[분석프로젝트] 장난감 자동차 회사의 RFM 고객세그먼트

🎈 RFM

R(Recency) 구매의 최근성: 고객이 얼마나 최근에 구매했는가? 
-> '최근성관점에서' 최근에 특정 행동(구매 등)을 취한 고객이 과거에 취한 고객보다 더 가치있음

F(Frequency) 구매 빈도: 고객이 얼마나 자주 방문했는가?

-> '행동빈도 관점에서' 정해진 기간 동안 고객이 특정 행동을 자주 할수록 가지있음

 M(Monetary) 구매 규모: 고객이 얼마나 돈을 썼는가?

-> 구매액 관점에서 특정 기간동안 구매금액을 더 많이 지출한 고객이 가치가 있음

 

방법1.  RFM 계산+ K-Means 클러스터링

RFM 데이터 만들기

last_timestamp = df['ORDERDATE'].max() + dt.timedelta(days=1)

rfm_origin= df.groupby('CUSTOMERNAME').agg({'ORDERDATE': lambda x :(last_timestamp-x.max()).days,
                                    'ORDERNUMBER' : 'count', 'SALES' : 'sum'})
rfm_origin.columns = ['Recency','Frequency','Monetary']

rfm = rfm_origin.copy()

recency는 300를 기준으로, frequency는 100을 기준으로, monetary는 30000을 기준으로 나누어짐

sns.heatmap(rfm.iloc[:3].corr(),annot = True)

frequency-monetary 사이에 아주 높은 상관관계를 보인다

-> 자주 산 고객의 수익이 높음

# 정규화하기
from sklearn.preprocessing import MinMaxScaler
scaler = MinMaxScaler()
rfm_nor = pd.DataFrame(scaler .fit_transform(rfm))
rfm_nor.columns = ['n_R','n_F','n_m']


from yellowbrick.cluster import KElbowVisualizer
from sklearn.cluster import KMeans
SSE = []
for K in range(0,10):
    Kmeans = KMeans(n_clusters = K+1, random_state = 42).fit(rfm_nor)
    SSE.append(Kmeans.inertia_)
    
sns.pointplot(x=list(range(1,11)), y=SSE)
plt.show()

4부터 그래프가 완만해지므로 4개로 클러스터링 하는것을 추천

from yellowbrick.cluster import SilhouetteVisualizer
Kmeans_4 = KMeans(n_clusters = 4, random_state = 42, init='random')
Visual_4 = SilhouetteVisualizer(Kmeans_4, colors = 'yellowbrick')
# 정규화된 데이터에 학습
Visual_4.fit(rfm_nor)
Visual_4.show()
from sklearn.metrics import silhouette_score
#각 클러스트별 실루엣점수 -> 클러스터 내의 데이터가 얼마나 잘 모여 있는지(응집도), 다른 클러스터와는 얼마나 잘 구분되는지(분리도)를 나타내는 지표
# 그래프 의미 : 실루엣점수(X축)가 1에 가까울수록 값이 급격하게 감소하지 않을 수록 좋다

rfm['cluster_4'] = Kmeans_4.fit_predict(rfm_nor)
rfm = rfm.reset_index()
print(silhouette_score(rfm_nor, rfm['cluster_4']))

실루엣점수 0.5952941816428965

 

4개로 분류된 고객별 RFM값 구하기

rfm.groupby('cluster_4').agg({'Recency':['mean','min','max'],'Frequency':['mean','min','max'],'Monetary':['mean','min','max','count']})

 

고객1,2번에서 Recency값이 겹치는데, Monetary에 따라 구분된다

고객0번은 고객3번에 Frequency가 겹치는 대신 Recency에서 구분된다.

1번의 고객이 R,F,M에서 모두 높은 가치를 보이지만 2개사밖에 포함되지 않는다 

-> 고객등급별 분포에 대해 고민해 봐야 할듯

 

🎈PCA(주성분분석) - wikipedia,https://speedspeed.tistory.com/71

주성분분석이란 데이터의 차원을 줄이는 방법중 하나로,
고차원 데이터(여러컬럼)를 저차원 제이터로 변환하는 과정에서 원래 데이터의 정보를 최대한 유지하는 것이 목표
(주로 데이터의 시각화, 노이즈제거, 데이터 압축 등에 사용)

 

pca학습

#정규화된 데이터 사용
from sklearn.decomposition import PCA
pca = PCA(n_components = 2)
pca.fit(rfm_nor.iloc[:,:-1])
df_pca = pca.transform(rfm_nor.iloc[:,:-1])
df_pca = pd.DataFrame(df_pca, columns=['com0','com1'])
df_pca['CUSTOMERNAME'] = rfm['CUSTOMERNAME']
df_pca['cluster_4']= rfm['cluster_4']
sns.scatterplot(df_pca, x='com0', y='com1', hue='cluster_4')
print(pca.explained_variance_ratio_)

주성분비율: [0.84100217 0.15899783]

1번째 주성분이 전체 데이터의 84%를 성명하고, 두번째 주성분이 15%를 설명한다

 

고객1이 com1에서 매우 높은 걸 보아 com1은 주로 monetary를 반영한 것으로 보인다

또한 고객1이 com1에서 낮은걸 보아 낮을수록 Recency와 관련이 있는것 같으며

고객0과 3이 하나의 덩어리 처럼 보여 있는데 이는 Recency와 Frequency가 많이 겹쳐있어서 그런 것 같다

 

