一、项目背景 & 业务问题

  1. 业务场景：电商用户运营

  2. 核心问题：谁是高价值客户？用户有什么特征？如何差异化营销？

  3. 解决方案：经典 RFM 用户分层模型

二、数据准备

  1. 数据表结构说明

  2. orders 订单主表（核心分析表）
    字段名 数据类型 说明
    order_id varchar(255) 订单唯一 ID
    user_id varchar(255) 用户 ID，关联用户表
    product_id varchar(255) 商品 ID，关联商品表
    quantity varchar(255) 购买数量
    order_date varchar(255) 下单时间
    order_status varchar(255) 订单状态（已完成 / 已付款 / 已收货等）
    payment_method varchar(255) 支付方式
    unit_price varchar(255) 商品单价
    total_amount varchar(255) 订单总金额
    discount varchar(255) 优惠金额
    actual_payment varchar(255) 实付金额（RFM 模型 M 指标）
    delivery_date varchar(255) 发货时间
    receive_date varchar(255) 收货时间
    review_score varchar(255) 评价评分
    review_content varchar(255) 评价内容
  3. users 用户基础信息表
    字段名 数据类型 说明
    user_id varchar(255) 用户唯一 ID
    age varchar(255) 用户年龄
    gender varchar(255) 用户性别
    province varchar(255) 所在省份
    city varchar(255) 所在城市
    registration_date varchar(255) 注册时间
    member_level varchar(255) 会员等级
    account_balance varchar(255) 账户余额
    credit_score varchar(255) 信用评分
  4. user_features 用户特征统计表
    字段名 数据类型 说明
    user_id varchar(255) 用户唯一 ID
    total_spent varchar(255) 累计消费总额
    order_count varchar(255) 累计订单数
    completed_orders varchar(255) 已完成订单数
    avg_order_amount varchar(255) 平均订单金额
    browse_count varchar(255) 累计浏览次数
    click_count varchar(255) 累计点击次数
    favorite_count varchar(255) 累计收藏次数
    cart_count varchar(255) 累计加购次数
    days_since_last_order varchar(255) 距离上次下单天数
    order_frequency varchar(255) 下单频率
    repurchase_indicator varchar(255) 复购标识
    purchase_intent varchar(255) 购买意向
    consumption_level varchar(255) 消费等级
    member_level_score varchar(255) 会员等级评分
  5. products 商品基础信息表
    字段名 数据类型 说明
    product_id varchar(255) 商品唯一 ID
    product_name varchar(255) 商品名称
    category varchar(255) 商品分类
    brand varchar(255) 商品品牌
    price varchar(255) 商品单价
    sales_count varchar(255) 累计销量
  6. product_features 商品特征统计表
    字段名 数据类型 说明
    product_id varchar(255) 商品唯一 ID
    total_revenue varchar(255) 累计营收
    total_sales varchar(255) 累计销量
    completed_count varchar(255) 已完成订单数
    cancel_count varchar(255) 取消订单数
    加购_count varchar(255) 累计加购次数
    收藏_count varchar(255) 累计收藏次数
    浏览_count varchar(255) 累计浏览次数
    点击_count varchar(255) 累计点击次数
    conversion_rate varchar(255) 转化率
    avg_review_score varchar(255) 平均评价评分
    popularity_score varchar(255) 商品热度评分
  7. user_behaviors 用户行为日志表
    字段名 数据类型 说明
    behavior_id varchar(255) 行为记录 ID
    user_id varchar(255) 用户 ID
    product_id varchar(255) 商品 ID
    behavior_type varchar(255) 行为类型（浏览 / 点击 / 收藏 / 加购等）
    behavior_time varchar(255) 行为发生时间
    duration_seconds varchar(255) 行为持续时长（秒）
    orders 订单表是本次 RFM 分析的核心数据源，其中 actual_payment、order_date、order_id 分别对应 M、R、F 三个核心指标。

  8. 开发环境：Python + MySQL + Pandas + Matplotlib

三、整体分析流程

数据采集 → 数据清洗 → 探索分析 → RFM 指标计算 → 用户分层 → 用户画像 → 可视化 → 业务策

四、代码实现

  1. 环境与数据库配置
    # 1. 导入依赖库 + 全局环境配置
from datetime import datetime
import pymysql
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
# 全局关闭所有警告（字体、运行警告等，保证界面整洁）
warnings.filterwarnings("ignore")

