Day14----Python超市电商数据分析(三)

Python超市电商数据分析(三)

接上篇 Python超市电商数据分析(二)

数据源概况：

本案例将对某大型超市的零售数据进行数据分析，通过了
解运营状况，做出合理的决策。详细字段是：
Row ID:行编号；
Order ID:订单ID；
Order Date:订单日期；
Ship Date:发货日期；
Ship Mode:发货模式；
Customer ID:客户ID；
Customer Name:客户姓名；
Segment:客户类别；
City:客户所在城市；
State:客户城市所在州；
Country:客户所在国家；
Postal Code:邮编；
Market:商店所属区域；
Region:商店所属州；
Product ID:产品ID；
Category:产品类别；
Sub-Category:产品子类别；
Product Name:产品名称；
Sales:销售额；
Quantity:销售量；
Discount:折扣；
Profit:利润；
Shipping Cost:发货成本；
Order Priority:订单优先级；

用户价值度RFM模型分析

RFM是一个经典的客户分群模型，含义如下：
R——Recency:客户最近一次消费时间
F——Frequency:客户消费的频次
M——Monetary:消费金额
客户价值类型：
重要价值客户：RFM3个值都很高，是平台重点维护的客户
重要保持客户：最近一次消费时间较远，消费金额和消费频
次比较高
重要发展客户：最近有消费，且整体消费金额高，但是购买
不频繁
重要挽留客户：消费金额较高，消费频次偏低，而且已经很
久没有消费行为了
一般价值客户：多次频繁购买，但是购买的商品