百货商场用户画像描述与价值分析

1 内容概述

本项目内容主要是基于Python的“百货商场用户画像描述与价值分析”，里面有详细的数据预处理、数据可视化和数据建模等步骤。同时，针对传统RFM模型进行了改进，构造了LRFMP模型来分析客户价值，挖掘客户价值的八个字段，并通过WordCloud形式展现了出来，可以对会员用户进行精准画像。

2 背景描述

数据集分为两部分，.xlsx结尾的是会员信息表，.csv结尾的是销售流水表。其中，会员信息表共有将近19万条记录，销售流水表共有接近189万条记录，其包括2015-01-01到2018-01-03之间所产生的数据。

3 数据说明

两个表包含了如会员卡号，消费产生时间，性别，出生时间，商品编码，销售数量，商品售价，消费金额，商品名称，此次消费的会员积分，收银机号，单据号，柜组编码，柜组名称，等级时间等 15 个特征。

4 数据来源

数据源来自泰迪公司提供的百货商店会员数据。

5 实现目标

本项目主要围绕着“百货商店会员用户画像描绘与价值分析”内容进行，结合目前百货商场的数据情况，可以实现以下目标：

• 借助百货商场会员用户数据，对会员用户进行分群。
• 对不同的会员用户类别进行特征分析，比较不同类别会员用户的会员用户价值。
• 对不同价值的会员用户类别提供个性化服务，制定相应的营销策略。

6 LRFMP字段说明

• L（入会程度）：3个月以下为新用户，4-12个月为中等用户，13个月以上为老用户
• R（最近购买的时间）
• F（消费频次）：次数20次以上的为高频消费，6-19次为中频消费，5次以下为低频消费
• M（消费金额）：10万以上为高等消费，1万-10万为中等消费，1万以下为低等消费
• P（消费积分）：10万以上为高等积分用户，1万-10万为中等积分用户，1万以下为低等积分用户

7 你将会学到

7.1 真实的企业数据分析流程

• 数据预处理（Pandas）：包括去重去缺失值、异常值处理、变量重编码和时间序列数据处理方式等；
• 数据可视化（Matplotlib）：饼图、柱状图、折线图、雷达图和复合图等绘制方式等；
• 特征创造和数据建模：从海量连续数据中创造出性别、消费偏好、入会程度、最近购买的时间、消费频次、消费金额、消费积分等类别数据，建模部分主要通过标准化和归一化数据来对比KMeans聚类的轮廓系数结果。

7.2 Python进行数据分析的特点

• 了解到百货商场进行会员分类的业务特点；
• 充分体会到Python中面向对象的分析流程；
• 学会自定义函数简化分析流程。