跳到主要内容

项目三：用户分群分析（聚类问题）

用户分群 RFM 聚类图

项目定位

用户分群是无监督学习最常见的商业应用。本项目用 RFM 模型构建客户特征，通过聚类发现不同价值的客户群体，并给出营销建议。

项目概览​

信息说明
任务类型聚类（无监督）
方法RFM 模型 + K-Means
评估指标轮廓系数
涉及技能特征构造、标准化、降维、聚类、业务解读

先说一个很重要的学习预期​

这题最容易让新人掉进去的坑，不是聚类不会跑，而是项目会很容易做成：

  • 图很好看
  • 群组名字也起了
  • 但业务上其实不知道怎么用

更适合第一遍先练会的，不是把聚类图画得更漂亮，而是：

怎样把“群组结构”真正翻译成“可以行动的用户画像和策略”。

只要这条线先立住，这题就会更像真实项目，而不是一个可视化练习。

先建立一张地图​

这题最容易做成“图很好看，但解释很空”。
所以最稳的推进方式不是先跑聚类，而是先把“什么样的群才算有价值”想清楚。

无监督项目最重要的不是“算法跑完了”，而是你能不能把聚类结果讲成一个可行动的用户画像故事。

这题你真正要练什么​

这个项目真正难的地方，不是跑出聚类标签，而是：

  1. 用业务语言定义特征
  2. 判断 K 值是否合理
  3. 把聚类结果解释成“可以行动的用户群体”

这题第一版最该先确认什么​

第一次做这题时，最该先确认的是：

  • 你选的特征是不是业务上真的有意义
  • 每个特征的方向是不是讲得通
  • 你最后到底打算按什么方式给群体命名

因为聚类项目里，后面所有“解释质量”的上限，往往在特征定义那一步就已经决定了。

一个更适合新人的类比​

你可以先把这题想成：

  • 给一大批用户做“可执行的分层名单”

重点不是：

  • 机器把人硬分成几类

而是：

  • 这些分层是否真的能帮助运营、营销或产品团队采取不同动作

所以这题里最值钱的部分，不是聚类本身，而是：

  • 命名
  • 解释
  • 行动建议

推荐推进顺序​

  1. 先把 RFM 含义解释清楚
  2. 再做标准化和选 K
  3. 再做 PCA 可视化
  4. 最后再写群体命名和业务建议

无监督项目最怕“图做出来了，但解释不出来”。

第一次做这题时，最稳的默认顺序​

如果你第一次做用户分群，建议按这个顺序：

  1. 先把业务目标说清楚
  2. 先确定画像特征为什么是 RFM
  3. 先做标准化和选 K
  4. 先给每个群做统计画像
  5. 再做 PCA 图辅助展示
  6. 最后才写群体命名和业务建议

这样会更稳，因为你先建立的是：

  • 特征语义
  • 聚类依据
  • 群体画像
  • 业务动作

这条完整链，而不是先被图带着走。

Step 1：生成 RFM 数据​

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)
n_customers = 1000

df = pd.DataFrame({
    'customer_id': range(1, n_customers + 1),
    'recency': np.random.exponential(30, n_customers).astype(int) + 1,       # 最近一次购买距今天数
    'frequency': np.random.poisson(5, n_customers) + 1,                       # 购买频次
    'monetary': np.random.exponential(200, n_customers).round(2) + 10,        # 总消费金额
})

print(df.describe())

RFM 简介​

指标含义值大的含义
Recency最近一次购买距今天数越小越好（最近买过）
Frequency购买频次越大越好（常客）
Monetary总消费金额越大越好（高消费）

Step 1.1 为什么 RFM 特别适合当第一个聚类项目​

因为它有两个很适合新人的优点：

  • 业务语义非常清楚
  • 后面的群体解释天然比较顺

也就是说，你不是在对一堆抽象数值做聚类，而是在对：

  • 最近有没有来
  • 来得频不频繁
  • 花得多不多

这三种很直观的行为做分群。

Step 2：特征标准化与聚类​

from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

features = ['recency', 'frequency', 'monetary']
scaler = StandardScaler()
X_scaled = scaler.fit_transform(df[features])

# 肘部法选 K
inertias = []
sil_scores = []
K_range = range(2, 9)

from sklearn.metrics import silhouette_score
for k in K_range:
    km = KMeans(n_clusters=k, random_state=42, n_init=10)
    labels = km.fit_predict(X_scaled)
    inertias.append(km.inertia_)
    sil_scores.append(silhouette_score(X_scaled, labels))

fig, axes = plt.subplots(1, 2, figsize=(12, 4))
axes[0].plot(K_range, inertias, 'bo-')
axes[0].set_xlabel('K')
axes[0].set_ylabel('Inertia')
axes[0].set_title('肘部法')

axes[1].plot(K_range, sil_scores, 'ro-')
axes[1].set_xlabel('K')
axes[1].set_ylabel('轮廓系数')
axes[1].set_title('轮廓系数法')

plt.tight_layout()
plt.show()

Step 3：聚类与可视化​

from sklearn.decomposition import PCA

# 选择最佳 K
best_k = K_range[np.argmax(sil_scores)]
print(f"最佳 K: {best_k}, 轮廓系数: {max(sil_scores):.4f}")

km = KMeans(n_clusters=best_k, random_state=42, n_init=10)
df['cluster'] = km.fit_predict(X_scaled)

