2
ronghuaiyang · 2020年04月17日

用机器学习来提升你的用户增长：第二步，客户分群

机器学习人工智能
作者：Barış KaramanFollow
编译：ronghuaiyang
首发：AI公园公众号
今天给大家介绍客户分群方面的内容，为什么要对客户进行细分，如何细分，依据是什么，方法是什么，都会一一介绍。

第二部分：客户分群

在前一篇文章中，我们分析了我们在线零售业务的主要指标。现在我们知道了使用Python跟踪什么以及如何跟踪。现在，是时候关注一下客户并细分他们了。

首先，我们为什么要做客户细分？

因为你不能用同样的内容，同样的渠道，同样的重要性来对待每个客户。他们到更了解他们的地方去。

使用你的平台的客户有不同的需求，他们有自己不同的属性。你应该据此来调整你的行为。

根据你想要达到的目标，你可以做许多不同的分群。如果你想提高用户留存率，你可以基于用户流失概率进行细分并采取行动。但也有非常常见和有用的分群方法。现在我们要在我们的业务中实现其中一个方法：RFM

RFM代表Recency-Frequency-Monetary Value。理论上我们会有如下几个部分：

  • 低价值：不活跃的客户，不是很频繁的买家/访客，产生的收入为零，或者很低，或者是负的。
  • 中等价值：经常使用我们的平台(但没有我们的高价值客户多)，活动非常频繁，产生中等收入。
  • 高价值：我们不想失去的群体。产生的收入高，活动频繁。

作为一个方法，我们需要计算_Recency, Frequency以及Monetary Value_(我们将从现在开始称它为收入)，并应用无监督机器学习来识别每个不同的组(群体)。让我们进入代码，看看如何实现RFM分群。

Recency

为了计算Recency，我们需要找出每个客户最近的购买日期，并查看他们有多少天是不活跃的。对于每个客户的非活动天数，我们将应用K-means聚类来为客户分配一个_recency score_。

对于我们这个例子，我们将继续使用相同的数据集：https://www.kaggle.com/vijayu...。在开始recency计算之前，让我们回顾一下我们之前所做的工作。

`# import libraries
from datetime import datetime, timedelta
import pandas as pd
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from __future__ import division

import plotly.plotly as py
import plotly.offline as pyoff
import plotly.graph_objs as go

#inititate Plotly
pyoff.init_notebook_mode()

#load our data from CSV
tx_data = pd.read_csv('data.csv')

#convert the string date field to datetime
tx_data['InvoiceDate'] = pd.to_datetime(tx_data['InvoiceDate'])

#we will be using only UK data
tx_uk = tx_data.query("Country=='United Kingdom'").reset_index(drop=True)
`

现在我们可以计算recency：

#create a generic user dataframe to keep CustomerID and new segmentation scorestx_user = pd.DataFrame(tx_data['CustomerID'].unique())tx_user.columns = ['CustomerID']#get the max purchase date for each customer and create a dataframe with ittx_max_purchase = tx_uk.groupby('CustomerID').InvoiceDate.max().reset_index()tx_max_purchase.columns = ['CustomerID','MaxPurchaseDate']#we take our observation point as the max invoice date in our datasettx_max_purchase['Recency'] = (tx_max_purchase['MaxPurchaseDate'].max() - tx_max_purchase['MaxPurchaseDate']).dt.days#merge this dataframe to our new user dataframetx_user = pd.merge(tx_user, tx_max_purchase[['CustomerID','Recency']], on='CustomerID')tx_user.head()#plot a recency histogramplot_data = [    go.Histogram(        x=tx_user['Recency']    )]plot_layout = go.Layout(        title='Recency'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)

我们的新dataframe tx\_user现在包含了recency数据：

3-1.jpeg

要获得关于recency的大致情况，我们可以使用pandas的.describe()方法。它显示了我们的数据的平均值、最小值、最大值、计数和百分位数。

3-2.jpeg

我们看到，平均是90天，中位数是49天。

上面的代码有一个柱状图输出，向我们展示了客户的recency是如何分布的。
3-3.jpeg

现在是有趣的部分。我们使用K-means聚类来分配recency score。但是我们应该告诉K-means算法需要多少个簇。为了找出答案，我们将使用Elbow方法。Elbow方法简单地给出了最优惯性下的最优簇数量。代码和惯性图如下：

from sklearn.cluster import KMeanssse={}tx_recency = tx_user[['Recency']]for k in range(1, 10):    kmeans = KMeans(n_clusters=k, max_iter=1000).fit(tx_recency)    tx_recency["clusters"] = kmeans.labels_    sse[k] = kmeans.inertia_ plt.figure()plt.plot(list(sse.keys()), list(sse.values()))plt.xlabel("Number of cluster")plt.show()

