关注公众号：『』
回复： 即可获取数据下载。
论文辅导或算法学习可以通过公众号滴滴我
本项目内容主要是基于Python的“百货商场用户画像描述与价值分析”，里面有详细的数据预处理、数据可视化和数据建模等步骤。同时，针对传统RFM模型进行了改进，构造了LRFMP模型来分析客户价值，挖掘客户价值的八个字段，并通过WordCloud形式展现了出来，可以对会员用户进行精准画像。
数据集分为两部分，.xlsx结尾的是会员信息表，.csv结尾的是销售流水表。其中，会员信息表共有将近19万条记录，销售流水表共有接近189万条记录，其包括2015-01-01到2018-01-03之间所产生的数据。
目标：
本项目主要围绕着“百货商店会员用户画像描绘与价值分析”内容进行，结合目前百货商场的数据情况，可以实现以下目标：
- 借助百货商场会员用户数据，对会员用户进行分群。
- 对不同的会员用户类别进行特征分析，比较不同类别会员用户的会员用户价值。
- 对不同价值的会员用户类别提供个性化服务，制定相应的营销策略。
所需要的包及代码模版
2.1、项目背景与挖掘目标
从上面可以简要看出，数据中会员卡号存在一些重复值，且会员入会登记时间都有缺失，需要去重去缺失值，因为性别比例缺失较少，故用众数来填补性别上的缺失值
销售流水表数据探索和预处理
可以看到，舍弃掉会员卡号缺失值之后，便只有柜组名称存在缺失，下面舍弃掉一些无意义的字段，仅保留对本项目有研究价值的字段信息
2.2、将会员信息表和销售流水表关联与合并
这里可以看到，merge之后的数据异常值突然变多了，这里就需要对此进行预处理，筛选掉那些异常值，方便后续进行分析
3.1、分析会员的年龄构成、男女比例等基本信息
3.2、分析会员的总订单占比，总消费金额占比等消费情况
3.3、分别以季度和天为单位，分析不同时间段会员的消费时间偏好
消费偏好：我觉得会稍微偏向与消费的频次，相当于消费的订单数，因为每笔消费订单其中所包含的消费商品和金额都是不太一样的，有的订单所消费的商品很少，但金额却很大，有的消费的商品很多，但金额却特别少。如果单纯以总金额来衡量的话，会员下次消费时间可能会很长，消费频次估计也会相对变小（因为这次所购买的商品已经足够用了）。所以我会偏向于认为一个用户消费频次（订单数）越多，就越能带来更多的价值，从另一方面上来讲，用户也不可能一直都是消费低端产品，消费频次越多用户的粘性也会相对比较大
4.1、构建会员用户基本特征标签
消费产生的时间存在异常值的数量为：469 登记时间存在的异常值数量为：36
筛除全部异常值之后数据的记录数为：393006 共有16个字段
点击拨打：