[Python] RFM 세그먼테이션

 

# 데이터 출처

kaggle의 Olist기업 데이터 분석

 

✅ 1. Recency 

 

R은 '고객이 최근에 구매했는가?'를 의미합니다. 고객의 마지막 활동이 언제인지를 나타내는 변수로, 최근에 구매한 고객일수록 높은 점수가 부여됩니다.

 

같은 길이로 구간을 나누는 pd.cut() 또는 같은 개수로 구간을 나누는 pd.qcut()이 있습니다

 

recency = olist_df.groupby('customer_id')['order_purchase_timestamp'].max().reset_index()

 

 

max_date = recency['order_purchase_timestamp'].max()

recency['diff_date'] = (max_date - recency['order_purchase_timestamp']).dt.days

recency

 

 

 

recency['R_score'] = pd.qcut(recency['diff_date'], 5, labels=[5,4,3,2,1])

 

 

 

 

 

 

✅ 2. Frequency 

 

F는 '고객이 얼마나 자주 구매했는가?'를 나타냅니다.

고객이 얼마나 자주 구매했는지를 나타내는 변수로, 자주 구매한 고객일수록 높은 점수가 부여됩니다.

 

frequency = olist_df.groupby('customer_id')['order_purchase_timestamp'].nunique().sort_values(ascending=False).reset_index()

 

 

 

sns.histplot(frequency['order_purchase_timestamp'])

 

 

def parse_values(X):
    dict1 = {
        1 : 1,
        2 : 2,
        3 : 3,
        4 : 4
    }
    return dict1.get(X,5)

frequency['F_score'] = frequency['order_purchase_timestamp'].apply(parse_values)

 

 

 

 

 

✅ 3. Monetary 

 

M은 '고객이 얼마나 구매했나?'를 측정하는 지표입니다.

고객이 구매한 총 금액을 의미하는 변수로, 구매 금액이 높은 고객일수록 높은 점수가 부여됩니다.

 

 

monetary = olist_df.groupby('customer_id')['payment_value'].sum().reset_index()

 

 

monetary['M_score'] = pd.qcut(monetary['payment_value'], 5, labels=[1,2,3,4,5])

 

 

 

✅ 4. merge 

rfm_score = recency.merge(frequency, on = 'customer_id')
rfm_score = rfm_score.merge(monetary, on = 'customer_id')

 

 

형 변환 후 합치기

# rfm_score을 합치기 위해 string으로 형 변환
rfm_score['r_score'] = rfm_score['R_score'].astype(str)
rfm_score['f_score'] = rfm_score['F_score'].astype(str)
rfm_score['m_score'] = rfm_score['M_score'].astype(str)

# rfm_score 합치기
rfm_score['rfm_score'] = rfm_score['r_score'] + rfm_score['f_score'] + rfm_score['m_score']

 

 

 

 

✅ 5. 세그먼테이션 진행 

 

segments = {
    r'555' : 'VIP 고객',
    r'211|212|213|221|222|223|231|232|233' : '이탈 우려 고객',
    r'111|112|113|114|115|121|122|123|124|125|131|132|133|134|135|141|142|143|144|145|151|152|153|154|155': '이탈 고객',
    r'433|434|443|444|453|454' : '충성 고객',
    r'511|512|513|514|515' : '신규 고객',
    r'214|215|224|225|234|235|241|242|243|244|245|251|252|253|254|255|311|312|313|314|315|321|322|323|324|325|331|332|333|334|335|341|342|343|344|345|351|352|353|354|355|411|412|413|414|415|421|422|423|424|425|431|432|441|442|445|451|452|455|551|552|553|554|435|521|522|523|524|525|531|532|535|542|543|544|545|533|534': '일반 고객'
}

rfm_score2['segment'] = rfm_score2['rfm_score'].replace(segments, regex=True)