1.计算RFM各项分值
R_S,距离当前日期越近,得分越高,最高5分,最低1分
F_S,交易频率越高,得分越高,最高5分,最低1分
M_S,交易金额越高,得分越高,最高5分,最低1分
2....F_S+1*M_S
3.根据RFM分值对客户分类
RFM分析前提,满足以下三个假设,这三个假设也是符合逻辑的
1.最近有过交易行为的客户,再次发生交易的可能性要高于最近买有交易行为的客户;
2....我们了解了RFM的分析原理后,下面来看看如何在Python中用代码实现:
import numpy
import pandas
data = pandas.read_csv(
'D:\\PDA...aggData.MonetaryAgg.quantile(
q=[0, 0.2, 0.4, 0.6, 0.8, 1],
interpolation='nearest'
)
bins[0] = 0
labels = [1, 2,..., 0.5,
0.625, 0.75, 0.875, 1
],
interpolation='nearest'
)
bins[0] = 0
labels = [1, 2,