【SPSS】基于RFM+Kmeans聚类的客户分群分析（文末送书）

🤵‍♂️ 个人主页：@艾派森的个人主页

✍🏻作者简介：Python学习者
🐋 希望大家多多支持，我们一起进步！😄
如果文章对你有帮助的话，
欢迎评论 💬点赞👍🏻 收藏 📂加关注+

---

目录

1.项目背景

2.项目简介

2.1分析目标

2.2数据说明

2.3技术工具

3.算法理论

3.1聚类

3.2 RFM模型

4.实验过程

4.1数据探索

4.2构建RFM模型

4.3聚类分群

5.总结

文末推荐与福利

---

1.项目背景

        随着行业竞争越来越激烈，商家将更多的运营思路转向客户。例如，购物时，常常被商家推荐扫码注册会员;各种电商平台也推出注册会员领优惠券等推销政策，而这些做法都是为了积累客户，以便对客户进行分析。

       那么，在商家积累的大量的客户交易数据中，如何根据客户历史消费记录分析不同客户群体的特征和价值呢?例如，了解哪些是重要保持客户、哪些是发展客户、哪些是潜在客户，从而针对不同客户群体定制不同的营销策略，实现精准营销、降低营销成本，提高销售业绩，使企业利润最大化。例如，淘宝电商客户繁多，消费行为复杂，客户价值很难人工评估，并对客户进行分类，这就霸要通过科学的分析方法评估客户价值，实现智能客户分类，快速定位客户、当然，也要清醒地认识到，即便是预测的客户价值较高，也只能说明其购买潜力较高，同时必须结合实际与客户互动，推动客户追加购买、交叉购买才是电商努力的方向。

2.项目简介

2.1分析目标

随着行业竞争越来越激烈，商家将更多的运营思路转向客户，客户是企业生存的关键，能够把握住客户就能够掌控企业的未来。客户的需求是客户消费的最直接原因，因此我们主要研究以下问题：

1）企业如何细分客户；

2）哪些是重要的保持客户 ；

3）哪些是发展客户；

4）哪些是潜在客户。

从而针对不同客户群体定制不同的营销策略，使企业利润最大化。

2.2数据说明

     实验使用从网络获取的客户数据集进行分析，数据集中共有2417行，4列数据。我们的目标就是细分客户，从而针对不同客户群体定制不同的营销策略，使企业利润最大化。

2.3技术工具

本次实验主要使用SPSS软件实现KMeans聚类算法和RFM模型。

3.算法理论

3.1聚类

        聚类，即将物理或抽象对象的集合分成由类似的对象组成的多个类的过程。由聚类所生成的簇是一组数据对象的集合，这些对象与同一个簇中的对象彼此相似，与其他簇中的对象相异。聚类分析又称群分析，它是研究（样品或指标）分类问题的一种统计分析方法。聚类分析起源于分类学，但是聚类不等于分类。聚类与分类的不同在于，聚类所要求划分的类是未知的。聚类分析内容非常丰富，有系统聚类法、有序样品聚类法、动态聚类法、模糊聚类法、图论聚类法、聚类预报法等。在数据挖掘中，聚类也是很重要的一个概念。传统的聚类分析计算方法主要有划分方法、层次方法、基于密度的方法、基于网格的方法、基于模型的方法五种。

3.2 RFM模型

R:最近消费时间间隔，表示客户最近一次消费时间与之前消费时间的距离。

R越大，表示客户越久未发生交易，R越小，表示客户最近有交易发生。R越大，则客户越可能会“沉睡”，流失的可能性越大。在这部分客户中，可能有些优质客户，值得通过一些营销手段进行激活。

F:消费频率，表示一段时间内的客户消费次数。F越大，则表示客户交易越频繁，是非常忠诚的客户，也是对公司的产品认同度较高的客户；F越小，则表示客户不够活跃，且可能是竞争对手的常客。针对F较小、且消费额较大的客户，需要推出一定的竞争策略，将这批客户从竞争对手中争取过来。

M:消费金额，表示客户每次消费金额，可以用最近-次消费金额，也可以用过去的平均消费金额，根据分析的目的不同，可以有不同的标识方法。

一般来讲，单次交易金额较大的客户，支付能力强，价格敏感度低，帕累托法则告诉我们，一个公司80%的收入都是由消费最多的20%客户贡献的，所以消费金额大的客户是较为优质的客户，也是高价值客户，这类客户可采取一对一的营销方案。

