基于 Python 的顾客细分
在这篇文章中，我要谈的东西是相对简单，但却是对任何业务都很重要的：客户细分。客户细分的核心是能够识别不同类型的客户，然后知道如何找到更多这样的人，这样你就可以…你猜对了，获得更多的客户！在这篇文章中，我将详细介绍您如何可以使用K-均值聚类来完成一些客户细分方面的探索。
我们的数据
我们使用的数据来自 John Foreman 的《智能数据》。该数据集包含了营销快讯/电邮推广（电子邮件发送报价）和来自客户的交易层面数据（提供的数据来自客户期望和最终购买）这两个信息。
|
1 2 3 4 |
import pandas as pd df_offers = pd.read_excel("./WineKMC.xlsx", sheetname=0) df_offers.columns = ["offer_id", "campaign", "varietal", "min_qty", "discount", "origin", "past_peak"] df_offers.head() |
交易层面的数据…
|
1 2 3 4 |
df_transactions = pd.read_excel("./WineKMC.xlsx", sheetname=1) df_transactions.columns = ["customer_name", "offer_id"] df_transactions['n'] = 1 df_transactions.head() |
K-均值快速入门
为了细分客户，我们需要一种方法来对它们进行比较。要做到这一点，我们将使用K-均值聚类。K-均值是一种获取一个数据集，并从中发现具有类似性质点的组合（或簇）的方法。K-均值的工作原理是，最小化各个点与各簇中点之间的距离，并以此来进行分组。
想一个最简单的例子。如果我告诉你为下面这些点创建 3 个组，并在每个组的中间绘制一个星星，你会怎么做？
可能(或希望)是这样的…
在K-均值中，“ x ”的被称为“重心”，并指出（你猜对了），给定簇的中心。我不打算详细讲述K-均值实际上是怎什么样运作的，但希望这说明会给你一个不错的想法。
将客户分类
好吧，那么，如何我们的客户该怎么分类呢？因为我们试图更多地了解我们客户的行为，我们可以用他们的行为（根据他们是否在收到报价后进行了采购），以此将有类似想法的客户分类在一起。然后，我们可以研究这些群体，来寻找模式和趋势，来帮助我们制定未来的报价。
我们最需要的就是一种比较客户的方法。要做到这一点，我们要创建一个矩阵，包含每个客户和他们是否回应了报价的一个 0/1 指标。在 Python 中，这是很容易做到的：
|
1 2 3 4 5 6 7 8 |
# join the offers and transactions table df = pd.merge(df_offers, df_transactions) # create a "pivot table" which will give us the number of times each customer responded to a given offer matrix = df.pivot_table(index=['customer_name'], columns=['offer_id'], values='n') # a little tidying up. fill NA values with 0 and make the index into a column matrix = matrix.fillna(0).reset_index() # save a list of the 0/1 columns. we'll use these a bit later x_cols = matrix.columns[1:] |
现在创建簇，我们将使用 scikit-learn 库中 KMeans 的功能。我任意选择了 5 个簇。我一般的经验法则是，我进行分类的记录数至少是类别数的 7 倍。
|
1 2 3 4 5 6 7 8 9 10 11 |
from sklearn.cluster import KMeans cluster = KMeans(n_clusters=5) # slice matrix so we only include the 0/1 indicator columns in the clustering matrix['cluster'] = cluster.fit_predict(matrix[matrix.columns[2:]]) matrix.cluster.value_counts() 2 32 1 22 4 20 0 15 3 11 dtype: int64 |
簇可视化
一个很酷的技巧，这可能是学校没有教你的，主成分分析。它有很多用途，但今天我们将用它来将我们的多维数据集转化到一个二维数据集。 你问为什么要这样做？一旦它在二维中（或简单地说，它有 2 列），它就会变得更容易绘制！
再一次, scikit-learn 发挥作用了!
|
1 2 3 4 5 6 7 8 9 |
from sklearn.decomposition import PCA pca = PCA(n_components=2) matrix['x'] = pca.fit_transform(matrix[x_cols])[:,0] matrix['y'] = pca.fit_transform(matrix[x_cols])[:,1] matrix = matrix.reset_index() customer_clusters = matrix[['customer_name', 'cluster', 'x', 'y']] customer_clusters.head() |
我们所做的就是我们把 x_cols 列设定为 0/1 指标变量,我们已经把他们变成了一个二维的数据集。我们任取一列，称之为 x,然后把其余剩下的叫 y。现在我们可以把每一个点都对应到一个散点图中。我们将基于它的簇编码每个点的颜色，可以让它们更清晰。
|
1 2 3 4 5 6 7 8 |
df = pd.merge(df_transactions, customer_clusters) df = pd.merge(df_offers, df) from ggplot import * ggplot(df, aes(x='x', y='y', color='cluster')) + geom_point(size=75) + ggtitle("Customers Grouped by Cluster") |
如果你要搞点花样,你也可以画出各簇的中心。这些都存储在 KMeans 实例中的 cluster_centers_ 变量。确保你也可以将簇心转换为二维投影。
|
1 2 3 4 5 6 7 8 |
cluster_centers = pca.transform(cluster.cluster_centers_) cluster_centers = pd.DataFrame(cluster_centers, columns=['x', 'y']) cluster_centers['cluster'] = range(0, len(cluster_centers)) ggplot(df, aes(x='x', y='y', color='cluster')) + geom_point(size=75) + geom_point(cluster_centers, size=500) + ggtitle("Customers Grouped by Cluster") |
对簇更深的挖掘
让我们在簇中更深入得挖掘吧。以第 4 簇为例。如果我们挑出簇4，并将其与余下的客户比较，我们就可以开始寻找可供我们利用的、有趣的方方面面。
作为一个基准，看看簇4与其它簇的葡萄品种对比。事实证明，几乎所有的Cabernet Sauvignon（赤霞珠）都是由簇4的成员购买的。另外，簇4中没有一个人买了Espumante（意大利苏打白葡萄酒）。
|
1 2 |
df['is_4'] = df.cluster==4 df.groupby("is_4").varietal.value_counts() |
你还可以细分出数值功能。例如，看看为何4号簇与其它簇在min_qty的平均值上表现迥异。似乎簇4的成员都喜欢大批量购买！
|
1 |
df.groupby("is_4")[['min_qty', 'discount']].mean() |
结语
虽然它不会神奇地告诉你所有的答案，但分群是一个很好的探索性尝试，可以帮助你更多地了解你的客户。有关K-均值和客户细分的更多信息，请查看以下资源：
INSEAD Analytics Cluster Analysis and Segmentation Post
Customer Segmentation at Bain & Company
Customer Segmentation Wikipedia
这篇所用代码请查阅 这里。
