我报名参与金石方案1期应战——分割10万奖池，这是我的第2篇文章，点击检查活动详情

• 作者：韩信子@ShowMeAI
• 数据剖析实战系列：www.showmeai.tech/tutorials/4…
• 机器学习实战系列：www.showmeai.tech/tutorials/4…
• 本文地址：www.showmeai.tech/article-det…
• 声明：版权一切，转载请联系渠道与作者并注明出处
• 收藏ShowMeAI检查更多精彩内容

咱们总会听到许多公司的技术人员在做用户画像的作业，细分客户/客户分群是一个很有含义的作业，能够保证企业构建更个性化的消费者针对战略，一起优化产品和服务。

在机器学习的视点看，客户分群通常会选用无监督学习的算法完结。运用这些方法，咱们会先搜集整理客户的根本信息，例如区域、性别、年龄、偏好 等，再对其进行分群。

在本篇内容中，ShowMeAI将用一个案例讲解根据客户信息做用户分群的方法完结。

中心进程

整个客户分群的进程包含一些中心的进程：

• 数据搜集
• 创立RFM表
• 探究数据&数据改换
• 运用聚类做用户分群
• 解说成果

数据搜集

下列数据操作处理与剖析涉及的东西和技能，欢迎大家查阅ShowMeAI对应的教程和东西速查表，快学快用。

• 图解数据剖析：从入门到通晓系列教程

• 数据科学东西库速查表 | Pandas 速查表

• 数据科学东西库速查表 | Seaborn 速查表

咱们需求先结合事务场景搜集数据，咱们在本案例中运用的是 Online_Retail在线零售数据集，大家能够在ShowMeAI的百度网盘中下载获取数据。

本份数据对应的是在线零售事务的买卖数据，包含英国在线零售从 2010 年 12 月 1 日到 2011 年 12 月 9 日的买卖。中心字段包含产品名称、数量、价格和其他表明 ID 的列。数据集包含 541909 条数据记载。

实战数据集下载（百度网盘）：公众号『ShowMeAI研究中心』回复『实战』，或者点击 这儿 获取本文 [24]根据机器学习的用户价值数据挖掘与客户分群 『Online_Retail 在线零售数据集』

⭐ ShowMeAI官方GitHub：github.com/ShowMeAI-Hu…

为了快速演示客户分群进程，咱们不运用悉数数据，咱们从数据中采样出 10000 条演示整个进程，对应的数据读取与采样代码如下：

# 导入东西库
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
# 读取数据
df = pd.read_excel('Online_Retail.xlsx')
df = df[df['CustomerID'].notna()]
# 数据采样
df_fix = df.sample(10000, random_state = 42)

采样出来的数据如下

创立 RFM 表

数据准备好之后，为了细分客户，咱们会对数据做处理，拿到一些中心指标，比方客户前次购买产品的时刻，客户购买产品的频率以及客户为产品付出的费用。

也就是咱们说的制作 RFM 表的进程，咱们创立对应的字段，包含 Recency（最近一次消费）、Frequency（消费频率）和 Monetary Value（消费金额列），它们的构建方式别离如下：

• 能够用事务发生的日期减去快照日期，来代表最近消费时刻点。
• 能够核算每个客户的买卖量，作为频度信息。
• 能够汇总每个客户的一切买卖金额，作为消费金额列。

处理进程的代码如下：

# 只保存日期
from datetime import datetime
df_fix["InvoiceDate"] = df_fix["InvoiceDate"].dt.date
# 总金额
df_fix["TotalSum"] = df_fix["Quantity"] * df_fix["UnitPrice"]
# 最近消费时刻点快照
import datetime
snapshot_date = max(df_fix.InvoiceDate) + datetime.timedelta(days=1)
# 统计聚合
customers = df_fix.groupby(['CustomerID']).agg({
    'InvoiceDate': lambda x: (snapshot_date - x.max()).days,
    'InvoiceNo': 'count',
    'TotalSum': 'sum'})
# 重命名字段
customers.rename(columns = {'InvoiceDate': 'Recency',
                            'InvoiceNo': 'Frequency',
                            'TotalSum': 'MonetaryValue'}, inplace=True)

得到成果如下

探究数据&数据改换

下列数据预处理涉及的常识，欢迎大家查阅ShowMeAI对应的常识详解文章。

• 机器学习实战 | 机器学习特征工程最全解读

咱们的许多典型的模型算法，关于数据散布都有一些前提假设，比方咱们会认为连续值字段是根本符合正态散布的，咱们对不同的字段进行可视化处理，以检查其散布：

fig, ax = plt.subplots(1, 3, figsize=(15,3))
sns.distplot(customers['Recency'], ax=ax[0])
sns.distplot(customers['Frequency'], ax=ax[1])
sns.distplot(customers['MonetaryValue'], ax=ax[2])
plt.tight_layout()
plt.show()

