原來用Python實作行銷RFM model，可以那麼簡單！-【附Python程式碼】

先前的文章「常貴客？新客？ 讓RFM模型簡簡單單解釋一切！（附實現程式碼）」，得到廣大的回響，甚至受到許多公司的參考及採用，非常謝謝您的肯定。

更多免費文章

而在RFM Model的課程中，有學員提到，公司也想導入RFM，並且要以Python進行編寫，因為上述文章是以R語言為基礎，而目前市面上並沒有以Python實作RFM的程式碼，因此本文以Python為主要語言進行RFM實作。在開始程式編即之前，就讓我們來解析資料內容。

資料欄位

RFM存在至今已過半百，為何大家仍想要引進呢？

因為RFM只需要基本的銷售資料，就能做出強大的顧客分群，等同於市場區隔（Segmentation），且邏輯清晰明瞭。一般的CRM資料一定有有購買者ID、銷售ID、購買時間、購買金額，這麼少的欄位若要進行機器學習其實誤差值是非常大的，這時候RFM就派上用場了，因此本按例就預設以最少的資料欄位進行分析。

以下資料為單一顧客的購買數據，是一般銷售數據經過整理後所得的，欄位recency、frequency、recency_cate、frequency_cate是利用orderdate計算出來的，引此嚴格來說這筆資料只有三個欄位，竟然就能做出RFM！

1. clientId：顧客編號。
2. orderdate：顧客最後一次來購買的日期
3. recency（近因）：上一次購買與今天相差天數。
4. gender：性別。人口變數資料，有的話更能細部分析顧客類群。
5. frequency（頻率）：從顧客第一次來開始，到目前共來過幾次。
6. recency_cate：近因天數。
7. frequency_cate：頻率天數。
8. 購買量：該顧客的總購買量。