第11章 用户分群实战与加强版RFM模型

11.1 走近用户分群

用户分群的定义及作用

用户分群，是指根据用户的属性、行为等数据将用户分成不同的群组或类别。通过用户分群，把不同特征的用户区分开来，并根据他们的兴趣、行为等偏好有针对性地制定运营策略，有的放矢，实现真正的精细化运营，如图 11- 1 所示。

用户分群和用户分层的区别

你可能会问：上一章介绍的用户分层和这里的用户分群仅一字之差，它们到底有何区别？主要有以下两点区别。

口等级逻辑不同。用户分层中不同等级的用户具有明显的金字塔式等级阶梯关系，而用户分群中的不同群组更像是平等的关系，例如男性用户和女性用户、偏好户外运动的用户与偏好室内运动的用户。

口分类依据不同。用户分层一般是按照单一指标对用户进行等级划分，而用户分群则是综合了更多维度的指标，把用户分成不同的群组。多指标分群的结果更加精细化，也更加符合业务精细化运营的逻辑。

图 11-1 用户分群示例

我用一个比喻帮助大家更好地理解它们的差异：用户分层像是一根绳子，绳上打了几个绳结，用户拽着绳子从下往上爬，每通过一个绳结，就会得到不同的奖励；用户分群则是由特殊绳子编制而成的蹦床，蹦床划分了多个主题，用户可以在其中任意选择自己喜欢的主题区域乱蹦。

那么，用户分群到底应该怎样做呢？我们一起来看看用户分群领域如雷贯耳的 RFM 模型。

11.2 RFM 用户分群实战

经典的 RFM 模型

RFM 模型是一种非常经典的用户分群、价值分析模型。RFM 模型有着极强的适用性，被广泛应用于以电商为代表的各个行业。同时，这个模型以直白著称，R、F、M 这 3 个字母就代表了它的 3 个核心指标。

口 R（Recency，最近一次购买间隔）：每个用户有多少天没有回购了，可以理解为用户最近一次购买到现在隔了多少天。

口 F（Frequency，消费频次）：每个用户购买了多少次。

口 M（Monetary，消费金额）：每个用户累计购买的金额，也可以是每个用户平均每次购买的金额。

这 3 个维度是 RFM 模型的精髓所在，它们将混杂在一起的用户数据分成标准的 8 类（见图 11- 2），让我们能够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。

图 11-2 标准的 RFM 模型

用 Pandas 在源数据的基础上建立 RFM 模型，整体分为 5 步：数据概览、数据处理、维度打分、分值计算和用户分层。

第一步：数据概览

为了减少不必要的数据处理环节，这里我们使用的数据依然是上一章中用到的主订单表，它记录着用户交易相关的字段：

df = pd. read_excel ('主订单数据集. xlsx') df.head ()

数据预览效果如下：

有个细节需要提醒大家注意，在实际的业务场景中，可以考虑将一个用户在一天内的多次消费行为从整体上看作一次。

例如，我今天 10 点在必胜客天猫店买了个比萨兑换券，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，应该只算作一次完整的消费行为，这个逻辑会指导后面 F 值的计算。

在上一章中，我们使用 info（）和 describe（）快速扫描了数据，已经熟悉了订单结构：订单一共 35.6 万行，包含品牌名、店铺名称、主订单编号、用户 ID、付款时间、订单状态、实付金额、购买数量等交易相关的字段。数据整体很规整，但存在缺失值、异常值等瑕疵。

第二步：数据处理

1. 订单数据清洗

经过上一章的缺失值处理、异常值处理和订单状态筛选，处理后的 28.9 万条数据已经非常“干净”，沿用之前代码即可，这里不再赘述，而把重点放在 RFM 模型相关的操作上。

2. 关键字段提取

清洗完订单数据之后，对于 RFM 模型来说，订单的字段还是太多了。这也体现了 RFM 的广泛适用性，它所要求的字段非常简单，只需要用户 ID、付款时间和实付金额这 3 个关键字段。我们把这些字段提取出来：

rfm_df $=$ df[（用户 ID，付款时间，实付金额）]rfm_df[’付款时间 $\mathbf{\Phi }=$ pd. to_datetime (rfm_df[’付款时间 $\mathbf{\Phi }=$ rfm_df.head ()

