基于K-Means聚类与RFM模型分析顾客消费情况【500010102】

项目说明

本数据集是生成式模拟数据，本项目通过可视化分析对数据进行初步探索，再通过时间序列针对店铺的销售额进行分析，对时序图进行分解，发现数据存在季节性，并且通过auto_arima自动选择参数建立了SARIMA模型，对未来7天的销售额进行预测，并利用聚类分析将消费者分为不同的群体，再建立RFM模型，将消费者进一步划分为不同价值的客户，对于不价值的消费者，采取不同的方案，通过这些模型，可以针对不同的消费群体采取不同的营销方案，尽可能的保留重要价值客户，对于一些低价值的客户，可以降低投入成本。

数据说明

数据处理

Python库导入

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from statsmodels.tsa.seasonal import seasonal_decompose
from statsmodels.tsa.statespace.sarimax import SARIMAX
from pmdarima import auto_arima # 自动选择参数
import statsmodels.api as sm
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

数据导入

data = pd.read_csv("./data/orders_data.csv")

数据预览

# 查看数据维度
data.shape

# 查看数据信息
data.info()

# 查看各列缺失值
data.isna().sum()

# 查看重复值
data.duplicated().sum()

数据逻辑性检查

# 检查用户会员状态是否一致
membership_inconsistency_count = sum(data.groupby('用户ID')['会员'].nunique() > 1)
print(f"会员状态不一致的用户数量: {
     
     membership_inconsistency_count}")
# 检查用户性别是否一致
gender_inconsistency_count = sum(data.groupby('用户ID')['性别'].nunique() > 1)
print(f"性别不一致的用户数量: {
     
     gender_inconsistency_count}")

first_order_flag = data.groupby('用户ID')['订单交易时间'].transform('min') == data['订单交易时间'] # 为了获取第一次交易的时间

# 计算那些在第一次订单之后仍标记为首次下单的情况数量
inconsistencies_count = sum((first_order_flag == False) & (data['首次下单用户'] == '是'))  # 计算第一次交易后，判断后续交易中，是否还被定义为首次下单用户

print(f"首次下单状态不一致的用户数量: {
     
     inconsistencies_count}")

可以看到，虚拟出来的数据逻辑上存在一些错误，有的用户在某个订单中被定义成会员或者男性，但是在后面的订单中又被定义成非会员或者女性，以及有的用户以及下过单了，结果后续订单还被定义为首次下单用户，所以逻辑存在错误，需要在之后进行处理，使得数据变得合理。

数据处理

# 对性别不一致的数据进行处理
# 找出性别不一致的用户
gender_inconsistencies = data.groupby('用户ID')['性别'].nunique()