4.实验过程

4.1数据探索

首先导入数据

做出数据描述性统计

从数据描述性统计分析中我们可以看出各个变量的个案总计、最大最小值、均值、标准差、方差、偏度、峰度等信息。

做出各数值变量的直方图进行分析

对各变量进行相关性分析

从相关性结果看出，消费频率和最近消费时间间隔的相关系数较小，从P值看出，消费频率和最近消费时间间隔相关性不显著；消费频率和消费金额呈正相关，从P值看出，消费频率和消费金额相关性很显著。

4.2构建RFM模型

由于我们的原始数据已经符合RFM模型的要求，所以我们将变量名进行更改

由于RFM这三个变量的数值分布过于大，所以需要进行标准化处理

4.3聚类分群

使用SPSS进行K-均值聚类

从结果中，我们可以看出各个变量的聚类中心。

从结果中可看出各每一次的迭代记录。

从结果中可看出最终的聚类中心以及每个聚类类别的个数。

5.总结

        最后我们将客户群按价值高低进行分类和排名，客户群1是潜在客户；客户群3是一般发展客户，客户群2是一般保持客户，客户群4是重要保持客户。

R	F	M	聚类类别	客户类别	客户数	排名
低	低	低	1	潜在客户	2294	4
高	低	低	3	一般发展客户	120	3
低	高	低	2	一般保持客户	2	2
高	高	高	4	重要保持客户	1	1

根据以上分析，得到客户分类的依据：

(1)重要保持客户:F、M高，R略高于平均分。他们是淘宝电商的高价值客户，是最为理想型的客户类型，他们对企业品牌认可，对产品认可，贡献值最大，所占比例却非常小。这类客户花钱多又经常来，但是最近没来，这表示他们是一段时间没来的忠实客户。淘宝电商可以将这类客户作为VIP客户进行一对一营销，以提高这类客户的忠诚度和满意度，尽可能延长这类客户的高水平消费。

(2)一般保持客户: F高，这类客户消费次数多，是忠实的客户。针对这类客户应多传递促销活动、品牌信息、新品或活动信息等。

(3)潜在客户: R、F和M低，这类客户短时间内在店铺消费过，消费次数和消费金额较少，是潜在客户。虽然这类客户的当前价值并不是很高，但却有很大的发展潜力。针对这类客户应进行密集的营销信息推送，增加其在店铺的消费次数和消费金额。

(4)一般发展客户:低价值客户，R高，F、M低，说明这类客户很长时间没有在店铺进行交易了，而且消费次数和消费金额也较少。这类客户可能只会在店铺打折促销活动时才会消费，要想办法推动客户的消费心理，否则会有流失的危险。

文末推荐与福利

《MATLAB科学计算从入门到精通》免费包邮送出3本！

​

内容简介：   

        本书从 MATLAB 基础语法讲起，介绍了基于 MATLAB 函数的科学计算问题求解方法，实现了大量科学计算算法。

        本书分为三大部分。第 1 章和第 2 章为 MATLAB 的基础知识，对全书用到的 MATLAB 基础进行了简单介绍。第 3 ~ 12 章为本书的核心部分，包括线性方程组求解、非线性方程求解、数值优化、数据插值、数据拟合与回归分析、数值积分、常微分方程求解、偏微分方程求解、概率统计计算及图像处理与信号处理等内容。第 13 ~ 15 章为实战部分，以实际生活中的数学问题为例，将前文介绍的各类科学计算算法应用其中。

本书内容全面、通俗易懂，适合有一定 MATLAB 基础、想要进行进阶学习的读者。

编辑推荐：

从代码到函数，掌握多种经典算法

跨越多个领域，精通各类科学计算

多种应用实例，高效解决实际问题

• 抽奖方式：评论区随机抽取3位小伙伴免费送出！
• 参与方式：关注博主、点赞、收藏、评论区评论“人生苦短，拒绝内卷！”（切记要点赞+收藏，否则抽奖无效，每个人最多评论三次！）
• 活动截止时间：2023-11-1 20:00:00

• 京东购买链接：https://item.jd.com/14098836.html

 名单公布时间：2023-11-1 21:00:00