# 2.Matplotlib 中文乱码 + 负号显示配置
# 解决Python绘图中文方框、负数不显示问题（Windows系统通用配置）
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'PingFang SC', 'Arial Unicode MS']
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['axes.unicode_minus'] = False  

# 3. 数据库连接配置（MySQL）
DB_CONFIG = {
    "host": "localhost",    # 数据库地址（本地固定localhost）
    "user": "root",         # MySQL账号
    "password": "************",  # MySQL密码
    "database": "taobao_analysis", # 数据库名
    "charset": "utf8mb4"    # 字符集（支持表情、特殊字符）
}
# 创建数据库连接函数
def create_conn():
    conn = pymysql.connect(**DB_CONFIG)
    return conn

# 4. 通用工具函数封装
def read_sql_data(sql):
    """执行SQL查询，返回DataFrame数据表"""
    conn = create_conn()
    df = pd.read_sql(sql, conn)
    conn.close()
    return df
  2. 数据采集
    def clean_column_names(df):
    """清洗列名：移除隐藏字符、去除首尾空格"""
    df.columns = [col.replace("\ufeff", "").strip() for col in df.columns]
    return df

# 1）订单主表（核心表，计算RFM唯一数据源）
sql_orders = "SELECT * FROM orders"
df_orders = read_sql_data(sql_orders)
df_orders = clean_column_names(df_orders)

# 2）用户基础信息表（年龄、性别、城市、会员等级等画像）
sql_users = "SELECT * FROM users"
df_users = read_sql_data(sql_users)
df_users = clean_column_names(df_users)

# 3）用户特征统计表（客单价、浏览量、复购指标等）
sql_user_feat = "SELECT * FROM user_features"
df_user_feat = read_sql_data(sql_user_feat)
df_user_feat = clean_column_names(df_user_feat)

# 4）商品相关表 + 用户行为表（备用，本次RFM分析暂不使用）
sql_products = "SELECT * FROM products"
df_products = read_sql_data(sql_products)
df_products = clean_column_names(df_products)

sql_prod_feat = "SELECT * FROM product_features"
df_prod_feat = read_sql_data(sql_prod_feat)
df_prod_feat = clean_column_names(df_prod_feat)

sql_user_behavior = "SELECT * FROM user_behaviors"
df_user_behavior = read_sql_data(sql_user_behavior)
df_user_behavior = clean_column_names(df_user_feat)

# 输出数据体量，做基础盘点
print(f"订单表原始数据量：{len(df_orders)} 条")
print(f"用户表原始数据量：{len(df_users)} 条")

  3. 数据清洗
    清洗目标：去重、过滤无效订单、异常值处理、缺失值处理、字段类型转换
清洗逻辑：只保留【已完成】有效订单，剔除脏数据
    # 复制原表，避免修改原始数据
df_orders_clean = df_orders.copy()

# 查看清洗前列名、数据类型、缺失值
print("\n===== 清洗前字段类型 =====")
print(df_orders_clean.dtypes)
print("\n===== 清洗前缺失值统计 =====")
print(df_orders_clean.isnull().sum())

    # 7.1 字段类型转换：文本转数值、文本转时间
# 数值字段：数量、单价、金额、折扣、评分
num_cols = ["quantity", "unit_price", "total_amount", "discount", "actual_payment", "review_score"]
for col in num_cols:
    df_orders_clean[col] = pd.to_numeric(df_orders_clean[col], errors="coerce")

# 时间字段：下单时间、发货时间、收货时间
time_cols = ["order_date", "delivery_date", "receive_date"]
for col in time_cols:
    df_orders_clean[col] = pd.to_datetime(df_orders_clean[col], errors="coerce")

