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。

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。