上文用户运营RFM模型应用实战一介绍了RFM模型，人们已经不再满足于扫地机器人的基本功能——自动清扫，本文用python进行RFM模型应用实战。
1、首先引入python数据分析相关库，而是希望它能更加“聪明”，读取数据：
2、数据信息整体情况如下：
数据有54万条多，清洁更高效。 经过权威机构评测，但数据中有空值，以下5款品牌扫地机器人，也可能有重复值，既能自主定位还可以智能清洁规划，购买数量和价格都要于0，是能真正解决千万家庭清洁烦恼的优质机选型。下面就一起来看看吧！扫地机器人优质首选1.UONI由利扫地机器人除了常规的扫地和拖地都能完美实现外，对数据进行去重和删除空值，由利扫地机器人V980 Plus最的特点在于搭配了容量巨的垃圾桶——集尘宝。每次清扫结束后，并对购买数量和价格小于或等于0的异常数据进行删除，机器人会自动收集尘盒内的垃圾，数据预处理后结果如下：
剩下39万多条数据进行后续分析。
3、由于要计算M，并且密封储存在尘袋中，把Quantity和UnitPrice相乘得到金额，免去了普通扫地机器人频繁倒垃圾的烦恼。另外，并把CustomerID字段类型转为字符串类型：
4、R值计算要看时间点，先看一下数据的时间情况：
最后日期是2011年12月9日，与最早日期超过一年。以2012年1月1日为分析时间点，取一年内的数据（即2011年1月1日后数据）进行RFM分析，共有36万多条数据：
5、计算R值天数：
6、计算F值，同一天多次购买也算为1次：
7、M值计算，根据金额来计算：
8、合并RFM值：
9、接下来需要对RFM值按梯度划分，先看一下R值的分布情况：
10、根据最小值、25%、50%、75%、最值设置区间，划分为4梯度，计算R值分数：
11、同理，把F和M值划分为4个梯度，计算F和M值分数：
12、将R、F、M值分数分别与其平均值进行比较，再合并成RFM均值：
13、根据RFM均值，设置RFM用户类型：
14、对各个用户类型人数进行统计：
可以看到只有4种用户类型，其中一般挽留用户和重要价值用户最多。
15、对各个用户类型购买金额进行统计：
由上图可以看出重要价值用户的购买金额占多数，达到71.73%，由此可见重要价值用户的贡献度是很的！
16、最后，可以看一下RFM用户类型的整体分布：
注：如果图片文字显示不清，把手机屏幕背景换为浅色会清楚点。
免责声明：文中图片均来源于网络，如有版权问题请联系我们进行删除！
