原來用Python實作行銷RFM model，可以那麼簡單！-【附Python程式碼】

Published in

Marketingdatascience

11 min readOct 5, 2019

先前的文章「常貴客？新客？讓RFM模型簡簡單單解釋一切！（附實現程式碼）」，得到廣大的回響，甚至受到許多公司的參考及採用，非常謝謝您的肯定。

而在RFM Model的課程中，有學員提到，公司也想導入RFM，並且要以Python進行編寫，因為上述文章是以R語言為基礎，而目前市面上並沒有以Python實作RFM的程式碼，因此本文以Python為主要語言進行RFM實作。在開始程式編即之前，就讓我們來解析資料內容。

資料欄位

RFM存在至今已過半百，為何大家仍想要引進呢？

因為RFM只需要基本的銷售資料，就能做出強大的顧客分群，等同於市場區隔（Segmentation），且邏輯清晰明瞭。一般的CRM資料一定有有購買者ID、銷售ID、購買時間、購買金額，這麼少的欄位若要進行機器學習其實誤差值是非常大的，這時候RFM就派上用場了，因此本按例就預設以最少的資料欄位進行分析。

以下資料為單一顧客的購買數據，是一般銷售數據經過整理後所得的，欄位recency、frequency、recency_cate、frequency_cate是利用orderdate計算出來的，引此嚴格來說這筆資料只有三個欄位，竟然就能做出RFM！

clientId：顧客編號。
orderdate：顧客最後一次來購買的日期
recency（近因）：上一次購買與今天相差天數。
gender：性別。人口變數資料，有的話更能細部分析顧客類群。
frequency（頻率）：從顧客第一次來開始，到目前共來過幾次。
recency_cate：近因天數。
frequency_cate：頻率天數。
購買量：該顧客的總購買量。

在開始實作之前，您必須要學會

Python中文顯示

範例資料中含有中文，而Python繪圖並不支援中文字。您可以參考先前文章「解決Python 3 Matplotlib與Seaborn視覺化套件中文顯示問題」，否則若您的資料或圖表中有中文，會出現如下圖情況。當然若要將其資料全部換為英文的話也可輸出，但基於一般在華人區域的CRM資料難免有中文出現，因此建議進行此修改。

FacetGrid繪圖

這是此實作最重要的基礎來源。FacetGrid是Seaborn繪圖套件下的一個繪圖類別，其與一般圖表的差異在於，能夠集合多張圖表於一身，進行多為度的比較，而這正符合三個、甚至多個維度的RFM分析，且配色精美，詳請可見官方文件。

可以先複製以下的程式碼進行試驗，利用官方提供的資料集，了解其繪圖的原理。其中可以看到FacetGrid的使用方法，分為整體圖與小圖，FacetGrid方法控制整張圖的資料來源、內容，而小圖譬如說如上圖的左邊一塊，其中的長條圖、顏色、標籤等，利用FacetGrid繪圖主要會分成這兩塊。

整體圖：sns.FacetGrid(資料來源, col=想分析欄位)
小圖：map(小圖表示方式, 小圖示名稱)

import matplotlib.pyplot as plt
import seaborn as snsthetips= sns.load_dataset("tips")
g = sns.FacetGrid(thetips, col="time")
g.map(plt.hist, "tip")

用Python實作RFM

基於以上的基礎，並以FacetGrid的特性，開發出6 X 6的RFM Model。最主要的兩個欄位是recency_cate與frequency_cate，分別控制資料在RFM圖形中的位置，因此只要資料調整到定位，可以簡單利用FacetGrid產出圖片。

比較需要注意的地方在於row_order的參數是給予frequency_label[::-1]，這意思是將陣列frequency_label相反輸出，其原因在於FacetGrid的圖形排列是由左上角開始排列的，對應到frequency的「>5 freq」，因此必須將整個鎮列倒著放。

recency_label =  ['0-7 day', '8-15 day', '16-22 day', '23-30 day', '31-55 day', '>55 day']frequency_label =  ['1 freq', '2 freq', '3 freq', '4 freq', '5 freq', '>5 freq']g = sns.FacetGrid(purchase_list, # 來源資料表
                  col="recency_cate", # X資料來源欄位
                  row="frequency_cate" ,  # Y資料來源欄位
                  col_order=  recency_label,  # X資料順序
                  row_order= frequency_label[::-1], # Y資料順序
                  margin_titles=True
                  )#小圖表部分

