本文从RFM模型概念入手，结合实际案例，详解Python实现模型的每一步操作，并提供案例同款源数据，以供同学们知行合一。

注：想直接下载代码和数据的同学可以空降文末

看这篇文章前源数据长这样： 

学完后只要敲一个回车，源数据就变成了这样： 

是不是心动了?OK，闲话少叙，我们来开动正餐!

RFM，是一种经典到头皮发麻的用户分类、价值分析模型，同时，这个模型以直白著称，直白到把需要的字段写在了脸上，让我们再念一遍：“R!F!M!”：

• R，Rencency，即每个客户有多少天没回购了，可以理解为最近一次购买到现在隔了多少天。
• F，Frequency，是每个客户购买了多少次。
• M，Monetary，代表每个客户平均购买金额，这里也可以是累计购买金额。

这三个维度，是RFM模型的精髓所在，帮助我们把混杂一体的客户数据分成标准的8类，然后根据每一类用户人数占比、金额贡献等不同的特征，进行人、货、场三重匹配的精细化运营。

用Python建立RFM模型，整体建模思路分为五步，一言蔽之——“五步在手，模型你有”，分别是数据概览、数据清洗、维度打分、分值计算和客户分层。

01 数据概览

我们的源数据是订单表，记录着用户交易相关的字段： 

有个细节需要注意，订单每一行代表着单个用户的单次购买行为，什么意思呢?如果一个用户在一天内购买了4次，订单表对应记录着4行，而在实际的业务场景中，一个用户在一天内的多次消费行为，应该从整体上看作一次。

比如，我今天10点在必胜客天猫店买了个披萨兑换券，11点又下单了饮料兑换券，18点看到优惠又买了两个冰淇淋兑换券。这一天内虽然我下单了3次，但最终这些兑换券我会一次消费掉，应该只算做一次完整的消费行为，这个逻辑会指导后面F值的计算。

我们发现在订单状态中，除了交易成功的，还有用户退款导致交易关闭的，那还包括其他状态吗?Let me see see： 

只有这两种状态，其中退款订单对于我们模型价值不大，需要在后续清洗中剔除。

接着再观察数据的类型和缺失情况： 

订单一共28833行，没有任何缺失值，Nice!类型方面，付款日期是时间格式，实付金额、邮费和购买数量是数值型，其他均为字符串类型。

02 数据清洗

剔除退款

在观察阶段，我们明确了第一个清洗的目标，就是剔除退款数据： 

关键字段提取

剔除之后，觉得我们订单的字段还是有点多，而RFM模型只需要买家昵称，付款时间和实付金额这3个关键字段，所以提取之： 

关键字段构造

上面的基础清洗告一段落，这一步关键在于构建模型所需的三个字段：R(最近一次购买距今多少天)，F(购买了多少次)以及M(平均或者累计购买金额)。

首先是R值，即每个用户最后一次购买时间距今多少天。如果用户只下单过一次，用现在的日期减去付款日期即可;若是用户多次下单，需先筛选出这个用户最后一次付款的时间，再用今天减去它。

需要提醒的是，时间洪流越滚越凶，对应在时间格式中，就是距离今天越近，时间也就越“大”，举个例子，2019年9月9日是要大于2019年9月1日的： 

因此，要拿到所有用户最近一次付款时间，只需要按买家昵称分组，再选取付款日期的最大值即可：

为了得到最终的R值，用今天减去每位用户最近一次付款时间，就得到R值了，这份订单是7月1日生成的，所以这里我们把“2019-7-1”当作“今天”： 

接着来搞定F值，即每个用户累计购买频次。

在前面数据概览阶段，我们明确了“把单个用户一天内多次下单行为看作整体一次”的思路，所以，引入一个精确到天的日期标签，依照“买家昵称”和“日期标签”进行分组，把每个用户一天内的多次下单行为合并，再统计购买次数： 

上一步计算出了每个用户购买频次，这里我们只需要得到每个用户总金额，再用总金额除以购买频次，就能拿到用户平均支付金额： 

最后，万剑归宗，三个指标合并： 

至此，我们完成了模型核心指标的计算，算是打扫干净了屋子再请客。

03 维度打分

维度确认的核心是分值确定，按照设定的标准，我们给每个消费者的R/F/M值打分，分值的大小取决于我们的偏好，即我们越喜欢的行为，打的分数就越高：

以R值为例，R代表了用户有多少天没来下单，这个值越大，用户流失的可能性越大，我们当然不希望用户流失，所以R越大，分值越小。

F值代表了用户购买频次，M值则是用户平均支付金额，这两个指标是越大越好，即数值越大，得分越高。

RFM模型中打分一般采取5分制，有两种比较常见的方式，一种是按照数据的分位数来打分，另一种是依据数据和业务的理解，进行分值的划分。这里希望同学们加深对数据的理解，进行自己的分值设置，所以讲述过程中使用的是第二种，即提前制定好不同数值对应的分值。

R值根据行业经验，设置为30天一个跨度，区间左闭右开： 

F值和购买频次挂钩，每多一次购买，分值就多加一分： 

我们可以先对M值做个简单的区间统计，然后分组，这里我们按照50元的一个区间来进行划分： 

这一步我们确定了一个打分框架，每一位用户的每个指标，都有了与之对应的分值。

04 分值计算

分值的划分逻辑已经确定，看着好像有点麻烦。下面我们有请潘大师(Pandas)登场，且看他如何三拳两脚就搞定这麻烦的分组逻辑，先拿R值打个样: 

