2021-08-28

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。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末串前,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子实蔽,更是在濱河造成了極大的恐慌荡碾,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,639評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件局装,死亡現(xiàn)場(chǎng)離奇詭異坛吁,居然都是意外死亡劳殖,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,277評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門拨脉,熙熙樓的掌柜王于貴愁眉苦臉地迎上來哆姻,“玉大人,你說我怎么就攤上這事玫膀∶В” “怎么了?”我有些...
    開封第一講書人閱讀 157,221評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵帖旨,是天一觀的道長箕昭。 經(jīng)常有香客問我,道長解阅,這世上最難降的妖魔是什么落竹? 我笑而不...
    開封第一講書人閱讀 56,474評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮瓮钥,結(jié)果婚禮上筋量,老公的妹妹穿的比我還像新娘。我一直安慰自己碉熄,他們只是感情好桨武,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,570評(píng)論 6 386
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著锈津,像睡著了一般呀酸。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上琼梆,一...
    開封第一講書人閱讀 49,816評(píng)論 1 290
  • 那天性誉,我揣著相機(jī)與錄音,去河邊找鬼茎杂。 笑死错览,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的煌往。 我是一名探鬼主播倾哺,決...
    沈念sama閱讀 38,957評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼刽脖!你這毒婦竟也來了羞海?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,718評(píng)論 0 266
  • 序言:老撾萬榮一對(duì)情侶失蹤曲管,失蹤者是張志新(化名)和其女友劉穎却邓,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體院水,經(jīng)...
    沈念sama閱讀 44,176評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡腊徙,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,511評(píng)論 2 327
  • 正文 我和宋清朗相戀三年简十,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片撬腾。...
    茶點(diǎn)故事閱讀 38,646評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡勺远,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出时鸵,到底是詐尸還是另有隱情,我是刑警寧澤厅瞎,帶...
    沈念sama閱讀 34,322評(píng)論 4 330
  • 正文 年R本政府宣布饰潜,位于F島的核電站,受9級(jí)特大地震影響和簸,放射性物質(zhì)發(fā)生泄漏彭雾。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,934評(píng)論 3 313
  • 文/蒙蒙 一锁保、第九天 我趴在偏房一處隱蔽的房頂上張望薯酝。 院中可真熱鬧,春花似錦爽柒、人聲如沸吴菠。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,755評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽做葵。三九已至,卻和暖如春心墅,著一層夾襖步出監(jiān)牢的瞬間酿矢,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,987評(píng)論 1 266
  • 我被黑心中介騙來泰國打工怎燥, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留瘫筐,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 46,358評(píng)論 2 360
  • 正文 我出身青樓铐姚,卻偏偏與公主長得像策肝,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子谦屑,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,514評(píng)論 2 348

推薦閱讀更多精彩內(nèi)容

  • 《水滸傳》中驳糯,有個(gè)細(xì)節(jié)。 西門慶逛街氢橙,恰好潘金蓮落窗酝枢,支窗的棍條咣嘰一聲,砸到了西門慶悍手。當(dāng)時(shí)西門慶一扭頭帘睦,正與潘金...
    amdli閱讀 453評(píng)論 1 1
  • 特征工程(feature engineering):利用領(lǐng)域知識(shí)和現(xiàn)有數(shù)據(jù)袍患,創(chuàng)造出新的特征,用于機(jī)器學(xué)習(xí)算法竣付;可以...
    rowcolumn閱讀 684評(píng)論 2 1
  • 0 關(guān)于本文 ? 主要內(nèi)容和結(jié)構(gòu)框架由@jasonfreak--使用sklearn做單機(jī)特征工程提供诡延,其中夾雜...
    mrlevo520閱讀 21,352評(píng)論 4 61
  • 0x00 目標(biāo) 學(xué)習(xí)目標(biāo)有四個(gè): 無量綱化:最值歸一化、均值方差歸一化及sklearn中的Scaler古胆; 缺失值處...
    s0k0y閱讀 1,264評(píng)論 0 1
  • 16宿命:用概率思維提高你的勝算 以前的我是風(fēng)險(xiǎn)厭惡者肆良,不喜歡去冒險(xiǎn),但是人生放棄了冒險(xiǎn)逸绎,也就放棄了無數(shù)的可能惹恃。 ...
    yichen大刀閱讀 6,041評(píng)論 0 4