咱们会发现，数据并不是完全正态散布的，准确地说，它们都是有偏的，咱们通常会经过一些数据改换手法来对数据做一些整理，常见的数据改换方式包含：

• 对数转化
• 平方根改换
• box-cox 改换

咱们能够对原始数据，别离运用『对数改换』、『平方根改换』和『box-cox 改换处理』，把散布制作如下：

from scipy import stats
def analyze_skewness(x):
    fig, ax = plt.subplots(2, 2, figsize=(5,5))
    sns.distplot(customers[x], ax=ax[0,0])
    sns.distplot(np.log(customers[x]), ax=ax[0,1])
    sns.distplot(np.sqrt(customers[x]), ax=ax[1,0])
    sns.distplot(stats.boxcox(customers[x])[0], ax=ax[1,1])
    plt.tight_layout()
    plt.show()
    print(customers[x].skew().round(2))
    print(np.log(customers[x]).skew().round(2))
    print(np.sqrt(customers[x]).skew().round(2))
    print(pd.Series(stats.boxcox(customers[x])[0]).skew().round(2))
analyze_skewness('Recency')

analyze_skewness('Frequency')

fig, ax = plt.subplots(1, 2, figsize=(10,3))
sns.distplot(customers['MonetaryValue'], ax=ax[0])
sns.distplot(np.cbrt(customers['MonetaryValue']), ax=ax[1])
plt.show()
print(customers['MonetaryValue'].skew().round(2))
print(np.cbrt(customers['MonetaryValue']).skew().round(2))

依据图像可视化，咱们别离对Recency、Frequency、MonetaryValue挑选box-cox改换，box-cox改换和三次方根（cbrt）改换。

from scipy import stats
customers_fix = pd.DataFrame()
customers_fix["Recency"] = stats.boxcox(customers['Recency'])[0]
customers_fix["Frequency"] = stats.boxcox(customers['Frequency'])[0]
customers_fix["MonetaryValue"] = pd.Series(np.cbrt(customers['MonetaryValue'])).values
customers_fix.tail()

处理过后的数据是这样的

咱们一瞬间运用到的模型算法（K-Means 聚类），关于不同字段的幅度巨细是敏感的，咱们会再做进一步的数据处理，把数据幅度规范化，这儿咱们能够直接运用 Scikit-Learn 的

# 导入库 
from sklearn.preprocessing import StandardScaler 
# 初始化对象 
scaler = StandardScaler() 
# 拟合和转化数据 
scaler.fit（customers_fix） 
customers_normalized = scaler.transform(customers_fix) 
# 均值为 0，方差为 1 
print(customers_normalized.mean(axis = 0).round(2)) # [0. -0。 0.] 
print(customers_normalized.std(axis = 0).round(2)) # [1. 1. 1.] 

得到成果如下：

建模与分群

数据处理完结，咱们能够进一步运用算法模型完结客户分群了，这儿咱们运用聚类算法 K-Means 来对数据分组。

K-Means 算法是一种无监督学习算法，它经过迭代和聚合来依据数据散布确认数据属于哪个簇。关于 K-Means 的具体常识欢迎大家检查ShowMeAI的教程文章：

• 图解机器学习 | 聚类算法详解

实践运用 K-Means 算法是很简单的，咱们直接运用 Scikit-Learn 来完结。但是 K-Means 算法中有一个很重要的超参数『簇数k』。下面咱们运用『肘点法』来定位最好的超参数：

from sklearn.cluster import KMeans
sse = {}
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, random_state=42)
    kmeans.fit(customers_normalized)
    sse[k] = kmeans.inertia_
plt.title('The Elbow Method')plt.xlabel('k')
plt.ylabel('SSE')
sns.pointplot(x=list(sse.keys()), y=list(sse.values()))
plt.show()

这是成果，

依据上图的成果，咱们选定 k 取值为 3（因为大于3的k取值下，SSE的成果并不再急剧下降，而是呈现近线性）。咱们设定n_clusters为3，再重新聚类：

model = KMeans(n_clusters=3, random_state=42)
model.fit(customers_normalized)
model.labels_.shape

模型解说&事务了解

咱们根据聚类成果来对用户群做一些解读和事务了解，这儿咱们将聚类得到的 3 个 cluster 的聚类中心信息输出，代码如下：

customers["Cluster"] = model.labels_
customers.groupby('Cluster').agg({
    'Recency':'mean',
    'Frequency':'mean',
    'MonetaryValue':['mean', 'count']}).round(2)

结合上述成果，对3类聚类得到的用户群解读如下：

• 用户群0：频频消费，消费数额大，且最近有购买行为。能够视作『忠诚客户群』。
• 用户群1： 消费频率较低，消费数额小，但最近有购买行为。能够视作『新客户群』。
• 用户群2：消费频率较低，消费数额小，上一次购买的时刻较早。能够视作『流失客户群』。

参考资料

• Daqing C., Sai L.S, and Kun G. Data mining for the online retail industry: A case study of RFM model-based customer segmentation using data mining (2012), Journal of Database Marketing and Customer Strategy Management.
• Millman K. J, Aivazis M. Python for Scientists and Engineers (2011), Computing in Science & Engineering.
• Radei D. Top 3 Methods for Handling Skewed Data (2020), Towards Data Science.
• Elbow Method for optimal value of k in KMeans, Geeks For Geeks.
• 图解数据剖析：从入门到通晓系列教程：www.showmeai.tech/tutorials/3…
• 数据科学东西库速查表 | Pandas 速查表：www.showmeai.tech/article-det…
• 数据科学东西库速查表 | Seaborn 速查表：www.showmeai.tech/article-det…
• 机器学习实战 | 机器学习特征工程最全解读：www.showmeai.tech/article-det…
• 图解机器学习 | 聚类算法详解：www.showmeai.tech/article-det…