AI 智能营销数据分析：RFM + 聚类 + 推荐的全链路方案-Seo优化-塔城地区网站建设公司

AI 智能营销数据分析：RFM + 聚类 + 推荐的全链路方案

一、营销数据分析的三个阶段

做营销数据分析久了，你会发现大部分公司的营销分析都停留在"第一阶段"——算算 ROI、看看转化率、出个周报。但实际上，真正能驱动业务增长的营销分析应该走完三个阶段：

用户分层：谁是你的高价值用户？谁快流失了？谁还有挖掘潜力？
精准推荐：知道用户是谁之后，给他推什么产品/活动最有效？
效果闭环：推完之后，用户有没有转化？没转化的原因是什么？

这篇文章就把这三个阶段串起来，用一套"RFM + 聚类 + 推荐"的全链路方案，从数据到决策到执行，一气呵成。

为什么大多数公司的营销分析都停留在第一阶段？原因不是技术能力不够，而是组织惯性。用户分层需要数据分析师跑 SQL，精准推荐需要算法工程师训练模型，效果闭环需要产品和运营配合设计 AB 测试。三个阶段涉及三个角色，任何一个环节掉链子，整个链路就断了。RFM + 聚类的优势在于：数据分析师或熟练的 Python 工程师一个人就能跑通全流程，不需要专门的算法团队——K-Means 够用了。跑通一次链路后，用数据结果去说服业务方配合做 AB 测试，阻力会小得多。先用轻量方案快速出成果，再用成果推动深度合作，这是在资源有限情况下的最佳实践。

二、RFM 模型：经典但不过时

RFM（Recency 最近一次消费、Frequency 消费频率、Monetary 消费金额）是用户分层的经典模型，简单好用，解释性极强。

为什么 30 年前的 RFM 模型到今天仍然管用？因为这三个维度直接对应了消费行为的三个底层驱动力：Recency 衡量用户的"记忆热度"（刚买过的人最容易再次购买），Frequency 衡量"习惯程度"（买得越多越容易接着买），Monetary 衡量"投入程度"（花得越多越不会轻易离开）。这三件事不随行业变化，电商、游戏、SaaS、金融都适用。RFM 的另一个巨大优势是"可解释"——你对着老板说"这是一个 R=5, F=1, M=5 的用户"，老板可能听不懂；但你说"这个用户最近花了大钱但只买了一次"，老板立刻知道该怎么运营。**

import pandas as pd import numpy as np from datetime import datetime, timedelta from sklearn.preprocessing import StandardScaler from sklearn.cluster import KMeans import warnings warnings.filterwarnings('ignore') # ==================== 第1步：计算RFM指标 ==================== # 模拟交易数据 np.random.seed(42) n_users = 1000 transactions = pd.DataFrame({ 'user_id': np.random.choice([f'U{i:04d}' for i in range(1, n_users + 1)], 5000), 'order_date': pd.to_datetime([ datetime(2026, 7, 1) - timedelta(days=np.random.randint(0, 365)) for _ in range(5000) ]), 'order_amount': np.random.lognormal(mean=4.0, sigma=0.8, size=5000), # 对数正态分布模拟交易金额 'order_id': [f'ORD{i:06d}' for i in range(1, 5001)] }) # 设置分析基准日期（比如今天是2026-07-23） REFERENCE_DATE = datetime(2026, 7, 23) # 计算每个用户的RFM指标 rfm = transactions.groupby('user_id').agg( # Recency: 最近一次购买距离今天的天数（越小越好） recency=('order_date', lambda x: (REFERENCE_DATE - x.max()).days), # Frequency: 购买次数（越多越好） frequency=('order_id', 'count'), # Monetary: 总消费金额（越多越好） monetary=('order_amount', 'sum') ).reset_index() print("=== RFM指标统计 ===") print(rfm.describe()) # ---- 给RFM打分（1-5分制） ---- # 按分位数将每个指标分为5个等级 def rfm_score(series: pd.Series, ascending: bool = True) -> pd.Series: """ 将连续值映射到1-5的评分 参数: series: 需要评分的序列 ascending: True表示值越小分数越高（适用于Recency）， False表示值越大分数越高（适用于Frequency和Monetary） """ labels = [5, 4, 3, 2, 1] if ascending else [1, 2, 3, 4, 5] return pd.qcut(series, q=5, labels=labels, duplicates='drop').astype(int) rfm['R_score'] = rfm_score(rfm['recency'], ascending=True) # R: 越近分数越高 rfm['F_score'] = rfm_score(rfm['frequency'], ascending=False) # F: 越多分数越高 rfm['M_score'] = rfm_score(rfm['monetary'], ascending=False) # M: 越多分数越高 # RFM总分 rfm['RFM_score'] = rfm['R_score'] + rfm['F_score'] + rfm['M_score'] print(f"\n=== RFM评分分布 ===") print(rfm[['R_score', 'F_score', 'M_score', 'RFM_score']].describe())

