电话

+123-456-7890

电邮

mail@domain.com

营业时间

Mon - Fri: 7AM - 7PM

作者:Barış KaramanFollow
编译:ronghuaiyang
首发:AI公园公众号
今天给大家介绍客户分群方面的内容,为什么要对客户进行细分,如何细分,依据是什么,方法是什么,都会一一介绍。

第二部分:客户分群

在前一篇文章中,我们分析了我们在线零售业务的主要指标。现在我们知道了使用Python跟踪什么以及如何跟踪。现在,是时候关注一下客户并细分他们了。

首先,我们为什么要做客户细分?

因为你不能用同样的内容,同样的渠道,同样的重要性来对待每个客户。他们到更了解他们的地方去。

使用你的平台的客户有不同的需求,他们有自己不同的属性。你应该据此来调整你的行为。

根据你想要达到的目标,你可以做许多不同的分群。如果你想提高用户留存率,你可以基于用户流失概率进行细分并采取行动。但也有非常常见和有用的分群方法。现在我们要在我们的业务中实现其中一个方法:RFM

RFM代表Recency-Frequency-Monetary Value。理论上我们会有如下几个部分:

  • 低价值:不活跃的客户,不是很频繁的买家/访客,产生的收入为零,或者很低,或者是负的。
  • 中等价值:经常使用我们的平台(但没有我们的高价值客户多),活动非常频繁,产生中等收入。
  • 高价值:我们不想失去的群体。产生的收入高,活动频繁。

作为一个方法,我们需要计算_Recency, Frequency以及Monetary Value_(我们将从现在开始称它为收入),并应用无监督机器学习来识别每个不同的组(群体)。让我们进入代码,看看如何实现RFM分群

Recency

为了计算Recency,我们需要找出每个客户最近的购买日期,并查看他们有多少天是不活跃的。对于每个客户的非活动天数,我们将应用K-means聚类来为客户分配一个_recency score_。

对于我们这个例子,我们将继续使用相同的数据集:https://www.kaggle.com/vijayu…。在开始recency计算之前,让我们回顾一下我们之前所做的工作。

`# import libraries
from datetime import datetime, timedelta
import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from __future__ import division

import plotly.plotly as py
import plotly.offline as pyoff
import plotly.graph_objs as go

#inititate Plotly
pyoff.init_notebook_mode()

#load our data from CSV
tx_data = pd.read_csv('data.csv')

#convert the string date field to datetime
tx_data['InvoiceDate'] = pd.to_datetime(tx_data['InvoiceDate'])

#we will be using only UK data
tx_uk = tx_data.query("Country=='United Kingdom'").reset_index(drop=True)
`

现在我们可以计算recency:

#create a generic user dataframe to keep CustomerID and new segmentation scorestx_user = pd.DataFrame(tx_data['CustomerID'].unique())tx_user.columns = ['CustomerID']#get the max purchase date for each customer and create a dataframe with ittx_max_purchase = tx_uk.groupby('CustomerID').InvoiceDate.max().reset_index()tx_max_purchase.columns = ['CustomerID','MaxPurchaseDate']#we take our observation point as the max invoice date in our datasettx_max_purchase['Recency'] = (tx_max_purchase['MaxPurchaseDate'].max() - tx_max_purchase['MaxPurchaseDate']).dt.days#merge this dataframe to our new user dataframetx_user = pd.merge(tx_user, tx_max_purchase[['CustomerID','Recency']], on='CustomerID')tx_user.head()#plot a recency histogramplot_data = [    go.Histogram(        x=tx_user['Recency']    )]plot_layout = go.Layout(        title='Recency'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)

我们的新dataframe tx\_user现在包含了recency数据:

要获得关于recency的大致情况,我们可以使用pandas的.describe()方法。它显示了我们的数据的平均值、最小值、最大值、计数和百分位数。

我们看到,平均是90天,中位数是49天。

上面的代码有一个柱状图输出,向我们展示了客户的recency是如何分布的。

现在是有趣的部分。我们使用K-means聚类来分配recency score。但是我们应该告诉K-means算法需要多少个簇。为了找出答案,我们将使用Elbow方法。Elbow方法简单地给出了最优惯性下的最优簇数量。代码和惯性图如下:

from sklearn.cluster import KMeanssse={}tx_recency = tx_user[['Recency']]for k in range(1, 10):    kmeans = KMeans(n_clusters=k, max_iter=1000).fit(tx_recency)    tx_recency["clusters"] = kmeans.labels_    sse[k] = kmeans.inertia_ plt.figure()plt.plot(list(sse.keys()), list(sse.values()))plt.xlabel("Number of cluster")plt.show()

