一、实验概述

        在大数据时代，客户分群是企业实现精准营销和客户关系管理的关键步骤。通过科学的分群方法，企业能够深入理解不同客户群体的行为特征和价值贡献，从而制定针对性的营销策略，提升客户满意度和企业盈利能力。本次实验聚焦于RFM模型与KMeans聚类算法的结合应用，旨在通过对客户交易数据的深入挖掘，实现客户群体的细分，识别高价值客户，并为企业运营策略的优化提供数据支持。

二、实验环境与数据准备

实验环境

• 硬件环境：个人电脑

• 软件环境：Python 3.8及以上版本，Jupyter Notebook，相关数据处理与可视化库（pandas、numpy、matplotlib、seaborn等）

• 开发工具：PyCharm或Jupyter Notebook

数据获取与预处理

        本次实验所用数据集为英国在线零售商在2010年12月1日至2011年12月9日间的网络交易订单信息，数据来源于UCI机器学习库和Kaggle平台。数据集包含订单编号、产品编号、产品描述、产品数量、订单日期与时间、单价、客户编号、国家等特征。

数据来源：E-Commerce Data | Kaggle 

数据集特征说明：
        InvoiceNo:订单编号，由六位数字组成，退货订单编号开头有字母C
        StockCode:产品编号，由五位数字组成
        Description：产品描述
        Quantity：产品数量，负数表示退货
        InvoiceDate：订单日期与时间
        UnitPrice ：单价（英镑）
        CustomerID：客户编号，由5位数字组成
        Country：国家

import pandas as pd

# 尝试使用不同的编码格式加载数据
try:
    df = pd.read_csv('data.csv', encoding='utf-8')
except UnicodeDecodeError:
    try:
        df = pd.read_csv('data.csv', encoding='latin-1')
    except UnicodeDecodeError:
        df = pd.read_csv('data.csv', encoding='gbk')

# 检查缺失值
print(df.isnull().sum())

# 处理缺失值，删除CustomerID缺失的记录
df.dropna(subset=['CustomerID'], inplace=True)

数据预处理

1. 缺失值处理：检查数据中是否存在缺失值，对于少量缺失的CustomerID，采用均值或众数填充；对于缺失严重的记录，直接删除。

2. 异常值处理：通过绘制箱线图识别异常值，并采用winsorize方法进行处理，将异常值替换为分位数，以控制异常值对模型的影响。

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

# 检查缺失值
print(df.isnull().sum())

# 处理缺失值
df.dropna(subset=['CustomerID'], inplace=True)

# 绘制箱线图识别异常值
plt.figure(figsize=(10, 6))
sns.boxplot(data=df, y='Quantity')
plt.title('Boxplot of Quantity')
plt.show()

# 处理异常值
lower_limit = df['Quantity'].quantile(0.01)
upper_limit = df['Quantity'].quantile(0.99)

df['Quantity'] = np.where(df['Quantity'] < lower_limit, lower_limit, df['Quantity'])
df['Quantity'] = np.where(df['Quantity'] > upper_limit, upper_limit, df['Quantity'])

# 再次绘制箱线图，查看处理后的结果
plt.figure(figsize=(10, 6))
sns.boxplot(data=df, y='Quantity')
plt.title('Boxplot of Quantity after Handling Outliers')
plt.show()

 

     3.特征选择与转换：根据分析目标，选择与客户价值和行为密切相关的特征，包括购买频率（Frequency）、购买金额（Monetary）和最近一次购买时间（Recency）。计算Recency、Frequency、Monetary三个特征，并进行标准化处理，使各特征具有相似的分布范围，消除量纲影响。

# 计算Recency, Frequency, Monetary
df['InvoiceDate'] = pd.to_datetime(df['InvoiceDate'])
latest_date = df['InvoiceDate'].max()
df['Recency'] = (latest_date - df['InvoiceDate']).dt.days
rfm = df.groupby('CustomerID').agg({
    'InvoiceDate': 'nunique',  # Frequency
    'CustomerID': 'count',     # Monetary
    'Recency': 'min'           # Recency
})
rfm.columns = ['Frequency', 'Monetary', 'Recency']

