【极客时间】零基础实战机器学习 - RFM 模型在用户消费行为分析中的应用
GrissomFI约 10 分钟作者：黄佳
极客时间专栏链接：https://time.geekbang.org/column/intro/438
特征工程：
一、用户消费行为分析与RFM模型：从数据到洞察的桥梁
在数字化时代，理解用户行为是企业制定精准运营策略的关键。然而，用户的消费行为本身往往是模糊且难以量化的，直接用于数据分析存在较大局限性。因此，将行为转化为可量化的指标，成为企业洞察用户特征、优化运营决策的第一步。
这些指标不仅能够帮助我们直观地理解用户行为模式，还能广泛应用于广告精准投放、产品推荐系统、用户生命周期管理等多个场景，从而显著提升产品和服务的精准度与转化率。
在众多分析方法中，RFM模型（Recency、Frequency、Monetary）是被广泛采用的经典工具。它通过三个核心维度，将复杂的用户行为简化为清晰的量化指标，为企业提供直观的用户价值评估框架。
（1）RFM模型的核心指标
R（Recency，最近消费时间）
定义：用户自上次消费以来的间隔天数，衡量用户的活跃度。 示例：若用户上次消费是30天前，则R值为30；若今天再次消费，R值更新为1。 意义：R值越小，用户越活跃；R值过大可能意味着用户正在流失。
F（Frequency，消费频率）
定义：用户在一定时间内的消费次数，反映用户的黏性和忠诚度。 示例：一个用户在过去3个月内消费了10次，F值为10。 意义：高频率用户通常是企业的核心用户群体，值得重点维护。
M（Monetary，消费金额）
定义：用户在某个时间段内的消费总金额，直接体现用户的价值贡献。 示例：某用户在过去一年内消费了5000元，M值为5000。 意义：M值越高，用户对企业的经济贡献越大，是高价值用户的显著特征。
（2）RFM 模型的应用场景
通过这三个指标的组合，企业可以对用户进行分类或聚类，构建精准的用户画像。例如：
高价值用户：R值小（最近消费频繁）、F值高（消费稳定）、M值高（贡献大）。 中等价值用户：R值中等、F值较低但M值较高（偶尔大额消费）。 低价值用户：R值大（很久未消费）、F值低（消费稀少）、M值低（贡献小）。
基于这些分类，企业可以制定差异化的运营策略：
针对高价值用户，提供专属优惠或会员权益，进一步提升忠诚度； 针对中等价值用户，设计促销活动或个性化推荐，激发消费潜力； 针对低价值用户，通过召回活动或重新激活策略，尝试挽回流失用户。
（3）项目实施步骤
本项目将分为两个关键阶段，逐步实现从数据到洞察的转化：
数据提取与RFM值计算
提取用户的历史消费数据（时间、频率、金额）。 计算每位用户的R、F、M值，形成结构化的用户行为数据集。
用户分组与画像构建
根据RFM值对用户进行分组（如高、中、低价值群体）。 绘制用户分布图，直观呈现不同价值群体的比例与特征。 结合业务场景，制定针对性的营销策略（如推送优惠券、个性化推荐等）。
通过RFM模型，企业不仅能精准识别用户价值，还能动态调整运营策略，实现用户生命周期的精细化管理。这一方法已被众多互联网企业验证为高效、实用的用户分析工具。
二、导入数据
import pandas as pd #导入Pandasdf_sales = pd.read_csv('易速鲜花订单记录.csv') #载入数据df_sales.head() #显示头几行数据
| 订单号 | 产品码 | 消费日期 | 产品说明 | 数量 | 单价 | 用户码 | 城市 | |
|---|---|---|---|---|---|---|---|---|
| 0 | ||||||||
| 1 | ||||||||
| 2 | ||||||||
| 3 | ||||||||
| 4 |
数据解析：
可以看到这个数据集主要包含了订单号、产品码、消费日期，产品说明、数量、单价、用户码和城市等字段。因为我们求的是用户消费行为的新进度（R）、消费的总体频率（F），还有消费总金额（M），所以在这些信息中，我们重点关注的是以下几个数据：
用户码 单价 （订单中产品的）数量 消费日期
三、数据可视化
