• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      R语言

      • 首页
      • 博客
      • R语言
      • rfm包做RFM分析

      rfm包做RFM分析

      • 发布者 weinfoadmin
      • 分类 R语言
      • 日期 2019年3月30日
      测试开头

      rfm包:RFM分析的工具

      概述

      用于RFM(recency, frequency and monetary)分析的工具。从事务级和客户级数据生成RFM评分。使用热图、直方图、条形图和散点图来可视化recency, frequency和monetary之间的关系

      安装

      1. # Install rfm from CRAN

      2. install.packages("rfm")

      3. # Or the development version from GitHub

      4. # install.packages("devtools")

      5. devtools::install_github("rsquaredacademy/rfm")

      文章

      • RFM与客户数据

      • RFM与交易数据

      应用

      介绍

      RFM((recency, frequency, monetary)分析是一种基于行为的技术,用于通过检查客户的交易历史来细分客户。

      • how recently a customer has purchased (recency)

      • how often they purchase (frequency)

      • how much the customer spends (monetary)

      它基于一个营销公理,即80%的业务来自20%的客户。RFM通过将客户划分为不同的类别,帮助识别更有可能对促销做出反应的客户。

      数据集

      为了计算每个客户的RFM分数,我们需要如下的交易数据:

      • a unique customer id

      • date of transaction/order

      • transaction/order amount

      RFM 表格

      rfm使用一致的前缀rfm来方便地完成制表补充。使用rfmtable_order()生成RFM分数。

      1. analysis_date <- lubridate::as_date('2006-12-31', tz = 'UTC')

      2. rfm_result <- rfm_table_order(rfm_data_orders, customer_id, order_date, revenue, analysis_date)

      3. rfm_result

      4. #> # A tibble: 995 x 9

      5. #> customer_id date_most_recent recency_days transaction_count

      6. #> <chr> <date> <dbl> <dbl>

      7. #> 1 Abbey O'Reilly DVM 2006-06-09 205 6

      8. #> 2 Add Senger 2006-08-13 140 3

      9. #> 3 Aden Lesch Sr. 2006-06-20 194 4

      10. #> 4 Admiral Senger 2006-08-21 132 5

      11. #> 5 Agness O'Keefe 2006-10-02 90 9

      12. #> 6 Aileen Barton 2006-10-08 84 9

      13. #> 7 Ailene Hermann 2006-03-25 281 8

      14. #> 8 Aiyanna Bruen PhD 2006-04-29 246 4

      15. #> 9 Ala Schmidt DDS 2006-01-16 349 3

      16. #> 10 Alannah Borer 2005-04-21 619 4

      17. #> amount recency_score frequency_score monetary_score rfm_score

      18. #> <dbl> <int> <int> <int> <dbl>

      19. #> 1 472 3 4 3 343

      20. #> 2 340 4 1 2 412

      21. #> 3 405 3 2 3 323

      22. #> 4 448 4 3 3 433

      23. #> 5 843 5 5 5 555

      24. #> 6 763 5 5 5 555

      25. #> 7 699 3 5 5 355

      26. #> 8 157 3 2 1 321

      27. #> 9 363 2 1 2 212

      28. #> 10 196 1 2 1 121

      29. #> # ... with 985 more rows

      热图

      热图显示了不同类别的R和F评分的平均M。R和F评分越高,其特点是平均M越高,如热图中较暗的区域所示。

      1. rfm_heatmap(rfm_result)

      rfm包做RFM分析

      条形图

      使用 rfm_bar_chart()为不同的F和R评分组合生成M评分的分布。

      1. rfm_bar_chart(rfm_result)

      rfm包做RFM分析

      直方图

      使用 rfm_histograms()检查的相对分布

      • monetary value (total revenue generated by each customer)

      • recency days (days since the most recent visit for each customer)

      • frequency (transaction count for each customer)

      1. rfm_histograms(rfm_result)

      rfm包做RFM分析

      客户的订单分布

      可视化客户的订单分布。

      1. rfm_order_dist(rfm_result)

      rfm包做RFM分析

      散点图

      最好的客户是:

      • bought most recently

      • most often

      • and spend the most

      现在让我们来研究一下上面的关系

      Recency vs Monetary Value

      1. rfm_rm_plot(rfm_result)

      rfm包做RFM分析

      Frequency vs Monetary Value

      1. rfm_fm_plot(rfm_result)

      rfm包做RFM分析

      Recency vs Frequency

      1. rfm_rf_plot(rfm_result)

      rfm包做RFM分析

      获取帮助

      如果您遇到bug,请在github上使用reprex提交一个最小的可重现示例。对于问题,请使用StackOverflow。

      原文链接: https://rfm.rsquaredacademy.com/

      数据人才(ID:datarencai)

      (一个帮助数据人才找工作的公众号,

      也分享数据人才学习和生活的有趣事情。)

      rfm包做RFM分析

      内容推荐


      • R中你应该学习的7种可视化

      • R的ggplot2包画折线图?

      • R的ggplot2包画柱状图?

      • 如何阅读论文?

      • 论文管理工具,我用Zotero

      • 一个数据人的2018


      测试结尾

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      再来看看R中的数据类型
      2019年3月30日

      下一篇文章

      R语言做单变量可视化分析
      2019年4月1日

      你可能也喜欢

      3-1665801675
      R语言学习:重读《R数据科学(中文版)》书籍
      28 9月, 2022
      6-1652833487
      经典铁死亡,再出新思路
      16 5月, 2022
      1-1651501980
      R语言学习:阅读《R For Everyone 》(第二版)
      1 5月, 2022

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?