首页 / 数据挖掘项目 / 电商客户分群

基于 RFM 模型的电商客户分群　项目 1 · 聚类任务 · 课程设计 B

面对 28,834 条电商订单，运营仍靠「一刀切」投放。本案先按业务口径清洗订单、构建 R / F / M 三维客户价值特征，再用 K-Means、层次聚类、DBSCAN 三种算法交叉验证分群：以肘部法 + 轮廓系数 + CH 指数共同确定 k=3，最终输出三类客群画像与差异化营销策略。

PythonPandas / NumPy Scikit-learn 聚类SciPy 层次聚类 RFM 特征工程多算法对比

K-Means：遍历 k=2~9，同时看肘部法 SSE 拐点、轮廓系数、CH 指数，三指标共同定 k=3
层次聚类：ward 最小方差法 + 树状图观察自然分层，用同一 k=3 与 K-Means 同口径比较
DBSCAN：eps∈0.3~1.2、min_samples∈{3,5,8,10} 网格寻优，以轮廓系数为主目标选定 eps=1.0 / min_samples=8
对比逻辑：三算法统一用轮廓系数 + CH 指数横向比较，再叠业务可解释性做最终选型——不唯指标论

核心代码（Python · 点击放大看全文）

报告图 2-3 · 3σ 异常值剔除 + RFM 三维特征构建（按客户分组聚合 R / F / M）

报告图 3-1 · 聚类建模环境加载 + 遍历 k 计算 SSE / 轮廓系数 / CH 指数

报告图 3-4 · DBSCAN 双层网格参数寻优（以轮廓系数为主目标）

模型评估与可视化（报告原图 · 点击放大）

报告图 4-1 · 肘部法 SSE + 轮廓系数 + CH 指数三曲线联手定 k=3

报告图 4-8 · 三种聚类模型综合评价指标对比（选型依据）

报告图 5-3 · K-Means 三类客群数量占比（53.8% / 38.5% / 7.7%）

报告图 5-5 · 各客群最近消费天数分布箱线图（流失风险排序）

24,133

客户完成 RFM 分群

3 类

客群结构清晰可命名

3 种

聚类算法交叉验证

4 张

核心评估/业务图表

结论：K-Means 综合最优（轮廓系数 0.4412、CH 18799），层次聚类略低（0.4223 / 17734）且结果与 K-Means 高度一致；DBSCAN 轮廓系数虽最高（0.5724）但 CH 仅 5727、噪声与碎片化严重，分群粒度与运营场景不匹配
客群画像：核心高价值 1,859 人（R≈74 天 / F=2.14 次 / M≈266 元）、新活跃潜力 9,297 人（R≈39 天 / M≈127 元）、沉睡低价值 12,977 人（R≈144 天 / M≈122 元）
落地建议：核心客户给专属权益与优先发货；潜力客户用复购券 + 凑单推荐拉频次；沉睡客户短信 / 优惠券召回；商品侧——单件订单推满减凑单，多件订单推低价组合套装

难点 1｜时间格式不统一 + 金额缺失：用 to_datetime(errors='coerce') 统一格式；按业务口径分别处理——时间缺失剔除、金额缺失用该用户历史均值填充
难点 2｜k 值靠主观判断：单一指标会偏差（k=2 轮廓系数最高 0.61 但分群过粗、CH 偏低），最终以三指标 + 业务可解释性共同锁定 k=3
难点 3｜簇标签只是一个数字：用 RFM 均值表 + 箱线图刻画每簇特征，把 0 / 1 / 2 映射成「核心价值 / 沉睡流失 / 新活跃潜力」业务命名
改进方向：引入 RFM 打分分层（1~5 标度）做交叉验证；补充 CLV / 复购预测；对类别特征改用 K-Prototypes 处理