# 7.2 数据去重：根据订单唯一ID去重，删除重复订单
df_orders_clean = df_orders_clean.drop_duplicates(subset=["order_id"], keep="first")

# 7.3 过滤无效数据：只保留 已完成 订单（取消/待支付订单无分析价值）
df_orders_clean = df_orders_clean[df_orders_clean["order_status"] == "已完成"]

# 7.4 过滤异常值：实付金额不能为负数
df_orders_clean = df_orders_clean[df_orders_clean["actual_payment"] >= 0]

# 7.5 缺失值处理：核心字段为空直接删除（用户ID、下单时间、实付金额）
key_cols = ["user_id", "order_date", "actual_payment"]
df_orders_clean = df_orders_clean.dropna(subset=key_cols)

print("\n===== 清洗后字段类型 =====")
print(df_orders_clean.dtypes)
print("\n===== 清洗后缺失值统计 =====")
print(df_orders_clean.isnull().sum())

# 输出清洗前后数据对比
print(f"\n清洗前订单数据：{len(df_orders)} 条")
print(f"清洗后有效订单数据：{len(df_orders_clean)} 条")

  4. EDA 探索分析
    作用：掌握整体订单规模、时间范围、平均消费，为后续分层做铺垫
    # 统计订单时间跨度
min_order_time = df_orders_clean["order_date"].min()
max_order_time = df_orders_clean["order_date"].max()
print(f"订单统计时间范围：{min_order_time} ~ {max_order_time}")

# 整体消费指标：总交易额、单订单平均金额
total_pay = df_orders_clean["actual_payment"].sum()
avg_pay = df_orders_clean["actual_payment"].mean()
print(f"平台累计交易总额：{total_pay:.2f} 元")
print(f"单订单平均实付金额：{avg_pay:.2f} 元")

  5. RFM 指标计算
     R(Recency)：最近一次消费距离当前的天数 → 越小=用户越活跃
 F(Frequency)：统计周期内有效订单数 → 越大=消费频次越高
 M(Monetary)：累计实付总金额 → 越大=消费能力越强
    # 按用户分组，聚合计算R/F/M
df_rfm = df_orders_clean.groupby("user_id").agg(
    Recency=("order_date", lambda x: (now_date - x.max()).days),  # 最近消费天数
    Frequency=("order_id", "nunique"),                            # 消费频次（订单数）
    Monetary=("actual_payment", "sum")                            # 累计消费金额
).reset_index()

# 简化列名，方便后续使用
df_rfm.rename(columns={"Recency":"R", "Frequency":"F", "Monetary":"M"}, inplace=True)

# 输出RFM结果预览
print("RFM指标数据预览（前5行）：")
print(df_rfm.head())
print(f"参与统计有效用户总数：{len(df_rfm)} 人")

  6. RFM五档打分 + 用户分层（核心建模环节）
     业务规则：
 1. R：天数越小越活跃 → 倒序打分 5~1分
 2. F/M：数值越大价值越高 → 正序打分 1~5分
 技术方案：使用百分比排名rank，解决重复值导致分箱报错问题
 分层规则：8大类经典用户分层模型
    # R打分
df_rfm["R_pct"] = df_rfm["R"].rank(pct=True, ascending=False)
df_rfm["R_score"] = pd.cut(df_rfm["R_pct"], bins=5, labels=[5,4,3,2,1])

# F打分
df_rfm["F_pct"] = df_rfm["F"].rank(pct=True, ascending=True)
df_rfm["F_score"] = pd.cut(df_rfm["F_pct"], bins=5, labels=[1,2,3,4,5])

# M打分
df_rfm["M_pct"] = df_rfm["M"].rank(pct=True, ascending=True)
df_rfm["M_score"] = pd.cut(df_rfm["M_pct"], bins=5, labels=[1,2,3,4,5])

# 拼接RFM分数编码（辅助标识）
df_rfm["RFM_code"] = df_rfm["R_score"].astype(str) + df_rfm["F_score"].astype(str) + df_rfm["M_score"].astype(str)
    def get_user_segment(row):
    r = row["R_score"]
    f = row["F_score"]
    m = row["M_score"]
    if r >= 4 and f >= 4 and m >= 4:
        return "重要价值客户"
    elif r >= 4 and f <= 2 and m >= 4:
        return "重要流失客户"
    elif r <= 2 and f >= 4 and m >= 4:
        return "重要挽留客户"
    elif r <= 2 and f <= 2 and m >= 4:
        return "重要唤回客户"
    elif r >= 4 and f >= 4 and m <= 2:
        return "一般活跃客户"
    elif r >= 4 and f <= 2 and m <= 2:
        return "一般流失客户"
    elif r <= 2 and f >= 4 and m <= 2:
        return "一般挽留客户"
    else:
        return "低价值客户"

