產品經理10大基礎技能(4):用Python建立并分析RFM模型
本篇背景先講Python對產品經理的作用是分析產品,便于做出更科學的產品決策;然后詳細講解Python分析RFM的方法和步驟,最后分析并建立RFM模型。結果輸出基于Python可視化分析的產品優化觀點。
一千個觀眾眼中有一千個漢姆雷特,一千個產品經理眼中有一千種Python的看法!人生苦短,我用Python做產品決策分析。
不忍心讓數據分析工具的門檻占用產品經理太長的時間,更為了幫你節省尋覓數據分析工具的時間,筆者LineLian爭取用一篇文章透析Python做數據產品分析RFM模型!
另外不建議產品經理寫代碼,但是數據產品經理和AI產品經理得能看懂Python代碼。畢竟騰訊等大廠在招聘產品經理的JD中已經公開要求產品經理懂Python招聘信息如下圖:
一、什么是RFM模型?
RFM最簡單的理解如下圖:
RFM模型的作用:
RFM模型分析的結果能夠幫產品驅動運營制定合適的推廣運營方案和選擇適合的產品或服務提供給更精準的目標用戶層。
RFM分析的前提條件:
- 最近有過交易行為的客戶,再次發生交易行為的可能性高于最近沒有交易行為的客戶。
- 交易頻率高的客戶,比交易頻率低的客戶,更有可能再次發生交易行為。
- 過去所有交易總金額較大的客戶,比過去所有交易總金額較小的客戶,更有消費積極性。
怎么分析RFM模型?
RFM模型有很多中分析方法,筆者推薦兩種工具,其一是Python,其二是EXCEL(本篇為上篇,故此先講Python分析RFM,下篇再講EXCEL分析RFM模型)。
少量的用戶數據用EXCEL,具體量是多少呢一般5萬條以內。大量的數據(大于5萬條用戶數據以上)或者說是大數據建議用Python體系做RFM模型。當然數據量小的也可以用Python。甚至可以做個Python模型,無論多少數據往模型一套,可以輸出產品經理有用的決策信息即可。
二、用Python建立和分析RFM模型有幾步?
第一步:確定要分析的產品數據源
源數據,本文數據集如果有需要的話,可以公眾號LineLian數智產品窗口聯系獲取。如果覺得本文寫的還不錯,可以關注一下,獲取更多精彩文章。
原始數據集在這里先展示一下,讓數據處理前對這個數據有一個主觀印象。
從上圖可見數據分為9列,其中訂單狀態中有退款的。
第二步:數據清洗
(1)將上面源數據引入到Pyhon工具,進行數據清洗。實操如下圖所示:
(2)引入源數據,并刪除退款行數據。然后對要分析的關鍵字進行關鍵字提取。
(3)構造最近購買時間R
(4)構造購買頻次F
(5)統計購買金額M
(6)合并RFM
第三步:用戶分層打分確認分層的維度表如下
第四步:計算RFM-SCORE分值
先計算R值,再計算F、M的值,然后和平均值對比,減少用戶分類的數量。再后是對用戶分層,構建合并指標。
第五步:統計人數和金額
(1)統計人數
(2)統計金額
第六步:構造轉換函數
判斷R/F/M的值是否大于均值,然后與第三步中的用戶分層維度表對照,以轉換判斷客戶類型。
第七步:Python下獲得RFM的結果
第八步:做數據可視化
(1)先得到人數和人數占比的可視化,人數和人數占比的可視化代碼如下圖:
人數和人數占比的可視化的結果如下圖:
(2)在做消費金額和金額占比可視化,可視化代碼如下圖:
消費金額和消費金額占比可視化圖如下圖:
第九步:產品或者運營人員對Python分析的RFM圖像進行講解
(1)通過上面的分析可見,流失用戶占比比較高,占到了54.13%,流失用戶,表示最后一購買時間很長,金額小,訂單少,說明產品實現了一定的拉新,但是留存率比較低。產品接下來的工作重點應該是針對流失客戶的需求設計。
(2)通過上面的分析可見消費金額高但是待喚回的客戶占比也較高,占比68.49%。高消費待喚回用戶指的是做出過很大消費,但是很久沒有回來再次消費了。已經臨近流失邊緣,因此這部分用戶產品可以驅動運營適當提高用戶產品服務的信息觸達。讓用戶真正感知到服務和產品的溫度。
小結
筆者LineLian撰寫產品經理系列文章的基本邏輯是:先寫產品經理,再寫數據產品經理,最后的落腳點是講AI產品經理,因為這是一個遞進的過程,首先產品會逐漸累積數據,數據需要分析,數據到了分析決策產品優化的階段就誕生了數據產品經理,但是僅僅有數據是不夠的,數據需要智慧,智慧在呼喊AI產品經理,下篇計劃更新AI神經網絡產品。
如果你想系統化入門AI產品經理,掌握AI產品經理的落地工作方法,戳這里>http://996.pm/7bjab
#相關閱讀#
#專欄作家#
連詩路,公眾號:LineLian。人人都是產品經理專欄作家,《產品進化論:AI+時代產品經理的思維方法》一書作者,前阿里產品專家,希望與創業者多多交流。
本文原創發布于人人都是產品經理。未經許可,禁止轉載。
題圖來自Unsplash, 基于CC0協議
excel的啥時候寫啊
python工具怎么搞哦
是不是因為太難所以沒有人評論呢?
我就比較厲害了,我完全看不懂,但是還是評論了
這都算不上產品經理的基礎技能的, 估計懂這些的還得在產品經理前面加個定語