提取后的结果如下：

3. 关键字段构造

这一步的关键在于构建模型所需的 3 个字段。

口 R：最近一次购买距今多少天。

口 F：购买了多少次。

口 M：平均或者累计购买金额。

首先计算 R 值，即每个用户最近一次购买距离“今天"多少天。

这个今天是可以灵活定义的，假如我们在 2024 年 1 月 1 日对历史数据做分析，可以把这一天当作“今天”。

口对于只购买过一次的用户，用 2024 年 1 月 1 日减去用户的付款时间即可。

口对于多次购买用户，先筛选出这个用户最后一次付款的时间，再用 2024 年 1 月 1 日减去它。

需要提醒的是，在时间格式中，越往后的时间越“大”。举个例子，2023 年 9 月 19 日是要大于 2023 年 9 月 1 日的，即以下语句的返回结果为 True。

pd. to_datetime ('2023- 9- 19') > pd. to_datetime ('2023- 9- 1')

因此，要拿到所有用户最近一次付款时间，只需要按用户 ID 分组，再选取付款时间的最大值即可：

r = rfm_df.groupby ('用户 ID')['付款时间']. max (). reset_index () r.head ()

运行结果如下：

用户 ID 付款时间 0 uid 135460366 2023- 01- 01 09:32:12 1 uid 135460367 2023- 01- 01 09:11:50 2 uid 135460368 2023- 04- 07 18:19:37 3 uid 135460369 2023- 01- 13 13:48:02 4 uid 135460370 2023- 06- 16 08:05:47

为了得到最终的 R 值，用分析日期减去每位用户的最近一次付款时间。这份订单涵盖了 2023 年整年，所以这里我们把“2024- 1- 1”当作“今天”：

r['R'] = (pd. to_datetime ('2024- 1- 1') - r['付款时间']). dt. days r = r '用户ID', 'R' r.head ()

运行结果如下：

用户 ID R 0 uid 135460366 364 1 uid 135460367 364 2 uid 135460368 268 3 uid 135460369 352 4 uid 135460370 198

接着计算 F 值，即每个用户累计购买频次。

在数据概览阶段，我们明确了“把单个用户一天内的多次下单行为看作整体”的思路，所以，这里引入一个精确到天的日期标签，依照“用户 ID”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：

引入日期标签辅助到 rfm_df['日期标签'] = rfm_df['付款时间']. astype (str). str[+10]把单个用户一天内的订单合并 dup_f = rfm_df.groupby (['用户 ID', '日期标签'])['付款时间']. count (). reset_index () 对合并后的用户统计频次 f = dup_f.groupby ('用户 ID')['付款时间']. count (). reset_index ()f.columns = ['用户 ID', 'F']f.head ()

得到 F 的结果如下：

用户 ID F 0 uid 135460366 1 1 uid 135460367 1 2 uid 135460368 2 3 uid 135460369 2 4 uid 135460370 7

上一步计算出了每个用户的购买频次，这里我们只需要得到每个用户的总支付金额，再用总支付金额除以购买频次，就能得到用户平均支付金额 M：

sum_m = rfm_df.groupby ('用户 ID')['实付金额']. sum (). reset_index () sum_m.columns = ['用户 ID', '总支付金额']com_m = pd.merge (sum_m, f, left_on = '用户 ID', right_on = '用户 ID', how = 'inner') 计算用户平均支付金额 com_m['M'] = com_m['总支付金额'] / com_m['F']

最后，将 3 个指标合并：

rfm = pd.merge (r, com_m, left_on = '用户 ID', right_on = '用户 ID', how = 'inner') rfm = rfm[['用户 ID', 'R', 'F', 'M']rfm_copy = rfm.copy () # 这里用不上，只是做个数据备份，为后面的模型加强做准备 rfm.head ()