# 标准化处理
from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_std = scaler.fit_transform(rfm)

三、数据探索性分析

客户消费金额分布

        绘制客户消费金额（Monetary）的直方图，观察消费金额的分布情况。消费金额分布图显示，客户消费金额呈现右偏分布，多数客户消费金额集中在较低区间，少数客户消费金额较高，表明存在潜在的高价值客户群体。

import matplotlib.pyplot as plt
import seaborn as sns

# 绘制消费金额分布图
plt.figure(figsize=(10, 6))
sns.histplot(data=rfm, x='Monetary', bins=30, kde=True)
plt.title('Distribution of Customer Monetary')
plt.xlabel('Monetary')
plt.ylabel('Frequency')
plt.show()

客户购买频率分布

        绘制客户购买频率（Frequency）的直方图，了解客户购买行为的频繁程度。购买频率分布图显示，客户购买频率也呈现右偏分布，大部分客户购买频率较低，少数客户购买频繁，可能是忠诚客户或批发客户。

# 绘制购买频率分布图
plt.figure(figsize=(10, 6))
sns.histplot(data=rfm, x='Frequency', bins=30, kde=True)
plt.title('Distribution of Customer Frequency')
plt.xlabel('Frequency')
plt.ylabel('Frequency')
plt.show()

客户最近购买时间分布

        绘制客户最近一次购买时间（Recency）的直方图，评估客户的活跃度。最近购买时间分布图显示，客户最近购买时间分布较为分散，部分客户近期有购买行为，而另一部分客户距离上次购买已有一段时间，表明客户活跃度存在差异。

# 绘制最近购买时间分布图
plt.figure(figsize=(10, 6))
sns.histplot(data=rfm, x='Recency', bins=30, kde=True)
plt.title('Distribution of Customer Recency')
plt.xlabel('Recency (Days)')
plt.ylabel('Frequency')
plt.show()

散点图矩阵

        绘制包含Recency、Frequency和Monetary三个特征的散点图矩阵，直观展示各特征之间的关系。散点图矩阵显示，Recency、Frequency和Monetary之间存在一定的相关性，为进一步的聚类分析提供了基础。

# 绘制散点图矩阵
sns.pairplot(data=rfm[['Recency', 'Frequency', 'Monetary']])
plt.show()

四、模型建立与评价

KMeans聚类模型训练

        使用KMeans算法对标准化后的数据进行聚类。首先，确定合适的聚类数量K，通过肘部法则（Elbow Method）和轮廓系数（Silhouette Score）进行评估。根据肘部法则和轮廓系数图，当k=4时，模型的SSE值开始趋于平稳，且轮廓系数达到较高水平，因此选择k=4作为聚类数量。

from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

# 肘部法则确定K值
sse = []
silhouette_scores = []
for k in range(2, 11):
    kmeans = KMeans(n_clusters=k, random_state=42)
    kmeans.fit(X_std)
    sse.append(kmeans.inertia_)
    silhouette_scores.append(silhouette_score(X_std, kmeans.labels_))

# 绘制肘部法则图
plt.figure(figsize=(10, 5))
plt.plot(range(2, 11), sse, 'bo-')
plt.xlabel('Number of clusters (k)')
plt.ylabel('SSE')
plt.title('Elbow Method For Optimal k')
plt.show()

# 绘制轮廓系数图
plt.figure(figsize=(10, 5))
plt.plot(range(2, 11), silhouette_scores, 'bo-')
plt.xlabel('Number of clusters (k)')
plt.ylabel('Silhouette Score')
plt.title('Silhouette Score For Optimal k')
plt.show()

 

模型应用与结果分析

        使用确定的K值训练最终模型，并将聚类结果添加到原始数据中。分析不同聚类群体的特征，包括Recency、Frequency和Monetary的均值、中位数等统计指标，揭示各群体的客户行为模式。