惯性图：

3-4.jpeg

这里看起来3是最优的。根据业务需求，我们可以继续使用更少或更多的分群数量。我们为这个例子选择4：

#build 4 clusters for recency and add it to dataframekmeans = KMeans(n_clusters=4)kmeans.fit(tx_user[['Recency']])tx_user['RecencyCluster'] = kmeans.predict(tx_user[['Recency']])#function for ordering cluster numbersdef order_cluster(cluster_field_name, target_field_name,df,ascending):    new_cluster_field_name = 'new_' + cluster_field_name    df_new = df.groupby(cluster_field_name)[target_field_name].mean().reset_index()    df_new = df_new.sort_values(by=target_field_name,ascending=ascending).reset_index(drop=True)    df_new['index'] = df_new.index    df_final = pd.merge(df,df_new[[cluster_field_name,'index']], on=cluster_field_name)    df_final = df_final.drop([cluster_field_name],axis=1)    df_final = df_final.rename(columns={"index":cluster_field_name})    return df_finaltx_user = order_cluster('RecencyCluster', 'Recency',tx_user,False)

我们在dataframe tx\_user中计算了聚类并将它们分配给每个客户。

3-5.jpeg

我们可以看到我们的recency分群是如何具有不同的特征的。与分群2相比，分群1中的客户是最近才出现的。我们在代码中添加了一个函数，order\_cluster()。K-means将分群分配为数字，但不是按顺序分配的。我们不能说集群0是最差的，而集群4是最好的。order\_cluster()方法为我们做了这些，我们的新dataframe看起来更整洁：

3-6.jpeg

非常好！3包含最近的客户，而0包含最不活跃的客户。对于Frequency和Revenue，我们也采用同样的方法。

Frequency

要创建frequency分群，我们需要找到每个客户的订单总数。首先计算这个，看看我们的客户数据库中的frequency是什么样的：

#get order counts for each user and create a dataframe with ittx_frequency = tx_uk.groupby('CustomerID').InvoiceDate.count().reset_index()tx_frequency.columns = ['CustomerID','Frequency']#add this data to our main dataframetx_user = pd.merge(tx_user, tx_frequency, on='CustomerID')#plot the histogramplot_data = [    go.Histogram(        x=tx_user.query('Frequency < 1000')['Frequency']    )]plot_layout = go.Layout(        title='Frequency'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)

3-7.jpeg

应用相同的逻辑得到frequency聚类，并分配给每个客户：

#k-meanskmeans = KMeans(n_clusters=4)kmeans.fit(tx_user[['Frequency']])tx_user['FrequencyCluster'] = kmeans.predict(tx_user[['Frequency']])#order the frequency clustertx_user = order_cluster('FrequencyCluster', 'Frequency',tx_user,True)#see details of each clustertx_user.groupby('FrequencyCluster')['Frequency'].describe()

我们的frequency聚类看起来是这样的：
3-8.jpeg

frequency高的数字表示更好的客户，这与recency聚类的表示相同。

Revenue

当我们根据revenue对他们进行聚类时，让我们来看看我们的客户数据是什么样子的。我们计算每个客户的revenue，绘制直方图，并应用相同的聚类方法。

#calculate revenue for each customertx_uk['Revenue'] = tx_uk['UnitPrice'] * tx_uk['Quantity']tx_revenue = tx_uk.groupby('CustomerID').Revenue.sum().reset_index()#merge it with our main dataframetx_user = pd.merge(tx_user, tx_revenue, on='CustomerID')#plot the histogramplot_data = [    go.Histogram(        x=tx_user.query('Revenue < 10000')['Revenue']    )]plot_layout = go.Layout(        title='Monetary Value'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)

3-9.jpeg

我们也有一些revenue 为负的客户，让我们继续并应用k-means聚类：

#apply clusteringkmeans = KMeans(n_clusters=4)kmeans.fit(tx_user[['Revenue']])tx_user['RevenueCluster'] = kmeans.predict(tx_user[['Revenue']])#order the cluster numberstx_user = order_cluster('RevenueCluster', 'Revenue',tx_user,True)#show details of the dataframetx_user.groupby('RevenueCluster')['Revenue'].describe()

3-10.jpeg

总得分

很好！我们现在有了recency，frequency和revenue的得分（聚类编号）。让我们来计算一个总得分：

#calculate overall score and use mean() to see detailstx_user['OverallScore'] = tx_user['RecencyCluster'] + tx_user['FrequencyCluster'] + tx_user['RevenueCluster']tx_user.groupby('OverallScore')['Recency','Frequency','Revenue'].mean()

3-11.jpeg

上面的分数清楚地告诉我们，得到8分的客户是我们最好的客户，而得到0分的客户是最差的客户。

为了简单起见，我们最好将这些分数命名为:

  • 0到2：低价值
  • 3至4：中等价值
  • 5+：高价值

我们可以很容易地把这个命名方在我们的dataframe中：

tx_user['Segment'] = 'Low-Value'tx_user.loc[tx_user['OverallScore']>2,'Segment'] = 'Mid-Value' tx_user.loc[tx_user['OverallScore']>4,'Segment'] = 'High-Value' 

