[Kaggle] 이커머스 데이터 분석 3 (CRM Analytics 🛍️🛒)

본 포스팅은 이커머스 데이터 분석 1, 2와 이어집니다.

전처리까지 끝낸 데이터로  RFM 분석을 해보자.

 

 

RFM 이란?

• "Recency, Frequency, Monetary"의 약어로, 고객 세그먼테이션 및 고객 분석에 사용되는 중요한 개념이다.
• 이 세 가지 지표는 고객의 구매 행동 및 가치를 측정하는 데 사용된다.

---

RFM 값 구하기

• Recency를 구하기 위해서는 마지막 구매일로부터 지금까지 지난 날짜를 알아야 한다. 
• 송장날짜의 최댓값으로 마지막 구매일을 구할 수 있다.

print(df['InvoiceDate'].max())

2011-12-09 12:50:00

 

• datetime을 이용하여 기준 날짜를 선정한다.
• 고객 ID를 기준으로 그룹화를 진행한다.
  • 이때, 송장날짜는 기준 날짜와의 차이를 계산하여 일 수를 계산하여 반환하도록 한다.
  • 송장번호는 고윳값을 반환하여, 총 몇 회 구매했는지(frequency)를 알 수 있도록 한다.
  • 마지막으로 Monetary를 구하기 위해 TotalPrice는 모두 합해준다.

import datetime as dt

# today_date 변수에는 2011년 12월 11일을 나타내는 datetime 객체가 저장
today_date = dt.datetime(2011, 12, 11)

rfm = df.groupby('CustomerID').agg({'InvoiceDate': lambda x : (today_date - x.max()).days,    #시간 간격을 일(day)로 표현:마지막 구매일로부터 지난 일수
                                   'InvoiceNo' : lambda x : x.nunique(),    # 총 몇 번 구매했는지
                                    'TotalPrice' : lambda x : x.sum()    # 총 누적 구매 금액
                                   })
rfm

 

• 칼럼명을 변경하고
• 총 주문 금액이 0 보다 큰 값만 필터링하고, 인덱스를 정리해 준다.

rfm.columns = ['recency', 'frequency', 'monetary']

rfm = rfm[rfm['monetary'] > 0]
rfm = rfm.reset_index()
rfm.head()

 

RFM Scores 구하기

• 이제 앞서 구한 값들로 RFM 점수를 구해보자. 함수를 정의할 것이다.
• pd.qcut()을 이용해서, 구간 별로 데이터 개수가 균일하게 포함되도록 한다.
• recency_score : 5개 구간으로 나누되, 값이 클수록 좋지 않으므로(최종 구매일로부터 많은 시간이 흐름) 역순으로 Label을 지정한다.
• frequency_score : frequency열의 순위를. rank()로 계산하되, method의 매개변수를 first로 설정하여 동일한 값이 있다면 먼저 나타난 값에 더 높은 순위를 할당한다. (고객의 구매 빈도가 같다면, 먼저 나타난 고객이 더 높은 순위)
  • 이때 자주 방문한 고객이 우선되므로 label은 1부터 지정
• monetary_score : 5 구간으로 나누되, 값이 클수록(구매 금액이 큼) 우선되므로 label을 1부터 지정
• RFM_SCORE : 위에서 구한 컬럼 값을 더해준다.(R과 F만)

def get_rfm_scores(df):
    
    df_ = df.copy()
    
    df_['recency_score'] = pd.qcut(df_['recency'], 5, labels = [5, 4, 3, 2, 1])    #가장 낮은 값이 1
    df_['frequency_score'] = pd.qcut(df_['frequency'].rank(method = 'first'), 5, labels = [1, 2, 3, 4, 5])
    df_['monetary_score'] = pd.qcut(df_['monetary'], 5, labels = [1, 2, 3, 4, 5])
    
    df_['RFM_SCORE'] = df_['recency_score'].astype(str) +  df_["frequency_score"].astype(str)
    
    return df_

 

🚀 함수를 적용

rfm = get_rfm_scores(rfm)
rfm