超市客户价值分析

超市客户价值分析

项目任务&＃xff1a;

利用超市顾客的消费信息&＃xff0c;构建RFM模型&＃xff0c;利用Kmeans算法对顾客进行分类&＃xff0c;助力于企业更好地了解客户&＃xff0c;并使他们更容易根据不同类型客户的特定需求、行为和关注点修改产品。

处理步骤

1. 导入数据&＃xff0c;进行数据探索&＃xff0c;根据数据集的背景及结构创建属于该数据集的RFM模型指标&＃xff1b;
2. 数据预处理。对原始数据进行数据预处理&＃xff0c;包括数据清洗、属性规约和数据变换&＃xff1b;
3. 构建客户价值分析的Kmeans聚类模型。找寻Kmeans聚类的最佳簇数&＃xff0c;构建Kmeans聚类算法&＃xff1b;
4. 超市客户价值分析。根据聚类的结果&＃xff0c;建立RFM模型&＃xff0c;对客户的价值进行分析。

1. 数据探索

由于该项目的目标是客户价值识别&＃xff0c;所以应用RFM模型来识别不同价值的客户。
RFM模型&＃xff1a;
R&＃xff1a;最近消费的时间间隔(Recency)
F&＃xff1a;消费频率(Frequency)
M&＃xff1a;消费金额(Monetary)
消费金额我们使用两年期间&＃xff0c;顾客在所有种类的商品上花费的全部金额来表示&＃xff1b;
而在‘data’中没有消费频率这一指标&＃xff0c;故根据此次项目和数据的特点&＃xff0c;选用’顾客购买折扣商品的数量总 和’(‘NumDealsPurchases’)字段来作为指标之一&＃xff1b;

‘顾客在公司注册的时间’(‘Dt_Customer’)在一定程度上能够影响客户的价值&＃xff0c;所以在模型中增加客户关系长度L&＃xff0c;作为区分客户的另一指标&＃xff1b;
’最近消费的时间间隔‘用字段‘Recency’表示。
本项目将关系长度L、最近消费时间间隔R、消费金额M、购买折扣商品数量D四个指标作为识别客户价值的指标&＃xff0c;记为LRMD模型。

2. 数据预处理

2.1 数据清洗

只保留在超市花过钱的客户信息

2.2 属性规约

原始数据中属性太多&＃xff0c;根据LRMD模型&＃xff0c;选择与LRMD相关的几个属性&＃xff1a;Dt_Customer、Recency、MntWines、MntFruits、MntMeatProducts、MntFishProducts、MntSweetProducts、MntGoldProds、NumDealsPurchases。删除语气不相关、弱相关或者冗余的属性。

2.3 数据变换

由于原始数据中没有具体给出M和L的指标&＃xff0c;故这两个指标需要通过原始数据提取&＃xff0c;具体的提取方法如下&＃xff1a;
(1)M &＃61; MntWines &＃43; MntFruits &＃43; MntMeatProducts &＃43; MntFishProducts &＃43; MntSweetProducts &＃43; MntGoldProds
(2)L &＃61; max(Dt_Customer) - Dt_Customer
客户在公司注册的时间 &＃61;观测窗口结束时间 - 注册时间 [单位&＃xff1a;日]

数据标准化

3. 模型构建

3.1 找寻聚类的簇数

使用Kmeans算法对客户进行聚类&＃xff0c;在使用Kmeans算法进行聚类之前&＃xff0c;使用手肘法&＃xff08;SSE&＃xff09;法来确认聚类的簇数


从上图可知&＃xff0c;没有‘肘点’出现&＃xff0c;故通过分析来找出较好的簇数。

由于在k&＃61;4时&＃xff0c;SSE下降得较快&＃xff0c;所以选K&＃61;4,5,6来进行分析。

3.2 建立Kmeans聚类模型

K &＃61; 4

绘制雷达图来更直观的反映各类客户的特征



K &＃61; 5时
代码与k&＃61;4时相同&＃xff0c;所绘制的客户群特征分析图如下&＃xff1a;

K &＃61; 6时
代码与k&＃61;4时相同&＃xff0c;所绘制的客户群特征分析图如下&＃xff1a;

当k有不同取值时所绘制的雷达图可看出&＃xff1a;

当k &＃61; 4时&＃xff0c;某些人群的特征不明显&＃xff0c;且第1簇人群的特征与第3簇的人群的特征相重合&＃xff1b;

当k &＃61; 5时&＃xff0c;分析的结果比较合理&＃xff0c;分出的五种类型人群都有自己的特点又不相互重复&＃xff0c;且特点较明显

当k &＃61; 6时&＃xff0c;各种人群都有自己的特点&＃xff0c;但是有些人群特点较为重合&＃xff0c;某些特征层次度低&＃xff1b;

综上&＃xff0c;当k取值为5时&＃xff0c;得到最好的聚类效果&＃xff0c;将所有的客户分成5个人群&＃xff0c;再进一步分析可以得到以下结论&＃xff1a;

重要保持客户&＃xff1a;这类客户最近两年的花费(M)大&＃xff0c;距离上次购买商品的时间®较短&＃xff0c;购买过的折扣商品数量(D)较少。她们是该公司的高价值用户&＃xff0c;是最为理想的客户类型&＃xff0c;对公司的贡献较大。公司应优先将资源投放在她们身上&＃xff0c;对她们进行差异化管理&＃xff0c;提高这类用户的忠诚度和满意度&＃xff0c;尽可能延长这类客户的较高水平消费。

**重要挽留客户&＃xff1a;**这类客户最近两年的花费(M)较大&＃xff0c;购买过的折扣商品数量(D)多&＃xff0c;但较长时间未购买过该公司的商品®&＃xff0c;这类客户她们的初次注册时间(D)长&＃xff0c;她们是公司的重要挽留用户。虽然购买的折扣商品多&＃xff0c;但消费金额也大。故公司有促销活动时&＃xff0c;要保证消息传递到她们手里&＃xff0c;用促销来吸引她们再次消费。

**一般发展客户&＃xff1a;**这类客户最近两年的花费(M)小&＃xff0c;购买过的折扣商品数量(D)较少&＃xff0c;最近购买过该公司的商品®且初次注册时间(D)短&＃xff0c;这类客户是公司的一般发展客户。这类客户有一定的发展潜力&＃xff0c;应根据其消费习惯提高其客单价。

**一般挽留客户&＃xff1a;**这类客户最近两年的花费(M)小&＃xff0c;购买过的折扣商品数量(D)较少&＃xff0c;较长时间未购买过该公司的商品®&＃xff0c;初次注册时间(D)短&＃xff0c;这类客户是公司的一般挽留客户。这类客户应当针对她们的消费习惯进行有针对性的营销。

**低价值客户&＃xff1a;**这类客户初次注册时间(D)长&＃xff0c;购买了一定量的折扣商品(D)&＃xff0c;但最近两年的花费(M)小&＃xff0c;这类客户是公司的低价值客户。这类客户是老客户了&＃xff0c;但花费很小&＃xff0c;说明是在某类商品有折扣时才购买的商品。

客户群价值排名