沧海横流，方显潘大师本色，短短一行代码就搞定了5个层级的打分。Pandas的cut函数，我们复习一下：

• 第一个参数传入要切分的数据列。
• bins参数代表我们按照什么区间进行分组，上面我们已经确定了R值按照30天的间隔进行分组，输入[0,30,60,90,120,1000000]即可，最后一个数值设置非常大，是为了给分组一个容错空间，允许出现极端大的值。
• right表示了右侧区间是开还是闭，即包不包括右边的数值，如果设置成False，就代表[0,30)，包含左侧的分组数据而不含右侧，若设置为True，则是[0,30]，首尾都包含。
• labels和bins切分的数组前后呼应，什么意思呢?bins设置了6个数值，共切分了5个分组，labels则分别给每个分组打标签，0-30是5分，30-60是4分，依此类推。

接着，F和M值就十分容易了，按照我们设置的值切分就好： 

第一轮打分已经完成，下面进入第二轮打分环节。

客官不要紧脏，面试都还不止两轮呢，伦家RFM模型哪有那么随便的。

现在R-SCORE、F-SCORE、M-SCORE在1-5几个数之间，如果把3个值进行组合，像111，112，113...这样可以组合出125种结果，过多的分类和不分类本质是一样的。所以，我们通过判断每个客户的R、F、M值是否大于平均值，来简化分类结果。

因为每个客户和平均值对比后的R、F、M，只有0和1(0表示小于平均值，1表示大于平均值)两种结果，整体组合下来共有8个分组，是比较合理的一个情况。我们来判断用户的每个分值是否大于平均值： 

Python中判断后返回的结果是True和False，对应着数值1和0，只要把这个布尔结果乘上1，True就变成了1，False变成了0，处理之后更加易读。

05 客户分层

回顾一下前几步操作，清洗完之后我们确定了打分逻辑，然后分别计算每个用户的R、F、M分值(SCORE)，随后，用分值和对应的平均值进行对比，得到了是否大于均值的三列结果。至此，建模所需的所有数据已经准备就绪，剩下的就是客户分层了。

RFM经典的分层会按照R/F/M每一项指标是否高于平均值，把用户划分为8类，我们总结了一下，具体像下面表格这样： 

由于传统的分类，部分名称有些拧巴，像大多数分类前都冠以“重要”，“潜力”和“深耕”到底有什么区别?“唤回”和“挽回”有什么不一样?

本着清晰至上原则，我们对原来的名称做了适当的改进。强调了潜力是针对消费(平均支付金额)，深耕是为了提升消费频次，以及重要唤回客户其实和重要价值客户非常相似，只是最近没有回购了而已，应该做流失预警等等。这里只是抛砖引玉，提供一个思路，总之，一切都是为了更易理解。

对于每一类客户的特征，我们也做了简单的诠释，比如重要价值客户，就是最近购买我们的产品，且在整个消费生命周期中购买频次较高，平均每次支付金额也高。其他的分类也是一样逻辑，可以结合诠释来强化理解。下面，我们就用Python来实现这一分类。

先引入一个人群数值的辅助列，把之前判断的R\F\M是否大于均值的三个值给串联起来： 

人群数值是数值类型，所以位于前面的0就自动略过，比如1代表着“001”的高消费唤回客户人群，10对应着“010”的一般客户。

为了得到最终人群标签，再定义一个判断函数，通过判断人群数值的值，来返回对应的分类标签： 

最后把标签分类函数应用到人群数值列： 

客户分类工作的完成，宣告着RFM模型建模的结束，每一位客户都有了属于自己的RFM标签。

RFM模型结果分析

其实到上一步，已经走完了整个建模流程，但是呢，一切模型结果最终都要服务于业务，所以，最后我们基于现有模型结果做一些拓展、探索性分析。

查看各类用户占比情况： 

探究不同类型客户消费金额贡献占比： 

结果可视化之(可视化代码留给大家自行尝试)： 

从上面结果，我们可以快速得到一些推断：

• 客户流失情况严峻，高消费唤回客户、流失客户占比超过50%，怎么样制定针对性唤回策略迫在眉睫。
• 重要价值客户占比仅2.97%，还有三个客户占比甚至不足2%，我们模型打分可能不够科学，可以进一步调整打分区间进行优化。
• ...

再结合金额进行分析：

• 高消费唤回客户人数占比28.87%，金额占比上升到了38.11%，这部分客户是消费的中流砥柱，他们为什么流失，应结合订单和购买行为数据进一步展开挖掘。
• 频次深耕客户金额占比紧随其后，这部分客户的特征是近期有消费、消费频次低、消费金额高，和高消费唤回客户仅有购买时间上的不同，如何避免这部分客户向高消费唤回客户的流转是我们要思考的主要命题。
• 流失客户人数占比26.28%，金额占比仅12.66%，这部分客户中有多少是褥羊毛用户，有多少是目标用户，对我们引流策略能够进行怎么样的指导和调整?
• .....

至此，我们基于订单源数据，按照五步法用Python完成了RFM模型的建立，并对结果进行了简单的分析。最后，只要把上述代码封装成函数，对于新的数据源，只要一个回车就能够撸出模型，So Easy!

整个案例、数据和完整代码精心花了N周的时间准备，觉得有用的旁友动动小手来一波评论 or 在看吧~