计算次数
      .setFeaturesCol("featuresOut") //设置特征的列    归一化后的列
      .setPredictionCol("predictionValue") //设置最终预测后的结果列名
      .setSeed(10) //设置随机种子
      .fit(scalerDF)
    

    val predictionDF: DataFrame = prediction.transform(scalerDF)
    predictionDF.show(false)
    
    /*
+-----+-------------------------------+---------------------------------------------------------------------------------+---------------+
|label|features                       |featuresOut                                                                      |predictionValue|
+-----+-------------------------------+---------------------------------------------------------------------------------+---------------+
|1.0  |(4,[0,1,2,3],[5.1,3.5,1.4,0.2])|[0.22222222222222213,0.6249999999999999,0.06779661016949151,0.04166666666666667] |0              |
|1.0  |(4,[0,1,2,3],[4.9,3.0,1.4,0.2])|[0.1666666666666668,0.41666666666666663,0.06779661016949151,0.04166666666666667] |0              |
|1.0  |(4,[0,1,2,3],[4.7,3.2,1.3,0.2])|[0.11111111111111119,0.5,0.05084745762711865,0.04166666666666667]                |0              |
|1.0  |(4,[0,1,2,3],[4.6,3.1,1.5,0.2])|[0.08333333333333327,0.4583333333333333,0.0847457627118644,0.04166666666666667]  |0              |
|1.0  |(4,[0,1,2,3],[5.0,3.6,1.4,0.2])|[0.19444444444444448,0.6666666666666666,0.06779661016949151,0.04166666666666667] |0              |
|1.0  |(4,[0,1,2,3],[5.4,3.9,1.7,0.4])|[0.30555555555555564,0.7916666666666665,0.11864406779661016,0.12500000000000003] |0              |
     */


    //简单验证
    predictionDF.groupBy("label","predictionValue").count().show()
  /*
+-----+---------------+-----+
|label|predictionValue|count|
+-----+---------------+-----+
|  2.0|              1|   47|
|  1.0|              0|   50|
|  2.0|              2|    3|
|  3.0|              1|   14|
|  3.0|              2|   36|
+-----+---------------+-----+

*/

  }
}

结语

本篇博客，主要为大家简单介绍了RFM模型和KMeans聚类算法，后续会将其与用户画像的项目结合起来，为大家讲解挖掘型标签开发的过程，敬请期待?

如果以上过程中出现了任何的纰漏错误，烦请大佬们指正?

受益的朋友或对大数据技术感兴趣的伙伴记得点赞关注支持一波?

希望我们都能在学习的道路上越走越远?