rfm-customer-segmentation

RFM 客户细分分析

全面的客户细分技能，可自动分析电商交易数据，并使用 RFM（最近一次消费时间、消费频率、消费金额）分析和 K-means 聚类识别客户价值群体。

说明

1. 数据分析

当用户提供电商数据或询问客户细分相关问题时：

• 加载并验证交易数据
• 清理数据，移除无效订单（数量为负数或价格为零）
• 为每位客户计算 RFM 指标：
  • 最近一次消费时间：距上次购买的天数
  • 消费频率：购买次数
  • 消费金额：购买总金额
• 使用 K-means 对 RFM 维度进行聚类
• 使用肘部法自动确定最佳聚类数量

2. 客户细分

• 创建客户价值群体：高、中、低价值客户
• 按 RFM 维度为每位客户评分（1–3 分）
• 计算客户综合价值评分
• 识别并排列 VIP 客户，为营销活动做准备

3. 可视化与报告

• 生成全面的客户细分仪表板
• 创建饼图，展示群体分布和收入占比
• 绘制 RFM 散点图，直观呈现客户模式
• 生成箱线图，展示各群体的价值分布
• 导出详细的 CSV 报告，其中包含 VIP 客户名单

4. 营销洞察

• 为每个群体提供可执行的营销建议
• 生成包含关键发现的执行摘要
• 为不同价值层级制定客户激活策略
• 导出 VIP 客户名单，用于定向营销活动

使用示例

基础客户细分

Analyze these e-commerce orders and segment customers by value:
[CSV data with order_id, user_id, purchase_date, quantity, unit_price]

VIP 客户识别

Find the top 100 most valuable customers from our sales data for marketing campaign

客户价值分析

Create a customer segmentation report showing revenue contribution by customer segment

主要功能

• 自动数据清理：支持中文电商数据格式，移除无效订单
• 智能聚类：使用肘部法确定最佳聚类数量
• 中文支持：全面支持中文字段名和可视化
• 全面报告：生成 HTML 报告、PNG 仪表板和 CSV 导出文件
• 适用于营销：提供 VIP 客户名单和可执行的洞察

文件要求

此技能适用于包含以下字段的电商交易数据：

• user_id：客户识别码（用户码）
• order_date：购买日期（消费日期）
• quantity：订单数量（数量）
• unit_price：商品单价（单价）
• product_info：商品详情（可选）

生成的输出文件

• customer_segments.csv：完整的客户细分数据
• vip_customers_list.csv：按排名排列的 VIP 客户名单，供营销使用
• segment_summary_statistics.csv：各群体的详细统计数据
• customer_segmentation_dashboard.png：可视化分析仪表板
• data_validation_report.txt：数据质量和分析验证报告

依赖项

• pandas、numpy：用于数据处理
• scikit-learn：用于 K-means 聚类
• matplotlib、seaborn：用于可视化（支持中文字体）
• Python 标准库：用于文件操作

最佳实践

• 确保日期字段格式一致（推荐使用 YYYY-MM-DD）
• 分析前移除或处理缺失值
• 使用足够的数据量（建议至少 1000 笔订单，以确保聚类结果可靠）
• 解读群体结果时结合业务背景
• 尽可能使用领域知识验证结果