哪个用户会再来买？RFM模型+plotly画出用户分层，数据分析实战第2期

上一期我们洗了40行销售脏数据，日期格式、金额符号、产品名写法，挨个收拾干净。今天换个更值钱的活：电商老板问你，500个用户里，哪些值得发优惠券唤醒，哪些已经流失别浪费钱？拍脑袋不行，得用数据说话。

RFM模型就是干这个的，电商分析用了几十年的老办法。R是Recency，最近一次买是多久以前；F是Frequency，买过几次；M是Monetary，一共花了多少钱。三个维度一交叉，用户分层清清楚楚。

环境：pandas 2.x加plotly，没装的跑pip install pandas plotly。数据我用代码现场生成500个用户的模拟订单，和真实订单一个结构，你换成自己的CSV直接跑。

第一步，造数据，算出RFM三列：

python 复制代码

import pandas as pd
import numpy as np

np.random.seed(7)
users = [f"U{i:04d}" for i in range(500)]
orders = []
for u in users:
    for _ in range(np.random.randint(1, 15)):
        orders.append({
            "user": u,
            "date": pd.Timestamp("2026-01-01")
                    + pd.to_timedelta(np.random.randint(0, 280), "D"),
            "amount": round(float(np.random.gamma(2, 80)), 2),
        })
df = pd.DataFrame(orders)

ref = pd.Timestamp("2026-10-20")
rfm = df.groupby("user").agg(
    Recency=("date", lambda s: (ref - s.max()).days),
    Frequency=("date", "count"),
    Monetary=("amount", "sum"),
)

第二步，打分，每个维度5分制。注意R的方向是反的：离现在越近分越高，别打反了。打分我用rank(pct=True)转成分位数再切，这样真实数据里大量重复值也不会让qcut报错：

python 复制代码

rfm["R"] = pd.cut(rfm["Recency"].rank(pct=True, ascending=False),
                  bins=5, labels=[5, 4, 3, 2, 1]).astype(int)
rfm["F"] = pd.cut(rfm["Frequency"].rank(pct=True),
                  bins=5, labels=[1, 2, 3, 4, 5]).astype(int)
rfm["M"] = pd.cut(rfm["Monetary"].rank(pct=True),
                  bins=5, labels=[1, 2, 3, 4, 5]).astype(int)

第三步，分群。四象限最实用：R、F都高于中位数的是明星用户；R高F低是潜力新客；R低F高是沉睡用户，曾经爱买现在不来了；双低的是流失用户，发券都未必回来。

python 复制代码

rm, fm = rfm["R"].median(), rfm["F"].median()

def segment(row):
    if row["R"] >= rm and row["F"] >= fm:
        return "明星用户"
    if row["R"] >= rm:
        return "潜力新客"
    if row["F"] >= fm:
        return "沉睡用户"
    return "流失用户"

rfm["segment"] = rfm.apply(segment, axis=1)
print(rfm.groupby("segment").agg(
    人数=("R", "count"),
    平均客单价=("Monetary", "mean"),
    GMV=("Monetary", "sum"),
))

跑完打印一张分群表：每群人数、平均客单价、贡献的GMV。我的模拟数据跑出来头部效应明显：明星用户139人贡献21万，沉睡用户173人贡献近30万，两群加起来六成用户、八成销售额。优惠券该发给谁，一目了然。

第四步，plotly画出来。散点图x轴是距今天数，y轴是购买次数，点的大小是总花费，颜色是分群。一张图，老板看一眼就懂：

python 复制代码

import plotly.express as px

fig = px.scatter(
    rfm.reset_index(),
    x="Recency", y="Frequency",
    size="Monetary", color="segment",
    title="RFM用户分层",
    labels={"Recency": "距今多少天没买了", "Frequency": "买过几次"},
)
fig.show()

验证：检查四群人数加起来等于500，分群标签没有空值，散点图四个颜色都出现了。数字对不上，后面全是错的，先对数再画图。

踩坑四个。第一，qcut重复边界：真实订单日期大量重复，qcut报"Bin edges must be unique"。用rank(pct=True)加cut，或者rank(method="first")，提前避开。第二，R打分方向搞反：距今30天给了1分，距今300天给了5分，分群全反，结论反着交差，灾难。第三，日期没转datetime就做减法，字符串相减直接报错，先pd.to_datetime。第四，分群完不看业务：沉睡用户里混着只买过一次的和买过20次的，唤醒策略能一样吗？分群是起点，不是终点。

收藏这篇，下次老板要用户分层，换上真实订单CSV，这套代码改个文件名就能交差。

下期预告：数据分析实战第3期讲时间序列。销售额的周末效应怎么量化，节假日到底拉动了多少，pandas重采样加plotly一次讲透，关注我不错过。

讨论时间：你们公司做用户分层用RFM还是别的模型？效果怎么样？评论区交流下。

------ Cyrus