Python pandas数据分析：电商客户价值分析_基于python的电商客户价值分析

嗨害大家好鸭！ 我是芝士❤

1. RFM 客户价值模型介绍

​ RFM模型是衡量客户价值和客户创造利益能力的重要工具和手段。

在众多的客户关系管理(CRM)的分析模式中，

RFM模型是被广泛提到的。

该机械模型通过一个客户的近期购买行为、

购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。

• 最近一次消费（Recency）：最近一次消费意指上一次购买的时候——顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车，或在你的超市买早餐最近的一次是什么时候。

• 消费频率（Frequency）：消费频率是顾客在限定的期间内所购买的次数。

• 消费金额（Monetary）：消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。

理论上M值和F值是一样的，
都带有时间范围，

指的是一段时间（通常是1年）内的消费金额，
在工作中我认为对于一般店铺的类目而言，
产品的价格带都是比较单一的，

比如：同一品牌美妆类，
价格浮动范围基本在某个特定消费群的可接受范围内，
加上单一品类购买频次不高，
所以对于一般店铺而言，
M值对客户细分的作用相对较弱。

2. 利用RFM衡量客户的价值

2.1 取出相应列合并数据

在2018.xlsx和2019.xlsx两个数据表中获取’买家会员名’,
‘买家实际支付金额’, ’
订单付款时间’三列的数据合并后存入all.xlsx表格中。

import pandas as pd

df_2018 = pd.read_excel('./data/2018.xlsx')
df_2019 = pd.read_excel('./data/2019.xlsx')
print(df_2018.head())
df_2018 = df_2018[['买家会员名', '买家实际支付金额', '订单付款时间']]
df_2019 = df_2019[['买家会员名', '买家实际支付金额', '订单付款时间']]#python源码免费获取扣扣qun：540305994
df_all = pd.concat([df_2018, df_2019])
print(df_all.tail())
df_all.to_excel('./data/all.xlsx')
1
2
3
4
5
6
7
8
9
10

2.2 计算all.xlsx 表格中的空值、最大值、最小值

计算 all.xlsx 表格中的空值、最大值、最小值后导出到 result.xlsx 表格中。

import pandas as pd

"""
返回缺失值个数以及最大最小值
"""

df = pd.read_excel('./data/all.xlsx') 

view = df.describe(percentiles=[], include='all').T 

view['null'] = len(df) - view
1
2
3
4
5
6
7
8
9
10