# 执行全量用户分层
df_rfm["user_segment"] = df_rfm.apply(get_user_segment, axis=1)
    segment_stat = df_rfm["user_segment"].value_counts().reset_index()
segment_stat.columns = ["用户分层", "用户数量"]
segment_stat["占比(%)"] = round(segment_stat["用户数量"] / len(df_rfm) * 100, 2)

# 输出分层结果
print("===== 各用户分层人数 & 占比统计 =====")
print(segment_stat)

  7. 用户画像分析（特征解读）
     关联表：RFM分层表 + 用户基础表 + 用户特征表
 分析维度：分层群体的RFM均值、平均客单价、性别分布
    # 清洗关联主键user_id，保证三表匹配一致
df_rfm = clean_column_names(df_rfm)
key_col = "user_id"
df_rfm[key_col] = df_rfm[key_col].astype(str).str.strip()
df_users[key_col] = df_users[key_col].astype(str).str.strip()
df_user_feat[key_col] = df_user_feat[key_col].astype(str).str.strip()

# 左连接：保留所有分层用户，匹配用户属性
df_user_all = pd.merge(df_rfm, df_users, on=key_col, how="left")
df_user_all = pd.merge(df_user_all, df_user_feat, on=key_col, how="left")

# 客单价字段类型转换（支持数值计算）
df_user_all["avg_order_amount"] = pd.to_numeric(df_user_all["avg_order_amount"], errors="coerce")

# 1）各分层RFM指标均值（核心价值特征）
portrait_rfm = df_user_all.groupby("user_segment")[["R", "F", "M"]].mean(numeric_only=True).round(2)
print("===== 各分层RFM指标均值 =====")
print(portrait_rfm)

# 2）各分层平均客单价
portrait_order = df_user_all.groupby("user_segment")["avg_order_amount"].mean(numeric_only=True).round(2)
print("\n===== 各分层平均客单价 =====")
print(portrait_order)

# 3）各分层性别分布占比
gender_dist = pd.crosstab(df_user_all["user_segment"], df_user_all["gender"], normalize="index")
print("\n===== 各分层性别占比(%) =====")
print(round(gender_dist * 100, 2))

  8. 数据可视化
    fig = plt.figure(figsize=(18, 8))

# 子图1：各分层用户数量柱状图
ax1 = plt.subplot(2, 2, 1)
ax1.bar(segment_stat["用户分层"], segment_stat["用户数量"])
ax1.set_title("各价值分层用户数量分布", fontsize=12)
ax1.tick_params(axis="x", rotation=45)

# 子图2：各分层RFM指标均值对比折线图
ax2 = plt.subplot(2, 2, 2)
portrait_rfm.plot(kind="line", marker="o", ax=ax2)
ax2.set_title("各分层RFM指标均值对比", fontsize=12)
ax2.tick_params(axis="x", rotation=45)

# 子图3：用户分层占比饼图
ax3 = plt.subplot(2, 2, 3)
ax3.pie(segment_stat["用户数量"], labels=segment_stat["用户分层"], autopct="%1.1f%%")
ax3.set_title("用户分层整体占比饼图", fontsize=12)

plt.tight_layout()
plt.show()

五、业务结论 & 运营策略

  1. 各分层用户特征总结

  • 重要价值客户 最近消费时间近、下单频次高、累计消费金额高，是平台消费能力与活跃度双优的核心群体。该类用户会员等级普遍偏高，客单价高于整体平均水平，对平台认可度强，复购意愿稳定。

