我们咨询界的前辈杰弗里摩尔在上世纪就说过：“离开大数据分析的企业又聋又瞎，就像误入高速的麋鹿，在发展路上迷失了方向”。早在2005年,《市场研究杂志》（Journal of Marketing Research）就提出了RFM和CLV模型，其中RFM所代表的Recency（最近一次消费）、Frequency（消费频率）和Monetary（消费金额）至今仍被广泛认为是客户数据分析最好的指标。

在这之前，市场分析人员总是拍脑袋来创建客户分类，比如根据消费偏好，购买力等，但这会带来两个问题，首先是时效性问题，我们不清楚什么时候之前的分类结果需要刷新；其次是完整性问题，如果客户无法落入之前的任何一个分类中需要如何处理，重构数据模型的代价是巨大的。

尽管市场法则遵循二八定律，20%的核心客户可以不问缘由地为你的商品买单，但是对于RFM分类后的其他客户，就算他们目前没有贡献多大利润，为了避免他们快速成为竞争对手的核心客户，任何企业都会想办法争取一下。

根据RFM分类，针对不同的客群需要匹配不同的营销策略，譬如价格敏感用户，他们对商品打折更感兴趣，可以通过提高订单净值（AOV），例如买二送一来获取更大利益；再譬如潜在忠实用户，可以对其扩大品牌宣传，施以影响力来打动用户。

咱们既然是个技术公众号，那就必须要聊点干货，我们知道数据科学家60%-90%的时间在做数据清洗工作，因此在对于客户数据的学习建模也可以大致分为以下五个步骤：

• 发现客户相关数据：包括行为数据和统计数据，有时候我们单看行为数据往往不能洞察客户的真实购买力（需要结合统计数据中的收入），融合这两类数据才能更好地分析出客户的特征。

• 关联、过滤、转置并清洗数据：这就是前面说的数据科学家最头痛的一步，在一堆海量数据中提取特征，然后归一化以便之后的算法模型可以运算分析。
• 数据汇总：将特种工程、归一化后的数据导入到数据开发环境。
• 分析数据：建立匹配业务场景的数据模型，对历史数据进行学习，调整模型参数。
• 行为观测：在现实环境中对模型持续优化。

完成上述五项工程后，我们最终获得了客户画像，这是一幅没有“画像”的画像，包括个人消费倾向、性格特点、兴趣爱好等等。这类评价大多是可量化的，例如外向型、消费冲动型都会用相应的分值表示。

以人们喜欢的借阅DVD为例，举这个例子是因为Github上有现成的样例数据库（https://github.com/priyank-purohit/PostGUI），样例包含了不同人群的类型偏好、单次借阅量和开销等信息。以下是这个样例数据库的ER图。

在配置环境变量阶段，我们加载两个通用的评分模型：CH评分和Silhouette评分。两者都是基于K邻域算法

然后针对上面所提到的归一化，我们需要将所有字符串类型的转换为数值型，例如区域需要将原来的主数据转换成元数据，比如将原先的居住城市（北京、上海、东京、伦敦等）转换为新的属性字段（“是否居住在北京？”，“是否居住在上海？”，“是否居住在东京？”，“是否居住在伦敦？”等），而用1和0表示目标用户是否住在此。

凭借对不同维度数据的加总统计，我们可以获得每个用户借阅量的信息。

以及每个用户最爱的DVD名和分类

结合单片的价格，以及对群体样本的统计分析，可以得出客户消费周期的价值总览。

红框圈出的部分就是为公司创造80%价值的核心/VIP客户，如何服务好这个人群，使其价值最大化无疑需要继续深度个性化，回到他们每个人的样本进行研究分析，而其他用户可能并不值得公司进行1对1服务，群组定制化就足够了。

群体统计有好多种分类算法，除了上面说到的K邻域算法外，还有聚合分群（Agglomerative Clustering）和聚类分群（Birch Clustering）。

基于上述分类，当有新样本入库时，我们可以为新样本分群的置信度进行打分，以Silhouette评分为例，我们可以看到这个分类算法对于新样本的类别划分的可行度并不高（Silhouette分数越高越可信），可能都处在现有群族的交界位置，因此我们可能需要重新考虑适用的分类算法。

最后，从实际操作上来讲，任何一个标签都需要赋予一个业务加权值。例如我们可能认为用户是否是本国居民对于他喜欢哪类DVD没有太大影响，相反用户有多少空闲时间会影响他对DVD的偏好。

最后的最后，客户对于营销方式可能也是有偏好的，比如有些客户喜欢图文推送，有些客户喜欢电话交流，这也是在后期具体操作的时候需要考量的因素。