import matplotlib.pyplot as plt #导入Matplotlib的pyplot模块from matplotlib import rcParams# 配置 matplotlib 使用字体rcParams['font.sans-serif'] = ['Heiti TC']rcParams['axes.unicode_minus'] = False # 解决负号显示问题#构建月度的订单数的DataFramedf_sales['消费日期'] = pd.to_datetime(df_sales['消费日期']) #转化日期格式df_orders_monthly = df_sales.set_index('消费日期')['订单号'].resample('ME').nunique()#设定绘图的画布ax = pd.DataFrame(df_orders_monthly.values).plot(grid=True,figsize=(12,6),legend=False)ax.set_xlabel('月份') # X轴labelax.set_ylabel('订单数') # Y轴Labelax.set_title('月度订单数') # 图题#设定X轴月份显示格式plt.xticks(range(len(df_orders_monthly.index)),[x.strftime('%m.%Y') for x in df_orders_monthly.index],rotation=45)plt.show() # 绘图
数据解析：
我们看到，这个数据集收集了“易速鲜花”公司一整年的订单量。所以啊，我们要求的消费额 M，实际上是每个用户一整年的总消费额。
你可能已经注意到，在最后一个月，也就是 2021 年 6 月，订单量突然大幅下降。其实这是因为运营人员拉这个表的时候，正是 6 月的第一个礼拜。所以，6 月的数据虽然不全，但并不会影响我们对用户 RFM 值的分析。
四、数据清洗
df_sales = df_sales.drop_duplicates() #删除重复的数据行df_sales.isna().sum() # NaN出现的次数订单号 0产品码 0消费日期 0产品说明 0数量 0单价 0用户码 0城市 0dtype: int64
df_sales.describe() #df_sales的统计信息| 消费日期 | 数量 | 单价 | 用户码 | |
|---|---|---|---|---|
| count | ||||
| mean | ||||
| min | ||||
| 25% | ||||
| 50% | ||||
| 75% | ||||
| max | ||||
| std |
数据解析：
在表中你可以看到这个数据集中，共有 9 万多行的数据（count 统计数据条目的数量），每条数据的平均采购数量是 10（mean 统计均值），商品平均单价是 3.575 元左右。在概览中我们发现，（订单中产品的）数量的最小值（min）是一个负数（-9360），这显然是不符合逻辑的，所以我们要把这种脏数据清洗掉。
具体的处理方式是，用 loc 属性通过字段名（也就是列名）访问数据集，同时只保留“数量”字段大于 0 的数据行：
df_sales = df_sales.loc[df_sales['数量'] > 0] #清洗掉数量小于等于0的数据在 DataFrame 对象中，loc 属性是通过行、列的名称来访问数据的，我们做数据预处理时会经常用到；还有一个常被用到的属性是 iloc，它是通过行列的位置（也就是序号）来访问数据的。由于数据行的名称往往也是数值，这两者非常容易被弄混。
所以，在这里我特地给你做了一张图，来说明什么是行列名、什么是行列序号，帮你弄清楚它们的区别。
df_sales.describe() #df_sales的统计信息| 消费日期 | 数量 | 单价 | 用户码 | |
|---|---|---|---|---|
| count | ||||
| mean | ||||
| min | ||||
| 25% | ||||
| 50% | ||||
| 75% | ||||
| max | ||||
| std |
再用一次 describe 方法，就会看到新的最小数量为 1，这就对了。
五、特征工程
df_sales['总价'] = df_sales['数量'] * df_sales['单价'] #计算每单的总价df_sales.head() #显示头几行数据
| 订单号 | 产品码 | 消费日期 | 产品说明 | 数量 | 单价 | 用户码 | 城市 | 总价 | |
|---|---|---|---|---|---|---|---|---|---|
| 0 | |||||||||
| 1 | |||||||||
| 2 | |||||||||
| 3 | |||||||||
| 4 |
数据解析：
现在，在这个数据集中，用户码、总价和消费日期这三个字段，给我们带来了每一个用户的 R、F、M 信息。其中：
一个用户上一次购物的日期，也就是最新的消费日期，就可以转化成这个用户的 R值；一个用户下的所有订单次数之和，就是消费频率值，也就是该用户的 F值；把一个用户所有订单的总价加起来，就是消费金额值，也就是该用户的 M值。