三、K-Means 聚类：从 RFM 到用户画像

RFM 打分是一种粗分类，想得到更精细的用户画像，需要对 RFM 的原始值做聚类：

为什么不能直接用 RFM 打分，还要做 K-Means？RFM 打分的本质是"等分"——把用户按 R/F/M 三个维度分别切成 5 等份，然后组合出 125 种可能（5×5×5）。问题是：等分不反映数据的真实分布。如果 80% 的用户 Frequency=1（只买过一次），那你把"买过一次"的用户硬切成 5 组毫无意义。K-Means 的聚类是基于实际数据密度的——用户群在哪聚集，边界就在哪，不是人为硬分。另外，K-Means 前必须做 StandardScaler 标准化，原因是 recency（0-365 天）、frequency（1-50 次）、monetary（10-100000 元）这三个特征的量纲完全不同，如果不标准化，monetary 几乎会完全主导聚类结果，recency 和 frequency 的信息被淹没。这一点 90% 的新手会忽略，结果得出一个只有金额维度的分群。**

# ==================== 第2步：K-Means聚类 ==================== # 选择聚类特征：使用RFM原始值 cluster_features = rfm[['recency', 'frequency', 'monetary']].copy() # ---- 特征标准化（K-Means对尺度敏感） ---- scaler = StandardScaler() features_scaled = scaler.fit_transform(cluster_features) # ---- 确定最佳聚类数（手肘法） ---- # 计算不同K值下的SSE（误差平方和） sse_list = [] k_range = range(1, 11) for k in k_range: kmeans = KMeans(n_clusters=k, random_state=42, n_init=10) kmeans.fit(features_scaled) sse_list.append(kmeans.inertia_) # 找到手肘点（简化：选择SSE下降变缓的位置） # 实际项目中建议用轮廓系数（Silhouette Score）更严谨 # ---- 使用K=5进行聚类 ---- optimal_k = 5 kmeans = KMeans(n_clusters=optimal_k, random_state=42, n_init=10) rfm['cluster'] = kmeans.fit_predict(features_scaled) # ---- 分析每个聚类的特征，给分群命名 ---- cluster_profile = rfm.groupby('cluster').agg( avg_recency=('recency', 'mean'), avg_frequency=('frequency', 'mean'), avg_monetary=('monetary', 'mean'), user_count=('user_id', 'count'), avg_rfm_score=('RFM_score', 'mean') ).round(1) print("\n=== 聚类特征画像 ===") print(cluster_profile) # ---- 根据聚类特征自动打标签 ---- def label_cluster(row): """ 根据RFM均值给聚类打标签 判断逻辑： - 高Monetary + 高Frequency → 高价值用户 - 高Monetary + 低Frequency → 大单客户 - 低Monetary + 高Frequency → 活跃小客户 - 低Recency + 中低Frequency → 潜力用户（最近活跃但频次不高） - 高Recency + 低Frequency → 流失风险用户 """ r, f, m = row['avg_recency'], row['avg_frequency'], row['avg_monetary'] # 判断标准（相对于整体均值的比较） r_median = rfm['recency'].median() f_median = rfm['frequency'].median() m_median = rfm['monetary'].median() if m > m_median and f > f_median: return "高价值用户" elif m > m_median and f <= f_median: return "大单低频客户" elif m <= m_median and f > f_median: return "高频小单客户" elif r < r_median and f <= f_median: return "潜力新用户" else: return "流失风险用户" cluster_profile['segment_name'] = cluster_profile.apply(label_cluster, axis=1) # 将标签映射回用户表 segment_map = cluster_profile['segment_name'].to_dict() rfm['user_segment'] = rfm['cluster'].map(segment_map) print("\n=== 用户分群结果 ===") print(rfm['user_segment'].value_counts()) print(f"\n各分群人数占比：") for seg, count in rfm['user_segment'].value_counts().items(): print(f" {seg}: {count}人 ({count/len(rfm):.1%})")