运行结果如下：

至此，我们完成了模型核心指标的计算。

第三步：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，即对于我们越喜欢的行为，对应的数值越大，则打的分数就越高，反之亦然。

R 值代表了用户最后一次下单的离今天的天数，这个值越大，用户流失的可能性就越大。我们当然不希望用户流失，所以 R 值越大，赋予的得分越低。

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，有两种比较常见的打分方式，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。

为了帮助读者加深对数据的理解，进行自己的分值设置，这里使用第二种，即提前确定不同数值对应的分值。

对于 R 值的打分，根据行业经验，将 5 分和 4 分设置为 30 天一个跨度，将 3 分与 2 分设置为 60 天一个跨度，且均为左闭右开区间，如表 11- 1 所示。

表 11-1 R 值打分及其含义

F 值等于购买频次，每多一次购买，分值就加一分，如表 11- 2 所示。

表 11-2 F 值打分及其含义

我们可以先对 M 值做个简单的区间统计，然后分组。这里以 50 元为区间跨度来进行划分，如表 11- 3 所示。

表 11-3 M 值打分及其含义

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。

第四步：分值计算

分值的划分逻辑已经确定，但看着有点复杂。下面有请 Pandas 登场，且看它如何三拳两脚搞定这麻烦的分组逻辑。先拿 R 值打个样：

rfm['R- SCORE'] = pd.cut (rfm['R'], bins = [0, 30, 60, 120, 180, 1000000], labels = [5, 4, 3, 2, 1], right = False). astype (float) rfm.head ()

运行结果如下：

短短一行代码就完成了 5 个层级的打分！这里我们再复习一下 Pandas 的 cut（）方法。

口向第一个参数传入要切分的数据列。

口 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 值的分组区间，输入[0，30，60，120，180，1000000]即可。最后一个数值设置得非常大，是为了给分组一个容错空间，允许出现极端大的值。

口 labels 和 bins 切分的数组前后呼应，比如这里，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， $0\sim 30$ 是 5 分， $30\sim 60$ 是 4 分，依此类推。

口 right 表示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，就代表仅包含左侧的分组数据而不包含右侧的分组数据，如[0，30）；如果设置为 True，则首尾都包含，如[0，30]。

接着，F 值和 M 值就十分容易了，按照我们设置的值切分即可。

rfm['F- SCORE'] = pd.cut (rfm['F'], bins = [1, 2, 3, 4, 5, 1000000], labels = [1, 2, 3, 4, 5], right = False), astype (float) rfm['M- SCORE'] = pd.cut (rfm['M'], bins = [0, 50, 100, 150, 200, 1000000], labels = [1, 2, 3, 4, 5], right = False). astype (float) rfm.head ()

第一轮打分已经完成，结果如下：

下面进入第二轮打分环节。现在 R- SCORE、F- SCORE、M- SCORE 的取值范围是 1，2，3，4，5 这 5 个数，如果把这 3 个值进行组合，得到像 111，112，113 这样的值，可以组合出 125（53）种结果，分类结果太多，而过多的分类就失去了分类的意义。所以，我们通过判断每个用户的 R、F、M 值是否大于均值来简化分类结果。

每个用户的 R、F、M 值和均值对比后，只有 0 和 1（0 表示小于均值，1 表示大于均值）两种结果，可以组合出 8 个分组，是比较合理的情况。我们来判断用户的每个分值是否大于均值：

得到加上判断标签之后的结果，如图 11- 3 所示。

图 11- 3 R、F、M 值是否大于均值的判断结果

Python 中判断后返回的结果是 True 和 False，分别对应着数值 1 和 0，只要把这个布尔结果乘以 1，True 就变成了 1，False 就变成了 0。处理之后更加易读。

第五步：用户分层

回顾一下前几步操作，清洗完之后我们先确定了打分逻辑，接着分别计算出每个用户的 R、F、M 分值，随后用分值和对应的平均值进行对比，得到了是否大于均值的 3 列结果。至此，建模所需的所有数据已经准备就绪，剩下的就是用户分层了。

