筆記：
1、?基于RFM的精細(xì)化用戶管理厌殉，可以精細(xì)用戶管理食绿，更好的對(duì)客戶進(jìn)行引流，制定差異化以及定制化的營銷公罕。
（另外器紧，給業(yè)務(wù)部分做分析需要導(dǎo)出excel格式）
2、?使用的庫包括：time（用來記錄插入數(shù)據(jù)庫時(shí)的當(dāng)前日期）熏兄、numpy（基本數(shù)據(jù)處理）、pandas（日期轉(zhuǎn)換、數(shù)據(jù)格式化處理摩桶、主要的RFM計(jì)算過程）
RFM權(quán)重：利用sklearn的隨機(jī)森林庫
結(jié)果展示：excel可視化圖表
3桥状、?案例數(shù)據(jù)：
觀察表格概要、具體數(shù)據(jù)
——導(dǎo)入庫（numpy硝清、pandas辅斟，機(jī)器學(xué)習(xí)包sklearn使用RandomForestClassifier）
——讀取數(shù)據(jù)、定義列表以方便后續(xù)定制
——數(shù)據(jù)審查（注意轉(zhuǎn)換前后格式是否一致芦拿，包括后續(xù)數(shù)據(jù)是否與真實(shí)數(shù)據(jù)一致）
——數(shù)據(jù)預(yù)處理（enumerate函數(shù)用于將一個(gè)可遍歷的數(shù)據(jù)對(duì)象(如列表士飒、元組或字符串)組合為一個(gè)索引序列，同時(shí)列出數(shù)據(jù)和數(shù)據(jù)下標(biāo)）
——?jiǎng)澐謪^(qū)間（對(duì)RFM做分箱或者離散化操作）
另外：r蔗崎、m本身可以區(qū)分用戶特征酵幕，但是f無法區(qū)分（主要需要根據(jù)行業(yè)特性進(jìn)行設(shè)定數(shù)據(jù)）
原則：中間2個(gè)邊界值、最大值邊界
（問題：最左側(cè)值無法劃分為任何區(qū)間的）
最小值邊界值定義得比數(shù)據(jù)框中的最小值要小缓苛。
——計(jì)算RFM因子權(quán)重
思路：我們利用會(huì)員等級(jí)來確定RFM三者的權(quán)重芳撒，建立一個(gè)rfm三個(gè)維度與會(huì)員等級(jí)的分類模型，然后通過模型輸出維度的權(quán)重未桥。
4笔刹、?案例數(shù)據(jù)結(jié)論：
（1）基于圖形交互式分析
重點(diǎn)人群分布（柱狀圖）、重點(diǎn)分組分布
（2）基于RFM分組結(jié)果的分析
建立數(shù)據(jù)透視表——將分析重點(diǎn)轉(zhuǎn)移在重點(diǎn)人群身上
（3）RFM用戶特征分析
三類：占比超過10%冬耿，占比個(gè)位數(shù)舌菜，占比小個(gè)人價(jià)值度高
5、?不同行業(yè)對(duì)RFM的依賴度有差異亦镶，包括公司的發(fā)展等都會(huì)影響到RFM
6日月、?對(duì)R、F染乌、M區(qū)間的劃分是一個(gè)離散化的過程山孔，具體需要?jiǎng)澐譃閹讉€(gè)區(qū)間，需要與業(yè)務(wù)方確認(rèn)
7荷憋、?最重要的是台颠，不要只注重于多數(shù)人的定制化分析，一定要全面分析會(huì)員人群種類進(jìn)行分析勒庄。