# 训练最终模型
kmeans = KMeans(n_clusters=4, random_state=42)
kmeans.fit(X_std)
rfm['Cluster'] = kmeans.labels_

# 分析聚类结果
cluster_analysis = rfm.groupby('Cluster')[['Recency', 'Frequency', 'Monetary']].agg(['mean', 'median'])
print(cluster_analysis)

聚类可视化

        为了直观展示聚类结果，采用PCA降维技术将高维数据投影到二维空间，并绘制散点图。不同颜色代表不同的聚类群体，通过观察各群体在二维空间的分布，进一步理解客户群体的结构。

from sklearn.decomposition import PCA

# PCA降维
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_std)

# 绘制聚类结果
plt.figure(figsize=(10, 6))
scatter = plt.scatter(X_pca[:, 0], X_pca[:, 1], c=rfm['Cluster'], cmap='viridis')
plt.title('KMeans Clustering Results')
plt.xlabel('Principal Component 1')
plt.ylabel('Principal Component 2')
plt.colorbar(scatter, label='Cluster')
plt.show()

模型评价

        通过内部指标（如SSE、轮廓系数）和外部可解释性对模型进行评价。较低的SSE和较高的轮廓系数表明聚类效果较好，且各聚类群体具有明显的特征差异，易于解释和应用。

五、模型应用与策略制定

会员升级策略

针对不同聚类群体的客户，制定差异化的会员升级策略：

• 高价值客户（聚类0）：提供高级会员权益，如专属折扣、优先客服、生日特权等，增强客户忠诚度。

• 潜在高价值客户（聚类1）：设计专属的升级套餐，通过消费满额升级、积分加速累积等方式，激励客户提升消费频次和金额。

• 普通价值客户（聚类2）：保持基础会员权益，定期推送个性化推荐和促销活动，挖掘潜在消费能力。

• 低价值客户（聚类3）：提供基础服务，通过新用户优惠、组合套餐等方式，尝试提升客户活跃度和消费意愿。

积分兑换策略

根据客户群体的价值和行为特征，定制积分兑换方案：

• 高价值客户：提供高价值积分兑换礼品，如高端电子产品、奢侈品等，满足其对品质和地位的追求。

• 潜在高价值客户：设置阶梯式积分兑换规则，鼓励客户通过增加消费获取更优质的兑换选项。

• 普通价值客户：推出实用型积分礼品，如生活用品、优惠券等，提高积分实用性，刺激消费。

• 低价值客户：设计低门槛积分兑换活动，如小额优惠券、虚拟礼品等，激发客户参与度，提升活跃度。

交叉销售策略

依据客户聚类结果和消费偏好，实施精准的交叉销售：

• 高价值客户：推荐高端、个性化的产品组合，如高端电子产品与配套服务、定制化旅游套餐等，满足其一站式高品质消费需求。

• 潜在高价值客户：根据其消费趋势，推荐相关性高的产品，如购买健身器材的客户推荐运动服饰、营养补剂等，引导消费拓展。

• 普通价值客户：基于其消费记录，推送性价比高的产品组合，如快消品组合装、日用品套餐等，提升购买频次。

• 低价值客户：提供基础产品组合优惠，如新手礼包、组合特价等，降低购买门槛，培养消费习惯。

六、实验体会与总结

        通过本次实验，我深入理解了RFM模型在客户价值分析中的应用，掌握了KMeans聚类算法的实现与优化方法。实验结果表明，不同客户群体在消费行为和价值上存在显著差异，为针对性的运营策略制定提供了数据支持。在实际应用中，应结合业务场景和市场变化，持续优化模型和策略，以适应动态的客户行为和市场需求。数据分析不仅是技术的运用，更是对企业业务和客户需求的深刻洞察，通过精准的数据分析，企业能够更好地满足客户需求，提升客户满意度和忠诚度，从而在激烈的市场竞争中脱颖而出。