# PCA 降维可视化
pca = PCA(n_components=2)
X_2d = pca.fit_transform(X_scaled)

plt.figure(figsize=(8, 6))
scatter = plt.scatter(X_2d[:, 0], X_2d[:, 1], c=df['cluster'], cmap='Set2', s=15, alpha=0.6)
plt.colorbar(scatter, label='聚类')
plt.xlabel(f'PC1 ({pca.explained_variance_ratio_[0]:.1%})')
plt.ylabel(f'PC2 ({pca.explained_variance_ratio_[1]:.1%})')
plt.title('用户分群（PCA 投影）')
plt.show()

Step 3.1 PCA 图最该怎么解释​

这张图的作用主要是帮助你：

  • 看群体是否大致有分开
  • 看是否存在明显离群群体
  • 辅助展示结果

但它不是最终证据。
真正决定项目质量的，还是后面的：

  • 群体统计画像
  • 命名是否合理
  • 业务建议是否可执行

Step 4：聚类结果解读​

# 各群体的 RFM 统计
cluster_summary = df.groupby('cluster')[features].mean().round(1)
cluster_summary['客户数'] = df.groupby('cluster').size()
print(cluster_summary)

# 雷达图
fig, axes = plt.subplots(1, best_k, figsize=(4*best_k, 4), subplot_kw=dict(polar=True))
if best_k == 1:
    axes = [axes]

angles = np.linspace(0, 2*np.pi, len(features), endpoint=False).tolist()
angles += angles[:1]

# 归一化到 [0, 1] 以便比较
from sklearn.preprocessing import MinMaxScaler
mms = MinMaxScaler()
radar_data = mms.fit_transform(cluster_summary[features])
# recency 越小越好，翻转
radar_data[:, 0] = 1 - radar_data[:, 0]

for i, ax in enumerate(axes):
    values = radar_data[i].tolist() + [radar_data[i][0]]
    ax.fill(angles, values, alpha=0.25)
    ax.plot(angles, values, linewidth=2)
    ax.set_xticks(angles[:-1])
    ax.set_xticklabels(['近期活跃', '购买频次', '消费金额'])
    ax.set_title(f'群体 {i}', pad=15)

plt.suptitle('各群体 RFM 雷达图', y=1.02, fontsize=13)
plt.tight_layout()
plt.show()

Step 5：业务建议​

# 根据聚类特征给出标签和建议
print("\n=== 业务建议 ===")
for i in range(best_k):
    row = cluster_summary.loc[i]
    label = ""
    suggestion = ""
    if row['recency'] < cluster_summary['recency'].median() and row['monetary'] > cluster_summary['monetary'].median():
        label = "高价值活跃客户"
        suggestion = "VIP 服务、专属优惠，保持忠诚度"
    elif row['recency'] > cluster_summary['recency'].median() and row['monetary'] > cluster_summary['monetary'].median():
        label = "高价值流失风险"
        suggestion = "召回营销、个性化推荐"
    elif row['frequency'] > cluster_summary['frequency'].median():
        label = "高频低消客户"
        suggestion = "提升客单价、交叉销售"
    else:
        label = "低活跃客户"
        suggestion = "低成本触达、优惠券激活"

    print(f"  群体 {i} ({int(row['客户数'])} 人): {label}")
    print(f"    建议: {suggestion}")

Step 5.1 给群体命名时，一个很实用的模板​

可以按下面这个模板来命名：

  • 先看活跃度
  • 再看价值
  • 最后看风险

比如：

  • 高价值活跃客户
  • 高价值流失风险客户
  • 高频低客单客户
  • 低活跃待激活客户

这样命名的好处是，后续业务方一看就能知道怎么行动。

项目交付时最好补上的内容​

  • 一张选 K 曲线图
  • 一张 PCA 聚类可视化
  • 一张群体画像表
  • 一段“为什么这样命名这些群体”的解释

一个更完整的项目交付结构​

  1. 为什么选 RFM 做画像
  2. 怎么选 K
  3. 每个群的画像是什么
  4. 为什么这样命名
  5. 每个群对应什么策略
  6. 如果继续迭代，下一步还想补哪些特征

做成作品集时，最值得展示什么​

  • 选 K 的依据
  • 每个群的 RFM 画像表
  • 一张聚类可视化图
  • 一页群体命名与策略表
  • 一段你对“这个聚类是否真的有业务价值”的判断

项目检查清单​

  • 构建 RFM 特征
  • 标准化 + 肘部法/轮廓系数选 K
  • PCA 降维可视化聚类结果
  • 分析各群体的 RFM 特征
  • 给出可执行的业务建议

版本路线建议​

版本目标交付重点
基础版跑通最小闭环能输入、能处理、能输出，并保留一组示例
标准版形成可展示项目增加配置、日志、错误处理、README 和截图
挑战版接近作品集质量增加评估、对比实验、失败样本分析和下一步路线

建议先完成基础版，不要一开始就追求大而全。每提升一个版本，都要把“新增了什么能力、怎么验证、还有什么问题”写进 README。