Py数据基础及实战 8

商超客户价值分析背景与目标数据探索与预处理分析与建模结果分析背景信息时代的到来标志着企业营销核心从产品中心向客户中心的转变，客户分类成为企业优化营销资源分配的关键问题之一。通过客户分类，企业可以精准区分高低价值客户、制定个性化方案，是实现利润最大化的基础。盒马（会员体系+数据跟踪+个性化推荐/积分激励）、山姆（批发会员模式+专业服务团队），均通过客户分类相关策略提升客户黏性与忠诚度、促进销售增长。某商超面临顾客流失、竞争力下降、资源未充分利用危机；计划建立客户价值评估模型，通过客户分类分析价值差异，制定针对性营销策略与个性化服务，应对竞争、提升客户忠诚度、实现可持续增长。数据说明从商超系统的详细数据中，选择宽度为三年的时间段作为分析的观测窗口，抽取了2022年1月1日至2024年12月31日之间注册为商超会员的客户的详细数据。商超会员的记录包括客户基本信息、注册信息、消费信息、参与促销等方面的信息，总共涵盖了29个属性。信息类型字段名称说明客户基本信息客户ID客户的注册ID出生年份客户的出生年份教育程度客户的教育程度，为本科、硕士、博士、其他婚姻状况客户的婚姻状况，为未婚、已婚、离异、丧偶年收入/元客户的家庭年收入儿童数量/人客户家庭中的儿童数量青少年数量/人客户家庭中的青少年数量数据说明商超会员的记录（续表）。信息类型字段名称说明注册信息注册日期客户在公司注册的日期入会费用/元入会费用注册手续费/元注册手续费数据说明商超会员的记录（续表）。信息类型字段名称说明消费信息距上次消费天数/天自客户上次消费以来的天数酒类消费/元过去2年在酒类产品上花费的金额水果消费/元过去2年在水果类产品上花费的金额肉类消费/元过去2年在肉类产品上花费的金额鱼类消费/元过去2年在鱼类产品上花费的金额糖果消费/元过去2年在糖果类产品上花费的金额黄金消费/元过去2年在黄金产品上花费的金额折扣消费次数/次使用折扣消费的次数网站消费次数/次通过公司网站进行消费的次数APP消费次数/次通过公司APP进行消费的次数商店消费次数/次直接在商店进行消费的次数上月网站访问次数/次上个月访问公司网站的次数数据说明商超会员的记录（续表）。信息类型字段名称说明参加促销信息第一次促销如果客户参加了第一次促销活动，则为1，否则为0第二次促销如果客户参加了第二次促销活动，则为1，否则为0第三次促销如果客户参加了第三次促销活动，则为1，否则为0第四次促销如果客户参加了第四次促销活动，则为1，否则为0第五次促销如果客户参加了第五次促销活动，则为1，否则为0最近一次促销如果客户参加了最近一次促销活动，则为1，否则为0客诉信息是否投诉如果客户在过去2年内投诉，则为1，否则为0目标本案例的核心分析目标是明确客户分类逻辑与价值关联，帮助企业精准划分低价值客户与高价值客户，在此基础上，为不同价值群体设计个性化服务方案与营销策略，最终实现有限资源的高效利用，推动企业利润最大化。背景与目标数据探索与预处理分析与建模结果分析数据探索与预处理数据质量评估与预处理：对数据进行质量评估与预处理，包括数据描述性分析和清洗等步骤，以确保后续分析结果的准确可靠性。可视化分析：对客户基本信息、消费行为、消费渠道和客户满意度等方面进行可视化分析，展现数据间的关联和趋势，以理解客户行为和需求。相关性分析：通过相关性分析揭示不同变量之间的关联程度，以发现潜在的影响因素和规律，从而优化客户关系管理策略，提升服务质量和客户满意度。数据质量评估与预处理对商超客户详细数据集进行缺失值评估。数据预处理将客户出生年份信息转换为年龄信息。将客户注册日期信息转换为注册天数信息。由于入会费用和注册手续费均相同，对该两列进行剔除处理。可视化分析1.客户基本信息客户年龄：绘制柱状图分析商超客户的年龄情况客户基本信息客户年收入：绘制条形图分析商超客户的年收入情况客户基本信息客户受教育程度：绘制圆环图分析商超客户的受教育程度情况客户基本信息客户婚姻状况：绘制柱状图分析商超客户的婚姻状况可视化分析2.