RFM模型多用于已知目标数据集，场景具有一定的局限性，本篇运用一个适用比较广泛的聚类算法——K-Means，它属于无监督机器学习，K-Means算法的思想很简单，对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇，让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。
本文还是用实例数据进行讲述。
数据背景：数据为某商场会员基本信息，包括CustomerID（客户ID），Gender（性别），Age（年龄），Annual Income (k$)（年收入）和Spending Score (1-100)（消费得分：根据顾客消费行为，例如客户行为和购买数据商场的评分），通过已有信息对客户进行细化分类，以便营销运营团队更好的制定策略。
数据集地址：
一、数据处理
#导入数据分析需要的包import pandas as pdimport numpy as np#可视化包import seaborn as snsimport matplotlib.pyplot as pltplt.rcParams["font.sans-serif"]=["SimHei"] #用来正常显示中文标签plt.rcParams["axes.unicode_minus"]=False #用来正常显示负号%matplotlib inline#忽略警告信息import warningswarnings.filterwarnings("ignore")#读取数据df=pd.read_csv("C:/Users/dwhyx/Downloads/data/Mall_Customers.csv")df.head()
#查看缺失值df.isnull().any()
经查询，本数据集不存在缺失值，数据表结构也比较简单，原数据不需要进行过多处理。
二、数据可视化分析
2.1预览数据分布
sns.pairplot(df)
2.2不同性别在各变量之间的关系
从上图中，大体能看出每个变量之间相关分布，加入性别变量，查看不同性别在各变量之间是否有区别。
#不同性别在年龄与年收入之间的关系plt.figure(1,figsize=(10,5))for gender in ["Male","Female"]: plt.scatter(x="Age",y="Annual Income (k$)",data=df[df["Gender"]==gender], s=200,alpha=0.5,label=gender)plt.xlabel("Age"),plt.ylabel("Annual Income (k$)") plt.title("不同性别在年龄与年收入之间的关系")plt.legend() plt.show()
#不同性别在年龄与年收入之间的关系plt.figure(1,figsize=(10,5))for gender in ["Male","Female"]: plt.scatter(x="Age",y="Spending Score (1-100)",data=df[df["Gender"]==gender], s=200,alpha=0.5,label=gender)plt.xlabel("Age"),plt.ylabel("Spending Score (1-100)") plt.title("不同性别在年龄与消费得分之间的关系")plt.legend() plt.show()
#不同性别在年收入与消费得分之间的关系plt.figure(1,figsize=(10,5))for gender in ["Male","Female"]: plt.scatter(x="Annual Income (k$)",y="Spending Score (1-100)",data=df[df["Gender"]==gender], s=200,alpha=0.5,label=gender)plt.xlabel("Annual Income (k$)"),plt.ylabel("Spending Score (1-100)") plt.title("不同性别在年收入与消费得分之间的关系")plt.legend() plt.show()
三、K-Means聚类分析
3.1寻找最佳聚类个数——The Elbow Method手肘法则
#选取字段df1=df[["Age" , "Annual Income (k$)" ,"Spending Score (1-100)"]].iloc[: , :].values#导入包from sklearn.cluster import KMeansinertia=[]for i in range(1,11): km=KMeans(n_clusters=i,init="k-means++",max_iter=300,n_init=10,random_state=0) km.fit(df1) inertia.append(km.inertia_)plt.plot(range(1,11),inertia,"o-")
利用手肘法，通过图形发现，拐点在6这个位置，即最佳聚类个数为6。
3.2降维
cluster = KMeans(n_clusters=6) #设定族数为6cluster.fit(df1)from sklearn import manifold tsne = manifold.TSNE() #将关系数据降维二维tsne_data = tsne.fit_transform(df1)tsne_df = pd.DataFrame(tsne_data,columns=["col1","col2"])tsne_df.loc[:,"label"]=cluster.predict(df1)sns.scatterplot(x = "col1",y="col2",hue="label",data=tsne_df)
通过降维，将三维立体图降维为平面图，上图6个不同颜色代表6个不同的人群，因为K-Means是无监督学习，主要负责把特征比较明显的用户归为一类，具体每一类分别代表什么群体，需要我们自己进行分析，下面会有讲述。
3.3评估聚类结果
from sklearn import metricsscore = metrics.silhouette_score(df1,tsne_df.loc[:,"label"])print("聚类个数为6时，轮廓函数:" , score)
轮廓函数为：0.45，聚类效果较好。
PS：轮廓系数取值为[-1, 1]，其值越大越好，且当值为负时，表明样本被分配到错误的簇中，聚类结果不可接受。对于接近0的结果，则表明聚类结果有重叠的情况。
3.4聚类人群分析
cluster_centers=cluster.cluster_centers_result = pd.DataFrame(data=cluster_centers, columns = ["Age","Annual Income(k$)","Spending Score(1-100)"]).reset_index(drop= True)result.plot(kind="bar",color=["C1","C2","C3"],clip_on=False,alpha = 0.5)
- 0组：平均年龄25岁左右，收入60k$左右，消费分50左右（重要发展人群：青年为主，收入和消费得分居中，潜力大）
- 1组：平均年龄25岁左右，收入25k$左右，消费分>80（冲动消费人群：青年为主，收入一般但消费得分较高）
- 2组：平均年龄55岁左右，收入55k$左右，消费分50左右（重要保持人群：中老年为主，收入和消费得分居中）
- 3组：平均年龄40岁左右，收入>80k$，消费分20左右（谨慎消费人群：中年为主，收入很高但消费得分较低）
- 4组：平均年龄30岁左右，收入>80k$，消费分>80（重要价值人群：中年为主，收入和消费得分都很高，属于最优客户群体）
- 5组：平均年龄40岁左右，收入30k$左右，消费分20左右（一般价值人群：中年为主，收入和消费得分都较低）
#把得到的聚类标签添加到原数据集df["cluster"] = cluster.labels_#查看各类人群各自占比df["cluster"].value_counts(1)结果得到，2组（重要保持客户）人数最多，占比22.5%；5组（一般价值客户）人数最少，占比10.5%。
至此我们已经把所有客户细分为6类，针对不同客户特征，可以制定不同的营销运营策略，使运营效果最大化。
End.
作者：以它为镜
本文为转载分享，如果涉及作品、版权和其他问题，请联系我们第一时间删除（微信号：lovedata0520）
更多文章前往首页浏览http://www.itongji.cn/
- 我的微信公众号
- 微信扫一扫
-
- 我的微信公众号
- 微信扫一扫
-
评论