小圖示中是以gender（性別）來作為分類，此能依照您不同的資料欄位調整，但建議該欄位的項目不要太多，否則會造成視覺的凌亂，反而失去了RFM Model一目瞭然的意義。

在此範例中只有gender是人口變數，若您的資料有更多相關變數（例如：地址、學歷、家庭等），RFM的分析將會更有意思。

g = g.map_dataframe(sns.barplot, # 資料顯示的模式
                    x= 'gender', # 小圖表X資料來源
                    y ='購買量', # 小圖表Y資料來源
                    palette = sns.color_palette("muted")) #畫布色調 g = g.set_axis_labels('光顧天數','購買頻率').add_legend()

這個RFM還是美中不足：

相信您實作完也感覺到，這個圖形用來自己分析還可以，若要報告給主管或老闆聽，絕對是不合格的，如以下幾點：

無法看出顧客分類：無法一目瞭然的找出常貴客、量販客、先前客、一次客。
XY軸的標籤：重複「光顧天數」、「購買頻率」，最完美的展現方式是只有一個，並且置中表示。
小圖示XY軸標籤：顯示「0-7天」或者「1 freq」的標籤，人們視覺上是習慣放在左方與下方，這正好與我們的習慣相反了。
小圖示調整：小圖示內的棒狀圖無法做調整，譬如想要調整刻度。

那就來學
RFM 客製化，打造自己的CRM說書人
即將推出文章，敬請期待。

想知道更多RFM實戰技法嗎？

💻 TMR最新行銷資料科學課程募資開始：

✨顧客分類大師：Python x RFM 會員經營新觀點✨
👉 購買抽1小時💥行銷資料科學顧問💥諮詢
💰 募資價：1,988元 (原價：2,388元)
🕒 募資開跑：5/6 12:00
🎯 主流程式語言 Python ft. 實用 RFM 顧客 Model
本課程教您輕鬆分類顧客群，找出不同樣貌的顧客並進一步找出顧客帶來的更高獲利：
👫 可遇不可求的【常貴客】
👫 不知不覺離開的【流失客】
👫 一次購買超大量的【量販客】
👫 具有購買潛力的【新客】
🛒 點我購買

程式碼：

rifleak74/MarketDataScience

You can't perform that action at this time. You signed in with another tab or window. You signed out in another tab or…

github.com

作者：楊超霆（臺灣行銷研究有限公司資深資料科學家）

歡迎加入我們的telegram獲取即時訊息！https://t.me/marketingdatascience

您可能有興趣:

💻 好學校熱賣暢銷的線上課程：

1. Python 0到1 基礎商業數據分析實戰
💥 原價：3,188
🕒 課程總時數：453分鐘(7小時33分鐘)
👉 從0開始：手把手從頭學習，適合完全沒學過的學員
👉 商業應用全台最多：傳授市面上少見的Python實務應用
👉 網路輿情爬蟲演練：網路輿情商務爬蟲技法
👉 競品分析：競爭價值定位圖找出藍海策略
👉 貨架陳列視覺化：解析行銷策略及廣告預算配置方法
🛒 手刀點我購買

2. AI 行銷學：用 Python 機器學習創造商業新價值
💥 原價：3,888
🕒 課程總時數：701分鐘(11小時41分鐘)
👉 全台第一門Python機器學習線上課程
👉 教導你快速理解Logistic Regression, XGBoost, Random Forest商務機器學習模型。
👉 建構老闆或主管們看得懂的模型評估指標，讓精準行銷方案更容易被接受且推出
👉 如何利用機器學習找出消費者心中的重要變數及客樣貌與特徵，做到個體及總體的商品推薦?
👉 如何從數以萬計的消費資料中偵測可能的詐欺名單?
🛒 手刀點我購買

3. 用 Python 打造自己的股票小秘書
💥 原價：4,288 (現省400)
🕒 課程總時數：708分鐘(11小時48分鐘)
👉 打造自動推播機器人，趁著股市最近低迷，找出最適進場點
👉 「到價提醒」功能，大大提升投資便利性
👉 了解Python雲端服務架構，完整的專案流程
👉 孰悉No SQL資料庫操作，未來大數據的基礎
🛒 手刀點我購買