四、个性化推荐：基于分群的协同过滤

有了用户分群之后，推荐就不再是盲目的了：

为什么分群推荐比全局统一推荐效果好得多？全局推荐的问题是"平均化"——对所有用户推一样的东西，结果是高价值用户觉得"太 low"、新用户觉得"太贵"、流失用户无感。分群推荐的核心逻辑是：同群用户有相似的消费能力和偏好。高价值用户群里的用户 A 买了某款高端产品，用户 B 很可能也会感兴趣——即使他们俩的历史行为完全不同。这就是"分群协同过滤"比"全局协同过滤"更精准的原因。更进一步，不同群的推送文案也该不同：高价值用户看到"为您臻选"会觉得被尊重，流失用户看到"好久不见，送你一张优惠券"才会点开。一句话总结：精准的秘密不在算法复杂度，而在"谁"收到"什么"的匹配度。

# ==================== 第3步：基于分群的推荐策略 ==================== class SegmentBasedRecommender: """ 基于用户分群的推荐引擎 根据不同用户群的特性，采用差异化的推荐策略 """ # 各分群的推荐策略 SEGMENT_STRATEGIES = { "高价值用户": { "priority": "vip_exclusive", # 优先推VIP专属/高客单价商品 "price_range": (200, 10000), # 价格区间 "discount_sensitivity": "low", # 对折扣不敏感，更关注品质 "channel": "push + sms", # 推送渠道 "message": "为您臻选的品质好物" # 文案风格 }, "大单低频客户": { "priority": "similar_upsell", # 推相似品类的高端款（升单） "price_range": (100, 5000), "discount_sensitivity": "medium", "channel": "sms + in_app", "message": "基于您的偏好，这些好物值得一试" }, "高频小单客户": { "priority": "bundle_deal", # 推组合套餐/凑单优惠 "price_range": (10, 200), "discount_sensitivity": "high", # 凑单敏感，适合推满减 "channel": "in_app + coupon", "message": "凑单满99减20，这些好物加购立减" }, "潜力新用户": { "priority": "new_user_bundle", # 推新人专享/入门爆款 "price_range": (10, 300), "discount_sensitivity": "high", "channel": "push + coupon", "message": "新人专属福利，首单立减30元" }, "流失风险用户": { "priority": "recall_coupon", # 推大额召回优惠券 "price_range": (10, 500), "discount_sensitivity": "very_high", "channel": "sms + push", "message": "好久不见，送你一张50元优惠券" }, } def get_strategy(self, user_segment: str) -> dict: """根据用户分群获取推荐策略""" return self.SEGMENT_STRATEGIES.get( user_segment, self.SEGMENT_STRATEGIES["潜力新用户"] # 默认策略 ) def generate_recommendations(self, user_id: str, user_segment: str, user_history: list, top_n: int = 5) -> list: """ 生成个性化推荐列表 参数: user_id: 用户ID user_segment: 用户分群标签 user_history: 用户历史购买商品ID列表 top_n: 推荐数量 """ strategy = self.get_strategy(user_segment) # 实际生产环境中，这里会调用协同过滤或内容推荐算法 # 简化示意： recommendations = [] priority = strategy['priority'] price_range = strategy['price_range'] # 根据策略筛选候选商品 # （实际会用向量检索或矩阵分解） # ... return { 'user_id': user_id, 'segment': user_segment, 'strategy': priority, 'message': strategy['message'], 'channel': strategy['channel'], 'candidates': recommendations # 推荐商品列表 } # ---- 使用示例 ---- recommender = SegmentBasedRecommender() # 为不同分群的用户生成推荐 test_users = [ ("U0001", "高价值用户"), ("U0500", "流失风险用户"), ("U0800", "潜力新用户"), ] print("\n=== 个性化推荐策略 ===") for uid, seg in test_users: result = recommender.generate_recommendations(uid, seg, user_history=[]) print(f"\n{uid} ({seg}):") print(f" 推荐策略: {result['strategy']}") print(f" 推送文案: {result['message']}") print(f" 推送渠道: {result['channel']}")

踩坑提醒

坑1：RFM 基准日期选错导致用户分群全歪— 如果你用"今天"作为基准日期来计算 Recency，但你的交易数据只到 3 天前（数据延迟），那么所有用户的 Recency 都会多了 3 天。高价值用户可能因此被错分到流失风险群。基准日期应该是"数据的最新日期"而不是代码的执行日期。
坑2：K-Means K 值拍脑袋选 5— 手肘法虽然简单，但很多数据集的肘点并不明显。真正的金标准是轮廓系数（Silhouette Score）和业务可解释性的折中。K=5 是一个经验值，但如果轮廓系数在 K=6 时明显更高，就应该用 K=6。
坑3：聚类标签生成后不验标，直接推给运营— 自动打的标签（如"潜力新用户"）跑出来后，必须人工抽样验标，确认标签和实际用户画像一致。否则运营按错误标签发了错误优惠券，效果为负还伤了用户体验。