RFM 模型的经典分层会按照 R、F、M 每一项指标是否高于均值，把用户划分为 8 类，具体如表 11- 4 所示。

表 11-4 RFM 模型对应的分类

（续）

传统分类中的部分名称有些晦涩，比如，大多数分类前的“重要”“潜力”和“深耕”到底有什么区别？“唤回”和“挽回”有什么不一样？本着清晰至上的原则，我们对原来的名称做了适当的改进，强调潜力是针对消费（平均支付金额），深耕是为了提升消费频次，以及重要唤回用户其实和重要价值用户非常相似，只是最近没有回购而已，应该进行流失预警，等等。这里只是抛砖引玉，提供一个思路。总之，一切都是为了更易于理解。

我们对于每一类用户的特征也进行了简单诠释。比如，重要价值用户就是最近消费过，且在整个消费生命周期中购买频次较高、平均每次支付金额也高的用户。其他分类的逻辑也是一样的，可以结合诠释来增强理解。下面我们就用 Pandas 来实现这一分类。

先引入一个人群数值的辅助列，把之前判断的 R、F、M 值是否大于均值的 3 个值串联起来：

运行结果如图 11- 4 所示

人群数值是数值类型的，在 Pandas 中位于前面的 0 会被自动略过。例如：1 代表“001”，即高消费唤回用户；10 代表“010”，即一般用户。

为了得到最终的人群标签，再定义一个判断函数，通过判断人群数值的值来返回对应的分类标签：

判断 R、F、M 值是否大于均值

def transform_label (x):

if x == 111: label $=$ 重要价值用户 elif x == 110: label $=$ 消费潜力用户 elif x == 101: label $=$ 频次深耕用户 elif x == 100: label $=$ 新用户 elif x == 11: label $=$ 重要价值流失预警用户 elif x == 10: label $=$ 一般用户 elif x == 1: label $=$ 高消费唤回用户 elif x == 0: label $=$ 流失用户 return label

最后把标签分类函数应用到“人群数值”列：

rfm['人群类型'] = rfm['人群数值']. apply (transform_label) rfm.head ()

用户分类工作的完成宣告着 RFM 模型建模流程的结束。每一位用户都有了属于自己的 RFM 标签，如图 11- 5 所示。

图 11-5 人群类型打标

RFM 模型结果分析

上一步其实已经走完了整个建模流程，但是一切模型的结果最终都要服务于业务，所以最后我们基于现有模型结果做一些拓展、探索性分析。

查看各类用户的占比情况：

得到不同类型用户的人数占比：

探究不同类型用户的消费金额贡献占比：

rfm['购买总金额'] $=$ rfm['F']*rfm['M']mon $=$ rfm. groupby（'人群类型）[购买总金额']. sum（). reset_index（) mon. columns $=$ ['人群类型，消费金额']mon['金额占比 $\cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot \cdot$ mon['消费金额']/mon['消费金额']. sum（) mon

运行效果如下：

对结果进行可视化，结果如图 11- 6 所示。

由上面的结果，我们可以快速得到一些推断。

口提升用户购买频次迫在眉睫，频次深耕用户是人群量级最大的用户群，人数占比高达 $31\mathrm{\%}$ ，需要考虑如何在这群用户沉睡前，通过预充值、定向品类优惠等策略加以引导，提升其消费频次。

口用户流失问题需要关注，近期未购人群（流失用户+高消费唤回用户+重要价值流失预警用户+一般用户）占比达 $40\mathrm{\%}$ ，调研其流失原因并制定针对性的策略，以唤回用户。

再结合金额进行以下分析。

口重要价值用户人数占比只有 $12\mathrm{\%}$ ，但金额占比达到了 $32\mathrm{\%}$ ，是金额贡献最高的人群，这部分用户要重点维护，避免向其他人群滑落。