  • 重要流失客户 消费总额处于高位，具备极强消费潜力，但近期不再产生订单，用户活跃度大幅下滑。属于 “高价值沉睡用户”，一旦持续流失会直接影响平台营收规模。

  • 重要挽留客户 历史消费金额高、下单频次稳定，但最近消费间隔拉长，活跃度开始下降。用户还未彻底流失，处于摇摆阶段，是重点挽留对象。

  • 重要唤回客户 过往消费能力突出，但长期未在平台消费，属于深度沉睡的高价值用户。用户基数通常较少，但单用户价值极高，唤醒后可快速贡献营收。

  • 一般活跃客户 近期下单频繁、活跃度拉满，但累计消费金额偏低，客单价处于下游。这类用户基数大、粘性尚可，但消费潜力未被挖掘。

  • 一般流失客户 活跃度和消费能力均偏低，且近期已停止下单。用户本身价值有限，流失对平台影响较小。

  • 一般挽留客户 有固定复购习惯，活跃度小幅下降，整体消费金额不高。属于平台常规存量用户，增长空间有限。

  • 低价值客户 消费频次、消费金额、近期活跃度三项指标均垫底，多为一次性尝鲜用户，几乎无法为平台创造有效收益。

  1. 八大群体差异化营销策略

  • 重要价值客户 定位：核心营收支柱。推出专属会员权益、积分加倍、新品优先购、专属客服服务；搭建私域社群，定期推送定制化内容与福利，最大化提升用户留存与生命周期价值。

  • 重要流失客户 定位：高价值召回对象。定向推送大额专属优惠券、爆款组合套餐，采用短信、站内信多渠道触达；针对高等级用户可进行人工回访，了解流失原因，提升召回成功率。

  • 重要挽留客户 定位：重点防流失群体。推送短期复购券、续购立减活动，结合其历史消费偏好做商品推荐；通过会员积分提醒、权益到期提醒等方式，刺激用户继续下单。

  • 重要唤回客户 定位：沉睡高价值用户。搭配 “满减 + 限时折扣” 组合福利，推送平台经典爆款商品；采用低成本批量触达方式唤醒，控制营销成本的同时撬动存量价值。

  • 一般活跃客户 定位：增量潜力群体。主打搭配购、加价购、组合套餐，引导用户增加购买品类与购买数量，拉高客单价；利用高频活动持续维持用户活跃度。

  • 一般流失客户 定位：低优先级群体。仅推送平台通用普惠优惠券，不投入高额人力、物料成本，以轻量化运营为主。

  • 一般挽留客户 定位：常规存量用户。引导用户升级会员体系，推荐高性价比引流商品；以基础福利维持复购，不做深度营销投入。

  • 低价值客户 定位：边缘用户。仅参与平台全平台常规活动推送，严控营销资源投入，避免资源浪费。

  1. 整体运营建议
  • 资源倾斜：将核心营销资源、优质活动、专属权益优先向重要价值客户倾斜，守住平台基本盘。
  • 攻坚破局：把重要流失、重要挽留两类高价值风险用户作为短期运营攻坚重点，制定专项召回、挽留活动，减少优质用户流失。
  • 挖掘增量：依托庞大的一般活跃客户群体，通过套餐营销、场景化推荐等方式提升客单价，打造营收第二增长曲线。
  • 成本管控：对低价值、低潜力用户简化运营流程，减少不必要的营销投放，提升整体投入产出比。
  • 长效监控：建立 RFM 分层定期复盘机制，按月 / 周更新用户分层数据，跟踪群体流转情况（如活跃用户变流失用户），及时调整运营策略。

六、项目总结

RFM 是电商、零售、会员行业经典的用户分层模型，本次项目借助该模型完成用户价值细分，解决了“分不清用户价值、运营一刀切”的行业痛点。 通过 R(最近消费)、F(消费频次)、M(消费金额) 三个核心维度，量化每一位用户的活跃度与消费能力，实现从 “粗放式运营” 到 “精细化运营” 的转变。同时模型逻辑简单、落地成本低，可长期复用在用户运营、活动营销、会员管理等业务场景中。

# pandas # matplotlib # numpy # conda # python
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

WalkingLab 组织入驻 AtomGit，释放高校智能体开源科研成果

avatar AtomGit开源社区
cover

全球首个！京东全栈开源JoyAI-VL-Interaction，让大模型从“一问一答”走向“边看边说”

avatar AtomGit开源社区
cover

海外动态代理行业彻底换代，AI 数据时代新标准已到来

avatar AtomGit开源社区