消费行为品类消费情况：绘制柱状图分析商超客户的品类消费状况消费行为参与促销情况：分析商超客户参与促销的情况可视化分析3.消费渠道绘制饼图分析客户的渠道来源可视化分析4.客户满意度绘制饼图分析客户的满意度和体验感受相关性分析1.相关性计算使用皮尔逊相关系数计算每对属性之间的相关性。绘制热力图：将相关系数转换成颜色来展示属性之间的相关性。相关性分析2.属性构造将热力图中颜色较深、相关性较强的属性进行综合。选取酒类、水果、肉类、鱼类、糖果、黄金消费这六个属性进行综合，以计算消费金额属性。选取网站购买次数、APP购买次数、商店购买次数这三个属性进行综合，以计算折扣消费比例。背景与目标数据探索与预处理分析与建模结果分析分析与建模商超客户价值分析模型的分析与建模主要包括以下2个部分。指标选取，本次分析以经典RFM模型为基础，针对商超客户消费特征与基础属性，扩展形成RFMPI模型，实现客户价值维度的全面覆盖。模型构建，基于RFMPI指标体系，采用0数据标准化→聚类数量确定→K-Means聚类”的流程构建模型，确保聚类结果的准确性与业务可解释性。指标选取1.RFM模型RFM模型是一种用于客户细分和分析的常用方法，它基于三个关键指标：最近一次消费、消费频率和消费金额。通过将客户按照这三个指标进行分组，可以更好地了解客户行为和价值。最近一次消费（Recency，R）：该指标衡量客户最近一次消费产品或服务的时间。消费频率（Frequency，F）：该指标衡量客户在一定时间范围内消费产品或服务的次数。消费金额（Monetary，M）：该指标衡量客户在一定时间范围内消费产品或服务的总金额。RFM模型在RFM模型中，一般将每个指标分成几个等级或分组。通过在这个空间中对客户进行定位，可以得到不同群体的客户特征和行为模式。RFM模型的主要应用。客户细分交叉销售和升级客户保持和回流分析与建模2.RFMPI模型将客户消费时间R、消费频率F、消费金额M、折扣消费比例P、年收入I五个特征作为商超客户价值特征，记为RFMPI模型，以便更全面地了解客户行为和价值。年收入：将客户的年收入作为一个附加维度，可以帮助企业了解客户的经济实力和消费能力。折扣消费比例：折扣消费比例表示客户使用折扣消费次数占总消费次数的比例。模型构建对商超客户进行聚类的过程如下。数据标准化：对选定的特征进行标准化处理，确保各个特征在相似的数值范围内，避免因为量纲不一致导致的聚类结果不准确。确定聚类数量K：根据业务需求和数据特点，确定要将客户分成的簇的数量K值。模型训练：利用K均值算法对标准化后的客户数据进行聚类，根据K值初始化质心，并迭代更新质心直至达到停止条件。聚类结果分析：根据聚类结果将客户分成不同的簇，每个簇代表一组具有相似消费特征的客户群体。模型构建肘方法（ElbowMethod）是一种常用的聚类分析中确定最佳聚类数的方法。它基于观察不同聚类数下的聚类误差平方和（SSE）变化情况，通过绘制聚类数与SSE的曲线，找到一个“肘点”，即曲线开始呈现拐点的位置，来确定最佳的聚类数。肘方法包括以下五个步骤。运行聚类分析计算SSE绘制肘曲线分析肘点选择最佳聚类数背景与目标数据探索与预处理分析与建模结果分析客户分群绘制客户分群雷达图进行分析类别0：可能代表了一组高价值客户或忠实客户类别1：可能代表了一组比较谨慎或预算有限的消费者类别2：可能代表了一组高价值客户或忠实客户类别3：这可能代表了一组潜在客户对比分析1.客户群人数绘制饼图分析各个客户群的人数占比情况对比分析2.客户群年龄绘制箱线图分析各客户群年龄的分布情况对比分析3.客户群年收入绘制箱线图分析各客户群年收入情况小结商超客户画像分析案例的总体流程包括以下三个关键步骤。通过对选定数据的详尽探索分析和预处理，利用数据质量评估、可视化分析