口流失用户人数占比 $15\mathrm{\%}$ ，金额占比仅有 $4\mathrm{\%}$ ，这部分用户中有多少是“薅羊毛”用户？有多少是目标用户？对我们的引流策略有什么指导意义？这些问题需要重点思考。

各类型用户人数分布及占比图 11-6 各类型用户的人数分布及占比

至此，我们基于订单源数据，按照五步法用 Python 完成了 RFM 模型的建立，并对结果进行了简单分析。最后，只要把上述代码封装成函数，对于新的数据源，只需按一下回车键就能生成模型结果，这实在是太酷啦！

11.3 关于 RFM 模型的重要思考

我们已经学习了使用 Pandas 建立 RFM 模型的全过程，完成了主线任务。接下来是个彩蛋，我带大家一起爬上 RFM 模型的肩膀，从更深的层次思考它，让普通的 RFM 变成加强版模型。

RFM 模型隐藏的问题

RFM 模型实在是太经典了，在人群分类模型中类似于神一般的存在。RFM 的传播和应用之所以能如此之广，离不开它的可解释性和易上手性。

其可解释性之强，足以让任何不懂数据的业务人员在 3 分钟内理解并初步认可模型的基本逻辑，开始念叨“不错，高价值活跃用户应该重点维护，流失用户要立即挽回”。

其易上手性在于只需 3 个字段（用户 ID、下单时间和下单金额），用任何工具（Excel、SQL、Python 等）都能实现。当然，用 Python 实现和复用更加高效。对于新手来说，从零实现，更是一次模型启蒙之旅，看看用户数据从表格变成模型结果，尤有一种“模型在手，天下我有”的飘然感。

业务人员好理解，模型易实现，梦幻般地一拍即合，天造地设。

在我面试过的求职者中，不少人会在简历的项目经历部分提到 RFM 模型的应用实践。对于他们，我会在面试中特别问到相关的问题，但回答令我满意的寥寥无几。

口为什么模型中的 R 值要用 30 天或者 60 天的间隔来区分？对应的业务合理性在哪里？

口用平均金额还是累计金额作为 M 更好？

口分类之后 RFM 具体是如何应用的？和不分类效果对比如何？又应当怎样去优化呢？

目前 RFM 模型应用技巧类的资料不少，但鲜见对于模型的深层思考。以上只是我提过的众多问题中的 3 个。在这里提出来，是希望抛砖引玉，引发大家对于模型的更多思考。我在工作中接触到不少分析人员过于沉浸于模型构建本身，而忽略了模型背后所隐藏的重要业务信息。从长期来看，后者无疑是更重要的。

下面，我以对“用平均金额还是累计金额作为 M 更好”这个问题的思考为例，带大家站在模型的肩膀上强化对于 RFM 模型的理解和认知。

为什么用平均金额作为 M

大家还记得本章开头对于 RFM 指标中 M 的定义吗？

我写的是“M 既可以是累计金额，也可以是平均金额”。事实上，目前绝大多数关于 RFM 的资料中 M 用的是累计金额，而上面的 Pandas 案例中用的是平均金额。

累计金额衡量的是每个用户会花多少钱，而平均金额衡量的则是用户平均每次购买会花多少钱。除了在指标计算上不同，两者还有什么差异呢？

1. 分类合理性

从分类合理性来看，累计消费满 2000 元的用户，很可能比累计消费 500 元的用户购买频次高，而几乎肯定比累计消费 50 元的用户购买频次高。更确切地说，如果用累计金额，那么 RFM 模型中的 F 和 M 将具有较高的相关性。而 RFM 模型的本质目的是将不同类型的用户分成不同的群组，两个相关性较强的指标最终的分类效果可能是会打折扣的。而平均金额则在一定程度上避免了这种问题。

2. 业务价值

从对业务的价值来看，重要价值用户，即 R、F、M 最终归为“高、高、高”的用户，是需要重点维护的。但在累计金额的口径下，很有可能存在不少高频次、低客单价的用户。例如 A 用户最近 10 天购买过，且历史购买过 100 次，平均每次购买 40 元，总金额达到 4000 元的水平。对于这类用户，应该通过关联推荐、定向优惠等方式促进他们提升客单价，而不是将他们放在重要价值用户的分类中，不进行有针对性的维护。