不过，我们目前的这个数据集是一个订单的历史记录，并不是以用户码为主键的数据表。而 R、F、M 信息是和用户相关的，每一个用户都拥有一个独立的 R 值、F 值和 M 值，所以，在计算 RFM 值之前，我们需要先构建一个用户层级表。
六、构建User用户表
df_user = pd.DataFrame(df_sales['用户码'].unique()) #生成以用户码为主键的结构df_userdf_user.columns = ['用户码'] #设定字段名df_user = df_user.sort_values(by='用户码',ascending=True).reset_index(drop=True) #按用户码排序df_user #显示df_user
| 用户码 | |
|---|---|
| 0 | |
| 1 | |
| 2 | |
| 3 | |
| 4 | |
| ... | |
| 975 | |
| 976 | |
| 977 | |
| 978 | |
| 979 |
980 rows × 1 columns
数据解析：
构建用户层级表，简单来说就是生成一个以用户码为关键字段的 Dataframe 对象 df_user，然后在这个 Dataframe 对象中，逐步加入每一个用户的新近度（R）、消费频率（F）、消费金额（M），以及最终总的分组信息。
七、求 R 值
df_sales['消费日期'] = pd.to_datetime(df_sales['消费日期']) #转化日期格式df_recent_buy = df_sales.groupby('用户码').消费日期.max().reset_index() #构建消费日期信息df_recent_buy.columns = ['用户码','最近日期'] #设定字段名df_recent_buy['R值'] = (df_recent_buy['最近日期'].max() - df_recent_buy['最近日期']).dt.days #计算最新日期与上次消费日期的天数df_user = pd.merge(df_user, df_recent_buy[['用户码','R值']], on='用户码') #把上次消费距最新日期的天数（R值）合并至df_user结构df_user.head() #显示df_user头几行数据
| 用户码 | R值 | |
|---|---|---|
| 0 | ||
| 1 | 187 | |
| 2 | ||
| 3 | ||
| 4 |
数据解析：
R 值越大，说明该用户最近一次购物日距离当前日期越久，那么这样的用户就越是处于休眠状态。从表中可以看出来，编号为 14682 的用户已经有 187 天没有购物了。所以我们就可以判断这个用户呈现休眠态，很可能已经被别的购物平台所吸引了，也就是流失了。
八、求F值
df_frequency = df_sales.groupby('用户码').消费日期.count().reset_index() #计算每个用户消费次数，构建df_frequency对象df_frequency.columns = ['用户码','F值'] #设定字段名称df_user = pd.merge(df_user, df_frequency, on='用户码') #把消费频率整合至df_user结构df_user.head() #显示头几行数据
| 用户码 | R值 | F值 | |
|---|---|---|---|
| 0 | |||
| 1 | |||
| 2 | |||
| 3 | |||
| 4 |
九、求 M 值
df_revenue = df_sales.groupby('用户码').总价.sum().reset_index() #根据消费总额，构建df_revenue对象df_revenue.columns = ['用户码','M值'] #设定字段名称df_user = pd.merge(df_user, df_revenue, on='用户码') #把消费金额整合至df_user结构df_user.head() #显示头几行数据
| 用户码 | R值 | F值 | M值 | |
|---|---|---|---|---|
| 0 | ||||
| 1 | ||||
| 2 | ||||
| 3 | ||||
| 4 |
十、小结
要做分组画像，RFM 分析是一个不错的方法，它也是目前很多互联网厂商普遍采用的分析方式。我们今天的重点是，根据用户码、总价和消费日期这三个字段，从消费历史数据中求出每位用户的 R、F、M 的值，这就好像给用户贴上了一堆数字化的标签。
因篇幅限制，我们把分类这块放到下一篇文章。