使用python创建RFM模型

RFM是客户分析及衡量客户价值的重要模型之一，其中的R表示最近一次消费(Recency)，F表示消费频率(Frequency)，M表示消费金额(Monetary)。依据这三个指标RFM可以将客户动态分组，并进一步指导客户运营的下一步工作。本篇文章使用python的聚类算法创建一个粗糙的RFM模型。

1.开始前的准备工作

首先是开始前的准备工作，这里除了常用的numpy和pandas以外，有几个库文件单独说明下，pymysql是python连接mysql进行数据提取的库，cluster用于聚类，此外还有一些库文件在本篇文章中并没有使用到，例如DecisionTreeClassifier，grid_search和cross_validation等等。这些会在后面对RFM模型进行进一步分类预测，模型持久化和依据RFM模型做内容推荐时使用到。因此先一起放在这里，后面的系列文章会进行使用说明。

#导入库文件

import numpy as np

import pandas as pd

import pymysql

from sklearn.cluster import KMeans

from sklearn.tree import DecisionTreeClassifier

import os

from sklearn import cross_validation

import matplotlib.pyplot as plt

from sklearn.externals import joblib

from math import sqrt

from sklearn import grid_search

from sklearn.ensemble import RandomForestClassifier

2.从mysql提取RFM指标数据

原始的用户数据存储在mysql中，因此需要使用python连接mysql进行数据提取。下面是具体的代码和数据提取过程。

#连接数据库连接

db = pymysql.connect(host="",user=" ",passwd=" ",port=,db=" " )

# 使用 cursor() 方法创建一个游标对象 cursor

cursor = db.cursor()

#计算并提取RFM指标的SQL语句

sql="SELECT a.`user_id`,ABS(TIMESTAMPDIFF(YEAR,NOW(),DATE_FORMAT(MID(b.`id_no`,7,8),'%Y-%m-%d'))) AS age, a.`client_type`,a.`acct_bal`,a.`amount`,TIMESTAMPDIFF(DAY,NOW(),MAX(FROM_UNIXTIME(trans_time,'%y-%m-%d %H:%i:%s'))) AS R,COUNT(id) AS F,SUM(a.`amount`)AS M FROM qb_account_detail AS a JOIN qb_user_info AS b ON a.`user_id`=b.`user_id` WHERE a.`trans_time`> '1498838400' AND a.`trans_type`='201' AND NOT ISNULL(id_no) AND id_no 'null' GROUP BY b.`id_no`;"

# 使用 execute() 方法执行 SQL 查询

cursor.execute(sql)

895

# 使用 fetchall() 方法获取全部数据.

data = cursor.fetchall()

#查看数据

print(data)

使用提取的数据创建DataFrame数据表，取名为rfm。

#创建RFM数据表

columnlist=['user_id','age','client_type','acct_bal','amount','recency','frequency','monetary']

rfm=pd.DataFrame.from_records(list(data),columns=columnlist)

查看数据表的前5行数据，这里除了创建RFM模型必要的指标以外，还保留了用户ID，年龄等信息，也是为了后面的分类和推荐使用。

#查看数据表前5行

rfm.head()

3.使用K-Means进行RFM模型聚类

单独提取数据表中frequency，monetary，和recency三个字段进行聚类。首先转化为数组。

#转化为数组

rfm_new = np.array(rfm[['frequency','monetary','recency']])

#设置随机数

seed=9

设置KMeans模型参数，并代入指标数据进行拟合。

#对数据进行聚类

clf=KMeans(n_clusters=8,random_state=seed)

#拟合模型

clf=clf.fit(rfm_new)

查看KMeans聚类后的8个质心点的值。

#查看聚类质心点

clf.cluster_centers_

在原始数据表中对每个用户进行聚类结果标记。这样我们就可以知道每个用户ID在RFM模型中所属的类别。

#对原数据表进行类别标记

rfm['label']= clf.labels_

#查看标记后的数据

rfm.head()

查看RFM模型8个类别中的用户数量。

#计算每个类别的数据量

c=rfm["label"].value_counts()

本篇文章的内容到这里结束了，后面的系列文章我们还会使用决策树学习用户聚类的结果，然后对新用户进行价值分类的预测，或根据前端渠道数据更准确的捕获高价值客户。以及对现有聚类后的用户连接更多的行为数据，对不同类别的用户甚至新用户进行内容推荐，进一步提升用户的价值。更兴趣的朋友请继续关注。

END