如果用平均金额统计，这类高频次、低客单的用户是会被分在另一个档位的。他们最近活跃，购买频次高，但平均消费金额低，属于“高、高、低"档的用户，需要重点提升客单价。这样分类对于业务人员来说更有的放矢。

当然，不只是重要价值用户，其他用户也会受到口径差异的影响。所以，在很多实际应用场景中，平均金额比累计金额更加合适。

11.4 RFM 模型的加强和拓展

模型加强和拓展的方向

上面介绍了如何在思维上让 RFM 变成加强版模型，这一节则从实践上来加强。RFM 模型从最后一次购买距今的时间、购买频次和消费金额三个维度对用户进行了分群，非常合理。不过，大部分行业的用户是存在生命周期的。

假如有 A 和 B 两个用户，他们的 R、F、M 值分别是 5、5、200，即最后一次购买距今 5 天，累计购买过 5 次。平均每次消费 200 元，在传统 RFM 的评估体系下，他俩是一样的。但是，如果 A 用户第一次购买是在 1 年前，B 用户第一次购买是在 1 个月前呢？

他们之间可能存在这样的差异。

口 A 用户：定期囤货型，每两三个月定期购买，但是消费金额越来越低，可能对品牌失去了新鲜感。

口 B 用户：狂热的新用户，在 1 个月内疯狂购买了 5 次，消费金额一次比一次高，或许是受到新的品牌代言人的影响。

A 和 B 拥有相同的 RFM 值，只因首次购买时间的不同而走向了不同的可能性。除了首次购买时间，还可以加上优惠偏好来区分用户对活动的敏感度，亦可以加上对应的用户属性（如性别）来加以区隔。

更丰富的数据维度让 RFM 的威力得到了加强。接下来我们实践一个具体的案例。

RFM 加强版实战案例

1. 引入用户最早支付时间

还记得前面我们对 rfm 做的备份吗？存在 rfm_copy 变量中：

这里我们加入每个用户最早支付时间的维度，计算每个用户首次购买时间距离“今天”有多少天，用 L 表示。

得到每个用户首次购买时间

r_first = rfm_df.groupby ('用户 ID')['付款时间']. min (). reset_index ()

计算首次购买时间距离“今天”多少天，和 R 的逻辑类似

r_first['L'] = (pd. to_datetime ('2024- 1- 1') - r_first['付款时间']). dt. days

把首次购买时间 L 列合并到原来的 rfm_copy 中

rfm_v 2 = pd.merge (rfm_copy, r_first '用户ID', 'L', left_on = '用户 ID', right_on = '用户 ID', how = 'inner')

rfm_v 2. head ()

得到了 R、F、M、L 四个指标的整合。

前两个用户只购买过 1 次，他们的 R 和 L 值一样，后面用户的 R 和 L 值就出现了差异。

2. 数据标准化

在之前的 RFM 模型中，我们得到 R、F、M 值之后，采用的是维度打分、均值大小判断再分类的方法。加强版 RFM 增加了 L 指标，在实际的各种运用中可能还会加入更多的指标，再用传统的方法就不太合适了。

怎么办呢？机器学习中的聚类方法是一个解题思路。但是在聚类之前，需要把数据标准化，转化成同样的量纲，否则 R 值动不动就上百，而 F 值绝大部分在 5 以内。

这里我们可以用 z- score 方法进行标准化，公式如下。

用每一个值减去对应列的均值，然后除以标准差，便得到了新的值。z- score 把源数据转换成均值为 0、标准差为 1 的标准正态分布数据，消除了不同指标之间量纲的影响。用 Pandas 来操作很简单：

rfm v 2['R- zSCORE'] = (rfm_v 2['R'] - rfm_v 2['R']. mean ()) / rfm_v 2['R']. std () rfm_v 2['F- zSCORE'] = (rfm_v 2['F'] - rfm_v 2['F']. mean ()) / rfm_v 2['F']. std () rfm_v 2['M- zSCORE'] = (rfm_v 2['M'] - rfm_v 2['M']. mean ()) / rfm_v 2['M']. std () rfm_v 2['L- zSCORE'] = (rfm_v 2['L'] - rfm_v 2['L']. mean ()) / rfm_v 2['L']. std () rfm_v 2. head ()