现在，让我们看看我们的分群在散点图中是如何分布的：
3-12.jpeg
3-13.jpeg
3-14.jpeg

可以看到，在RFM上，这些分群是如何明显地相互区分的。你可以找到下图的代码：

#Revenue vs Frequencytx_graph = tx_user.query("Revenue < 50000 and Frequency < 2000")plot_data = [    go.Scatter(        x=tx_graph.query("Segment == 'Low-Value'")['Frequency'],        y=tx_graph.query("Segment == 'Low-Value'")['Revenue'],        mode='markers',        name='Low',        marker= dict(size= 7,            line= dict(width=1),            color= 'blue',            opacity= 0.8           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'Mid-Value'")['Frequency'],        y=tx_graph.query("Segment == 'Mid-Value'")['Revenue'],        mode='markers',        name='Mid',        marker= dict(size= 9,            line= dict(width=1),            color= 'green',            opacity= 0.5           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'High-Value'")['Frequency'],        y=tx_graph.query("Segment == 'High-Value'")['Revenue'],        mode='markers',        name='High',        marker= dict(size= 11,            line= dict(width=1),            color= 'red',            opacity= 0.9           )    ),]plot_layout = go.Layout(        yaxis= {'title': "Revenue"},        xaxis= {'title': "Frequency"},        title='Segments'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)#Revenue Recencytx_graph = tx_user.query("Revenue < 50000 and Frequency < 2000")plot_data = [    go.Scatter(        x=tx_graph.query("Segment == 'Low-Value'")['Recency'],        y=tx_graph.query("Segment == 'Low-Value'")['Revenue'],        mode='markers',        name='Low',        marker= dict(size= 7,            line= dict(width=1),            color= 'blue',            opacity= 0.8           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'Mid-Value'")['Recency'],        y=tx_graph.query("Segment == 'Mid-Value'")['Revenue'],        mode='markers',        name='Mid',        marker= dict(size= 9,            line= dict(width=1),            color= 'green',            opacity= 0.5           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'High-Value'")['Recency'],        y=tx_graph.query("Segment == 'High-Value'")['Revenue'],        mode='markers',        name='High',        marker= dict(size= 11,            line= dict(width=1),            color= 'red',            opacity= 0.9           )    ),]plot_layout = go.Layout(        yaxis= {'title': "Revenue"},        xaxis= {'title': "Recency"},        title='Segments'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)# Revenue vs Frequencytx_graph = tx_user.query("Revenue < 50000 and Frequency < 2000")plot_data = [    go.Scatter(        x=tx_graph.query("Segment == 'Low-Value'")['Recency'],        y=tx_graph.query("Segment == 'Low-Value'")['Frequency'],        mode='markers',        name='Low',        marker= dict(size= 7,            line= dict(width=1),            color= 'blue',            opacity= 0.8           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'Mid-Value'")['Recency'],        y=tx_graph.query("Segment == 'Mid-Value'")['Frequency'],        mode='markers',        name='Mid',        marker= dict(size= 9,            line= dict(width=1),            color= 'green',            opacity= 0.5           )    ),        go.Scatter(        x=tx_graph.query("Segment == 'High-Value'")['Recency'],        y=tx_graph.query("Segment == 'High-Value'")['Frequency'],        mode='markers',        name='High',        marker= dict(size= 11,            line= dict(width=1),            color= 'red',            opacity= 0.9           )    ),]plot_layout = go.Layout(        yaxis= {'title': "Frequency"},        xaxis= {'title': "Recency"},        title='Segments'    )fig = go.Figure(data=plot_data, layout=plot_layout)pyoff.iplot(fig)

我们可以开始采取行动，进行分群。策略很明确：

  • 高价值：提高留存率
  • 中等价值：提高留存率 + 增加Frequency
  • 低价值：增加Frequency

越来越刺激了！在下一部分中，我们将计算和预测客户的终生价值。

理想情况下，我们可以通过使用分位数或简单的binning来轻松实现我们在这里所做的工作，为了熟悉一下k-means聚类，所以之类用了这个聚类的方法。

—END—

英文原文：

https://towardsdatascience.co...

推荐阅读


关注图像处理，自然语言处理，机器学习等人工智能领域,请点击关注AI公园专栏。
欢迎关注微信公众号
AI公园 公众号二维码.jfif
2 阅读 2k
推荐阅读
入门人工智能 图解：机器学习、人工神经网络、深度学习、数学基础、深度学习之外的人工智能、深度学习框架下的神经网络 跟人聊天 VS 跟机器聊天，你更爱哪个？ 为什么学人工智能首推Python 需要学习哪些知识 [Arm DevSummit 2021]现实世界中的人工智能：从开发到部署 推荐|24000人学过的免费AI通识公开课《人工智能导论》，哈工程莫宏伟教授设计
AI公园
关注数
8257
内容数
210
关注图像处理，NLP,机器学习等人工智能领域
关注专栏 专栏主页
目录
极术微信服务号
关注极术微信号
实时接收点赞提醒和评论通知
安谋科技学堂公众号
关注安谋科技学堂
实时获取安谋科技及 Arm 教学资源
安谋科技招聘公众号
关注安谋科技招聘
实时获取安谋科技中国职位信息