[Day 17] 誰是全平台最有價值的超級買家？用 Pandas 打造 RFM 客戶基底寬表

18th鐵人賽

2026-09-24 21:46:46

30 瀏覽

分享至

告別千人一面，找出貢獻營收的關鍵少數

在 Day 16 中，我們解開了買家的金流偏好，證實分期付款是撬動 4 倍客單價的核心槓桿。

然而，當平台累積了近 10 萬筆訂單，營運主管最常問的下一個問題是：「我們平台到底有沒有忠誠的『超級大客』？誰買得最多、買得最貴？我們該把行銷預算砸在誰身上？」

在客戶關係管理（CRM）與用戶增長領域，最權威且歷久不衰的分析框架正是 RFM 模型：

R (Recency) 最近消費天數：距離上次下單隔了多久？越近期消費的顧客，再次啟動的成本越低。
F (Frequency) 消費頻次：終身在平台下過幾次單？消費次數代表顧客對平台的依賴度。
M (Monetary) 消費總金額：累計貢獻了多少營收？消費總額直接決定了顧客的終身商業價值（LTV）。

今天我們將動手打造這張 RFM 客戶基底寬表，並避開 Olist 數據中最隱密的「身分識別陷阱」，
揪出全平台最具價值的超級買家！

步驟一：避開致命陷阱——customer_id vs. customer_unique_id

很多新手在做客戶分群時，會習慣性直接對訂單表或顧客表裡的 customer_id 執行 groupby。

這是在 Olist 資料集中最嚴重的致命失誤！

我們先來檢驗 olist_customers_dataset 的欄位設計：

import pandas as pd

# 1. 從資料庫字典取出顧客表
customers = olist_db['olist_customers_dataset'].copy()

# 2. 檢驗兩個客戶代碼的唯一值數量
print(f"customer_id 唯一值筆數: {customers['customer_id'].nunique():,}")
print(f"customer_unique_id 唯一值筆數: {customers['customer_unique_id'].nunique():,}")

實作區 :

資料陷阱拆解：

customer_id：只是單次結帳的「會話交易代碼（Session Token）」，每一次買家下單，
系統就會隨機生成一個新的 customer_id。如果拿它當分組鍵，所有人的消費頻次（Frequency）永遠等於 1！
customer_unique_id：才是真正代表「現實生活中的同一個自然人」的真實身分識別碼。

因此，在建構任何用戶模型時，唯一的合法分組鍵只有 customer_unique_id。

步驟二：串接真實顧客身分，計算單筆訂單總支出

我們將 Day 8 產出的有效訂單大表 valid_orders 與顧客表串聯，把顧客的真實身分找回來，
並計算每筆訂單的結帳總額（商品金額 + 運費）：

# 1. 串接有效訂單與顧客真實身分
rfm_orders = pd.merge(
    valid_orders[['order_id', 'customer_id', 'order_purchase_timestamp', 'total_item_price', 'total_freight_value']],
    customers[['customer_id', 'customer_unique_id']],
    on='customer_id',
    how='inner'
)

# 2. 計算每筆訂單顧客的實際總支出（含運費）
rfm_orders['order_total_amount'] = (
    rfm_orders['total_item_price'] + rfm_orders['total_freight_value']
)

# 檢視合併樣本
rfm_orders[['order_id', 'customer_unique_id', 'order_purchase_timestamp', 'order_total_amount']].head(3)

實作 :

步驟三：設定時間基準日 (Snapshot Date)

在計算 Recency（距離上次購買天數）時，標準公式為：

Recency = 時間基準日 - 該顧客最後一次下單時間

在即時生產環境中，基準日通常是 datetime.now()。
但在分析歷史資料集時，若直接拿今天的日期去減，所有顧客的 Recency 都會落在數千天以上，
徹底失去相對比較的意義。

專業作法：
以資料集中「最後一筆訂單發生的隔天」作為虛擬的分析基準日（Snapshot Date）：

# 取資料集中最大購買日期的次日為基準日
snapshot_date = rfm_orders['order_purchase_timestamp'].max() + pd.Timedelta(days=1)
print(f"RFM 計算基準日 (Snapshot Date): {snapshot_date.strftime('%Y-%m-%d %H:%M:%S')}")

實作區 :

步驟四：Groupby 聚合——打造 RFM 客戶基底寬表

現在我們以 customer_unique_id 為核心，使用一氣呵成的聚合語法提煉每位顧客的 R、F、M 原始數值：

# 依顧客真實身分聚合計算 RFM 指標
rfm_table = rfm_orders.groupby('customer_unique_id').agg(
    # Recency: 基準日減去最近一次下單日（換算為天數）
    recency=('order_purchase_timestamp', lambda x: (snapshot_date - x.max()).days),
    # Frequency: 該用戶累計下過幾張有效訂單
    frequency=('order_id', 'nunique'),
    # Monetary: 該用戶累計貢獻的總營收
    monetary=('order_total_amount', 'sum')
).reset_index()

# 整理數值位數
rfm_table['monetary'] = rfm_table['monetary'].round(2)

# 檢視 RFM 表前五筆資料
rfm_table.head(5)

實作:

步驟五：資料輪廓體檢——誰是全平台最強超級買家？

建好寬表後，我們下 .describe() 檢驗數據分佈，並找出全平台累計消費最高與下單次數最多的「超級大戶」：

# 1. 檢視分佈統計
print(rfm_table[['recency', 'frequency', 'monetary']].describe().round(2))

# 2. 依消費金額 (Monetary) 降冪排序，檢視全平台 Top 5 超級大客
top_spenders = rfm_table.sort_values(by='monetary', ascending=False).head(5)
print("\n--- 全平台累計消費金額 Top 5 買家 ---")
print(top_spenders)

實作區 :

從數據看出的殘酷真相與驚人發現：

消費頻次（Frequency）的殘酷真相：
frequency 的 75% 甚至 95% 分位數全部都是 1！全平台近 10 萬名獨立買家中，
超過 96% 的人終身「只買過這一次」。這反映了電商平台獲取新客成本極高，
但回購率卻極度疲軟的營運危機。

誰是全平台最強大客？
雖然回購次數普遍只有 1～2 次，但頂級超級大戶的消費力驚人：
> - 榜首買家累計消費金額飆破 13,000 BRL（是全體平均客單價 165 BRL 的近 80 倍！）。
> - 這些大客往往是集中採購高單價電子產品、專業設備或批發用途的個人商家。

今天我們完成了電商用戶價值建模最重要的一哩路：

身分代碼校正：識破 customer_id 陷阱，堅持以 customer_unique_id 確保頻次計算精準。
確立基準錨點：掌握歷史數據分析中設定 Snapshot Date 的標準 SOP。
完成 RFM 寬表：產出近 10 萬名買家的 R、F、M 原始特徵，並鎖定了頂級大客的名單。

我們發現 Frequency 有超過 96% 都是 1，如果直接使用傳統的五等分位數（pd.qcut）來打分數，
程式一定會報錯（因為分位點重複無法切分）。
明天 Day 18，我們將展示如何運用量身打造的自訂評分分箱（RFM Scoring），
並正式將顧客劃分為「核心 VIP」、「潛力新客」、「流失警戒群」等具備落地指導價值的客群名單！