运行之后，得到了标准化后的数据：

3. 聚类分析

聚类算法有很多种，这里我们使用较为常用的 k- means 算法。

假定我们想把用户分成 k 个不同的类别，k- means 算法会随机选择 k 个聚类中心，并计算每个数据距离哪个聚类中心最近，然后持续优化聚类中心和每个数据的类别，最终得到稳定的分类结果。

算法细节参数等不详细展开，毕竟这一章的主线任务是 RFM 模型，这里只对 k- means 进行简要介绍，大家知道流程即可。

k- means 的使用很方便，可以直接调用 sklearn 里对应的库，输入我们要将用户分成的类数。假定我们想把用户分成 6 类，代码如下：

导入 k- means 所需要的库 from sklearn. cluster import KMeans 调用算法，n_clusters 是聚类的个数 ```

kmeans  $=$  KMeans (n_clusters  $= 6$  ,random_state  $= 0$  ） #把标准化的R 、F、M、L 值传入模型，得到每个用户对应的分类（1\~6 类） y_pred  $=$  kmeans. fit_predict (rfm_v 2[（'R- zSCORE','F- zSCORE','M- zSCORE', 'L- zSCORE']） print (y_pred)

只需几行代码，就实现了最终的分类：

[2,2,2,0,0,3]

上面的数字代表着每个用户的分类（1～6 类）。还可以进一步看看具体聚类中心的值，将结果转化成我们熟悉的 DataFrame 格式：

kmeans_res $=$ pd.DataFrame (kmeans. cluster centers index $:=$ 1，用户类别 2，用户类别 3，用户类别 4，用户类别 5，用户类别 6，columns $:=$ [R- SCORE，'F- SCORE，'M- SCORE，'L- SCORE']） print (kmeans_res)

得到了 6 类用户对应的聚类中心值，这些中心值代表每种类别的特点：

由于没有像标准 RFM 模型那样对每个类别的值打标，这里：

口 R- SCORE 越大，说明用户最近一次消费距离“今天”越远，也就是越久没来购买。口 F- SCORE 和 M- SCORE 分别对应购买频次和平均消费金额，越大则代表频次和金额越高。口 L- SCORE 越大，则表示用户首次消费距离“今天”越远，越可能是老用户。

例如：用户类别 3 的 R- SCORE 很大，表示这群用户最近没有消费；M- SCORE 偏小，说明他们的平均消费金额不高；L- SCORE 偏大，表明他们是很早进行首次消费的用户。这类用户可以概括为早期低客单价消费且流失的用户。其他分类也可以按照这个逻辑来解读。

到这一步，我们熟悉了 RFM 加入更多指标后应该如何分类，可以在实践中定制属于自己的加强版 RFM 模型。关于聚类算法更详细的原理、不同的聚类距离计算方式以及到底分成几类更合适等问题，感兴趣的读者可以自行了解 k- means 的更多细节。

11.5 本章小结

本章中，我们首先学习了用户分群的概念，并详细了解了分群和分层的差异。

接着，我向大家介绍了可以说是用户分群中最经典的 RFM 模型，并基于实际的数据，用 Pandas 手把手教大家通过五步法——数据概览、数据清洗、维度打分、分值计算和用户分层——建立 RFM 模型。

最后，从工作实践出发，我基于自己对于 RFM 的理解，抛砖引玉，带大家更深刻地认识这个模型，重新思考每个指标和操作背后的意义。同时，我也提出了 RFM 模型强化和拓展的方向，最后用一个实际的案例回答了“如何根据实际业务引入更多的指标建立加强版 RFM 模型”这个问题。