惯性图:

这里看起来3是最优的。根据业务需求,我们可以继续使用更少或更多的分群数量。我们为这个例子选择4:

#build 4 clusters for recency and add it to dataframekmeans = KMeans(n_clusters=4)kmeans.fit(tx_user[['Recency']])tx_user['RecencyCluster'] = kmeans.predict(tx_user[['Recency']])#function for ordering cluster numbersdef order_cluster(cluster_field_name, target_field_name,df,ascending):    new_cluster_field_name = 'new_' + cluster_field_name    df_new = df.groupby(cluster_field_name)[target_field_name].mean().reset_index()    df_new = df_new.sort_values(by=target_field_name,ascending=ascending).reset_index(drop=True)    df_new['index'] = df_new.index    df_final = pd.merge(df,df_new[[cluster_field_name,'index']], on=cluster_field_name)    df_final = df_final.drop([cluster_field_name],axis=1)    df_final = df_final.rename(columns={"index":cluster_field_name})    return df_finaltx_user = order_cluster('RecencyCluster', 'Recency',tx_user,False)

我们在dataframe tx\_user中计算了聚类并将它们分配给每个客户。

我们可以看到我们的recency分群是如何具有不同的特征的。与分群2相比,分群1中的客户是最近才出现的。我们在代码中添加了一个函数,order\_cluster()。K-means将分群分配为数字,但不是按顺序分配的。我们不能说集群0是最差的,而集群4是最好的。order\_cluster()方法为我们做了这些,我们的新dataframe看起来更整洁:

非常好!3包含最近的客户,而0包含最不活跃的客户。对于Frequency和Revenue,我们也采用同样的方法。

Frequency

要创建frequency分群,我们需要找到每个客户的订单总数。首先计算这个,看看我们的客户数据库中的frequency是什么样的:

#get order counts for each user and create a dataframe with ittx_frequency = tx_uk.groupby('CustomerID').InvoiceDate.count().reset_index()tx_frequency.columns = ['CustomerID','Frequency']#add this data to our main dataframetx_user = pd.merge(tx_user, tx_frequency, on='CustomerID')#plot the histogramplot_data = [    go.Histogram(        x=tx_user.query('Frequency < 1000')['Frequency']    )]plot_layout = go.Layout(        title='Frequency'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)

应用相同的逻辑得到frequency聚类,并分配给每个客户:

#k-meanskmeans = KMeans(n_clusters=4)kmeans.fit(tx_user[['Frequency']])tx_user['FrequencyCluster'] = kmeans.predict(tx_user[['Frequency']])#order the frequency clustertx_user = order_cluster('FrequencyCluster', 'Frequency',tx_user,True)#see details of each clustertx_user.groupby('FrequencyCluster')['Frequency'].describe()

我们的frequency聚类看起来是这样的:

frequency高的数字表示更好的客户,这与recency聚类的表示相同。

Revenue

当我们根据revenue对他们进行聚类时,让我们来看看我们的客户数据是什么样子的。我们计算每个客户的revenue,绘制直方图,并应用相同的聚类方法。

#calculate revenue for each customertx_uk['Revenue'] = tx_uk['UnitPrice'] * tx_uk['Quantity']tx_revenue = tx_uk.groupby('CustomerID').Revenue.sum().reset_index()#merge it with our main dataframetx_user = pd.merge(tx_user, tx_revenue, on='CustomerID')#plot the histogramplot_data = [    go.Histogram(        x=tx_user.query('Revenue < 10000')['Revenue']    )]plot_layout = go.Layout(        title='Monetary Value'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)

我们也有一些revenue 为负的客户,让我们继续并应用k-means聚类:

#apply clusteringkmeans = KMeans(n_clusters=4)kmeans.fit(tx_user[['Revenue']])tx_user['RevenueCluster'] = kmeans.predict(tx_user[['Revenue']])#order the cluster numberstx_user = order_cluster('RevenueCluster', 'Revenue',tx_user,True)#show details of the dataframetx_user.groupby('RevenueCluster')['Revenue'].describe()

总得分


很好!我们现在有了recency,frequency和revenue的得分(聚类编号)。让我们来计算一个总得分:

#calculate overall score and use mean() to see detailstx_user['OverallScore'] = tx_user['RecencyCluster'] + tx_user['FrequencyCluster'] + tx_user['RevenueCluster']tx_user.groupby('OverallScore')['Recency','Frequency','Revenue'].mean()

上面的分数清楚地告诉我们,得到8分的客户是我们最好的客户,而得到0分的客户是最差的客户。

为了简单起见,我们最好将这些分数命名为:

  • 0到2:低价值
  • 3至4:中等价值
  • 5+:高价值

我们可以很容易地把这个命名方在我们的dataframe中:

tx_user['Segment'] = 'Low-Value'tx_user.loc[tx_user['OverallScore']>2,'Segment'] = 'Mid-Value' tx_user.loc[tx_user['OverallScore']>4,'Segment'] = 'High-Value' 

现在,让我们看看我们的分群在散点图中是如何分布的:

可以看到,在RFM上,这些分群是如何明显地相互区分的。你可以找到下图的代码:

#Revenue vs Frequencytx_graph = tx_user.query("Revenue < 50000 and Frequency < 2000")plot_data = [    go.Scatter(        x=tx_graph.query("Segment == 'Low-Value'")['Frequency'],        y=tx_graph.query("Segment == 'Low-Value'")['Revenue'],        mode='markers',        name='Low',        marker= dict(size= 7,            line= dict(width=1),            color= 'blue',            opacity= 0.8           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'Mid-Value'")['Frequency'],        y=tx_graph.query("Segment == 'Mid-Value'")['Revenue'],        mode='markers',        name='Mid',        marker= dict(size= 9,            line= dict(width=1),            color= 'green',            opacity= 0.5           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'High-Value'")['Frequency'],        y=tx_graph.query("Segment == 'High-Value'")['Revenue'],        mode='markers',        name='High',        marker= dict(size= 11,            line= dict(width=1),            color= 'red',            opacity= 0.9           )    ),]plot_layout = go.Layout(        yaxis= {'title': "Revenue"},        xaxis= {'title': "Frequency"},        title='Segments'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)#Revenue Recencytx_graph = tx_user.query("Revenue < 50000 and Frequency < 2000")plot_data = [    go.Scatter(        x=tx_graph.query("Segment == 'Low-Value'")['Recency'],        y=tx_graph.query("Segment == 'Low-Value'")['Revenue'],        mode='markers',        name='Low',        marker= dict(size= 7,            line= dict(width=1),            color= 'blue',            opacity= 0.8           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'Mid-Value'")['Recency'],        y=tx_graph.query("Segment == 'Mid-Value'")['Revenue'],        mode='markers',        name='Mid',        marker= dict(size= 9,            line= dict(width=1),            color= 'green',            opacity= 0.5           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'High-Value'")['Recency'],        y=tx_graph.query("Segment == 'High-Value'")['Revenue'],        mode='markers',        name='High',        marker= dict(size= 11,            line= dict(width=1),            color= 'red',            opacity= 0.9           )    ),]plot_layout = go.Layout(        yaxis= {'title': "Revenue"},        xaxis= {'title': "Recency"},        title='Segments'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)# Revenue vs Frequencytx_graph = tx_user.query("Revenue < 50000 and Frequency < 2000")plot_data = [    go.Scatter(        x=tx_graph.query("Segment == 'Low-Value'")['Recency'],        y=tx_graph.query("Segment == 'Low-Value'")['Frequency'],        mode='markers',        name='Low',        marker= dict(size= 7,            line= dict(width=1),            color= 'blue',            opacity= 0.8           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'Mid-Value'")['Recency'],        y=tx_graph.query("Segment == 'Mid-Value'")['Frequency'],        mode='markers',        name='Mid',        marker= dict(size= 9,            line= dict(width=1),            color= 'green',            opacity= 0.5           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'High-Value'")['Recency'],        y=tx_graph.query("Segment == 'High-Value'")['Frequency'],        mode='markers',        name='High',        marker= dict(size= 11,            line= dict(width=1),            color= 'red',            opacity= 0.9           )    ),]plot_layout = go.Layout(        yaxis= {'title': "Frequency"},        xaxis= {'title': "Recency"},        title='Segments'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)

我们可以开始采取行动,进行分群。策略很明确:

  • 高价值:提高留存率
  • 中等价值:提高留存率 + 增加Frequency
  • 低价值:增加Frequency

越来越刺激了!在下一部分中,我们将计算和预测客户的终生价值。

理想情况下,我们可以通过使用分位数或简单的binning来轻松实现我们在这里所做的工作,为了熟悉一下k-means聚类,所以之类用了这个聚类的方法。

—END—

英文原文:

https://towardsdatascience.co…

推荐阅读

  • 机器学习如何重塑最优定价
  • 用机器学习来提升你的用户增长:第一步,了解你的目标

关注图像处理,自然语言处理,机器学习等人工智能领域,请点击关注AI公园专栏
欢迎关注微信公众号

推荐文章

发表评论

邮箱地址不会被公开。 必填项已用*标注