基于RFM模型对借贷App用户分层分析案例

最新推荐文章于 2024-11-04 19:20:07 发布

Promise july

最新推荐文章于 2024-11-04 19:20:07 发布

阅读量2.9k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：用户分层文章标签： python 数据分析机器学习数据挖掘

本文链接：https://blog.youkuaiyun.com/qq_39566681/article/details/105517967

该案例通过LRFM模型（注册使用APP天数L、距今还款未复贷天数R、借款成功次数F、借款成功总金额M）对借贷App用户进行聚类分析，分为5类用户群体。重要保持用户和重要发展客户占比较高，普通价值和低价值客户占比较低。针对不同群体，提出了发放不同金额优惠券的策略，以提高用户活跃度和留存率。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、目的

1、根据还款未复贷老户的借贷数据，对老户进行群体分类；
2、对不同的客户群体进行特征分析，以便于定向营销。

二、分析过程

1、分析思路
数据包含了2018年4月13日至2020年4月9日期间的客户数据，共有22014条记录。在RFM模型的基础上，增加了注册使用App天数这一指标用于客户分群与价值分析，得到本次的LRFM模型，变量解释如下：
L：注册使用APP天数。客户注册日期至观测结束日期的间隔。
R：距今还款未复贷天数。客户最近的成功还款日期至观测结束日期的间隔。
F：借款成功次数。观测时间内客户借款成功次数。
M：借款成功总金额。观测时间内客户借款成功总金额。

2、数据提取及处理
（1）从数据库中提取需要的注册使用APP天数、距今还款未复贷天数、借款成功次数、借款成功总金额等数据，并排除掉黑名单、被关小黑屋及电话已注销的用户。
（2）可以查看下数据的最大最小值、平均值、方差等描述性统计量，及查看缺失值、异常值等情况。

3、数据标准化
由于变量量纲不同，对数据进行标准差标准化，具体实现如下：

#-*- coding: utf-8 -*-
import pandas as pd
inputfile = 'D:/data/classification/old_user.xlsx' #需要进行标准化的数据文件
outputfile = 'D:/data/save/zscore_old_user.xlsx' #需要进行标准化的数据文件
data = pd.read_excel(inputfile)
data = (data - data.mean(axis = 0))/(data.std(axis = 0))  #标准化处理
data.columns=['Z_'+i for i in data.columns]  #表头重命名
data.to