电子商务客户RFM分析数据集-2011-blewitts
数据来源：互联网公开数据
标签：电子商务,客户分析,RFM模型,客户细分,数据可视化,营销,客户行为,消费习惯
数据概述：
本数据集基于Kaggle上的在线零售数据集（https://www.kaggle.com/roshansharma/online-retail），经过处理后适用于客户细分和数据可视化。数据集包含了通过RFM（Recency-Frequency-Monetary）模型分析得出的客户特征和细分信息。
数据集中的变量包括：
CustomerID：客户ID，与原始在线零售数据集中的客户ID相同，可用于链接数据。
Frequency：客户购买次数。
Recency：客户上次购买距离参考时间的天数。
Monetary：客户的总消费金额，即生命周期内的总花费。
rankF：根据购买次数划分的频率等级，范围为1到5（5=购买频繁，1=购买很少）。
rankR：根据上次购买时间划分的时间等级，范围为1到5（5=最近购买，1=很久以前购买）。
rankM：根据总消费金额划分的金额等级，范围为1到5（5=消费高，1=消费低）。
groupRFM：结合rankR、rankF和rankM的综合等级，使用1位数字表示每个等级（例如，rankR为1，rankF为2，rankM为5，则综合等级为125组）。
Country：客户送货国家，来自原始在线零售数据集。
Customer_Segment：基于RFM分析为客户添加的描述性细分，便于根据不同群体进行差异化处理。细分类型如下：
客户细分：
- Champions：近期购买频繁且消费金额最高
- Loyal Customers：消费金额高，对促销活动有响应
- Potential Loyalist：近期购买，消费金额较高，购买超过一次
- Recent High Spender：近期购买，购买频率不高但消费金额较大
- New Customers：近期购买但购买频率不高
- Promising：近期购物但消费金额较低
- Need Attention：平均消费金额、购买频率和上次购买时间都高于平均水平
- About To Sleep：平均消费金额、购买频率和上次购买时间都低于平均水平
- At Risk：购买金额大且购买频率高但很久以前购买
- Can’t Lose Them：购买金额大且购买频率高但很久以前购买
- Hibernating：消费金额低、购买频率低且很久以前购买
- Lost：消费金额最低、购买频率最低且上次购买时间最长
数据用途概述：
该数据集适用于客户细分、营销策略制定、客户行为分析等多种场景。市场团队可以根据客户细分进行个性化营销活动，识别高价值客户并进行针对性维护。此外，数据集还适用于数据分析和可视化，帮助商业决策者了解客户行为模式，优化业务策略。