결론

모델링틍 통해 4개의 그룹으로 구분된것으로 보이나 직관적으로 구분의 원인을 설명하기 어렵다

또한 각 그룹별 고객수가 극단의 값을 보이는데, 퍼널처럼 VIP소수의 고객을 집중하는 것이 좋은지 골고루 분포되어 있는 고객군을 보면 좋을 지고 고민이 필요해 보임

방법2. RFM 점수  + K-Means 클러스터링 -> 고객별 25% 분포

점수 부여 방법 : 상위%로 구간 나누기

고객의 R,F,M의 등급 나누기

방법1. Qcut()사용하기 -> 동일한 개수로 나누기 

- qcut(): 대상배열의 최대값~최소값을 지정한 개수의 동등하게 부여

- 예: 키대 = pd.qcut(df['키'], q=3(나누고 싶은 구간의 개수), 'labels=['작은키','중간키','큰키'])

r_labels = list(range(4, 0, -1)) #5~1점 -> 숫자가 적을수록 높은등급이기 때문에 역순
f_labels = list(range(1, 5)) #1~5점
m_labels = list(range(1, 5)) #1~5점
cut_size = 4

r_cut = pd.qcut(rfm_origin['Recency'], cut_size, labels = r_labels)
f_cut = pd.qcut(rfm_origin['Frequency'], cut_size, labels = f_labels)
m_cut = pd.qcut(rfm_origin['Monetary'], cut_size, labels = m_labels

rfm2 = rfm_origin.assign(R_rate = r_cut, F_rate = f_cut, M_rate = m_cut )

 

Recency가 낮을수록 / Frequency가 높을수록 / Monetary가 높을 수록 높은 점수를 제공

 

각 점수별 상관관계

sns.heatmap(rfm2.iloc[3:6].corr(),annot = True)

 

고객점수별로 해도 역시 F와 M에서 높은 상관관계를 보였다

# Elbow Method 최적의 K구하기
SSE = []
for K in range(0,10):
    Kmeans = KMeans(n_clusters = K+1, random_state = 42).fit(rfm2.iloc[:,3:])
    SSE.append(Kmeans.inertia_)
    
sns.pointplot(x=list(range(1,11)), y=SSE)
plt.show()

 

이것도 역시 K는 4개로 분석 추천

Kmeans_4_2 = KMeans(n_clusters = 4, random_state = 42, init='random')
Visual_4_2 = SilhouetteVisualizer(Kmeans_4_2, colors = 'yellowbrick')
Visual_4_2.fit(rfm2.iloc[:,3:])
Visual_4_2.show()

상의 25%씩 점수를 주고 구분했기 때문에 비교적 그룹별 인원이 골고루 분포되었다

from sklearn.metrics import silhouette_score
silhouette_score(rfm2.iloc[:,1:4], rfm2['cluster_4'])
# 실루엣 계수는 각각의 데이터가 해당 데이터와 같은 군집 내의 데이터와는 얼마나 가깝게 군집화가 되었고, 다른 군집에 있는 데이터와는 얼마나 멀리 분포되어 있는지를 나타내는 지표
# 1에 가까울수록 군집화가 잘 되었음을 의미한다.
# 각 군집별 데이터의 수가 고르게 분포되어야 하며, 각 군집별 실루엣 계수 평균값이 전체 실루엣 계수 평균값에 크게 벗어나지 않는 것이 중요

 

-0.055807608868167186 너무 낮아진 실루엣계수...

Q. 음수실루엣계수의 의미?

A. 실루엣 계수는 -1과 1사이로 1로 갈수록 완벽한 군집, 즉 -0.5는 무작위에 가까움

 

각 그룹별 RFM확인

rfm2.groupby('cluster_4').agg({'Recency':['mean','min','max'],'Frequency':['mean','min','max'],'Monetary':['mean','min','max','count']})

결론

실루엣계수가 너무 낮아졌다..

각 그룹별 특징이 더욱 모호해졌다 -> 각 그룹의 기준을 직관적으로 설명하기 더 어려워짐

예) 고객0,2,3의 Recency의 겹치는 범위가 넓어지고, 고객1,2,3dml Frequency가 모두 겹치고, 0~4의 Monetary가 모두 겹친다 ㅜ.ㅜ

 

방법3. M->profit,F->nique로 하여 K-Means 클러스터링

 

기준에 따른 RFM구분하기

• Recency: 2020/06/01 기준, 가장 최근 주문 날짜와의 diff
• Frequency: count 주문 횟수 (* 주문 리스트 포함)
• Monetary: profit

💡 PROFIT 계산

• df2['MARGIN'] = df2['PRICEEACH'] - df2['MSRP'] df2['PROFIT'] = df2['MARGIN']*df2['QUANTITYORDERED']

 

💡 count와 nunique의 차이

• CUSTOMERNAME별  ORDERNUMBER 의 count -> ORDERNUMBER는 같은 주문이라도 제품코드가 다르면 여러개의 행을 갖기 때문에 모두 포함
• CUSTOMERNAME별  ORDERNUMBER 의 nunique -> 동일한  ORDERNUMBER는 1개로만 집계한다

1. F-count/M-sales

• 실루엣계수 0.5952941816428965

 

2. F-nunique/M-sales

• 실루엣계수: 0.6070185648892533

 

3. F-count/M-profit

• 실루엣계수가 0.40

 

4. F-nunique/M-profit

• 실루엣계수 0.4109245863743192

결론

Sales로 분류했을 때, 두 헤비 고객 업체가 따로 분류됨

Profit으로 분류했을 때, royal 그룹에 19개의 업체가 포함되며 비교적 최근, 많은 주문 히스토리, 이득을 본 것으로 확인됨