對客戶分類，並針對不同的客戶屬性進行差異化行銷軟體，是掛在嘴裡的老生常談。但說的容易，要如何適當地對客戶分類，正確預測客戶未來趨勢走向，並不是件有標準答案的容易之事。近來找到一份Python教學的網路資料（Data Driven Growth，作者Barış Karaman，連結網址https://towardsdatascience.com/data-driven-growth-with-python-part-1-know-your-metrics-812781e66a5b），其中有提到如何利用Python數據分析技巧，處理客戶分類問題，除了程式編碼外，也從中學到一些之前未曾想過的東西。
客戶分類資料分析，可分為4個步驟：
1. 選擇以何種指標作為客戶分類之依據，按機器學習術語，將其稱為標籤（label）。
2.決定影響客戶分類結果（標籤）的因素有那些，在機器學習領域，這些因素被稱為特徵（feature）。
3.選擇適當的機器學習模型，從客戶往來資料，預測客戶未來趨勢，並驗證模型有效性。
4.改善及增進模型預測效能。
在設計客戶分類模型時，已假設「特徵」與「標籤」二者間具有因果關係，為突顯前因（特徵）後果（標籤）的效應，當被觀察的資料為時間序列形式時，通常會將資料切分為二段期間，前段區間只看「特徵」類數據，「標籤」數據則在後段區間，以此觀察前段「特徵」如何影響後段「標籤」。seo
Barış Karama就一份50多萬筆訂單明細表資料（資料檔案下載連結網址：https://www.kaggle.com/vijayuv/onlineretail）進行客戶分類分析，他將資料按時間區分為二批，一批為2011/3~2011/5三個月資料，另一批為2011/6~2011/11的六個月資料，而相關步驟：
1.客戶分類指標（標籤）
客戶分類指標並非一成不變的，需視目的的不同，而採用不同的指標，像在評估客戶整體貢獻度時，在一定期間內，如半年內，其總購買金額，可能會是個適當的指標;但用在評估行銷軟體活動成效時，僅追蹤行銷軟體活動期間的購買金額，會是個更有效的指標;而像3C產品的購買金額，用在觀察3C產品行銷軟體活動時，是更適當的指標。
作者Barış Karama在案例中，以客戶的生命週期價值（Lifetime Value，LTV，總購買金額 - 總成本)作為客戶分類指標。作者在文中特別強調，如何選擇生命週期，需視產業特性而定，像設定為一年，對某些產業而言太長了，但對另一些產業來說，可能又太短了。作者將客戶生命週期定為半年作為範例，以每位客戶於2011/6~2011/11六個月內生命週期價值訂為分類指標。
2.影響客戶行為的因素（特徵）
是否存在因果關係，是決定特徵元素時的重要標準。例如客戶的性別或居住地，列為特徵項目，一般而言並無不妥;但若說客戶的email伺服器網域名稱，會影響到他個人購買行為，似乎就太牽強了。
作者Barış Karama以客戶LTV觀察期（2011/6~2011/11）之前三個月(2011/3~2011/5)的RFM指標，設為影響特徵因素。RFM各代表三項指標，我們可用K-平均集群法（k-means clustering）技巧，向每位客戶分項分群計分，最低0分，最高3分:
•Regency：最近消費日期，越近分數越高。
•Frequency：消費頻率，次數越多，分數越高。
•Monetary：總購買金額，金額越高，分數越高。
三項總分，最低0分，最高9分。
得出前三個月各個客戶的RFM分數後，接著檢視該分數與之後六個月的客戶LTV值二者間的關聯性，附圖為視覺化的呈現。橫軸為RFM分數，縱軸為LTV值，圖形中每個點，代表每個客戶各自的RFM及LTV值。藍色點的RFM為0~2分，綠色為3~4分，紅色則為5分以上。從圖形可明顯看出，前三個月RFM分數較低者，接下來六個月的LTV值也相對較低;而RFM分數較高者，雖有較高比例者能有較高的LTV值，但低LTV值者也不少，看來消費金額比較低的客戶，其RFM-LTV的關聯性才會比較明顯。
3.選擇適當的機器學習模型
因我們的目的，是希望對機器學習模型餵入資料學習後，即能藉由客戶前三個月的RFM指標，來預測之後六個月的客戶LTV分類結果，因此我們先再用K-平均集群法，依客戶的LTV值將他們分為三群，然後再看看單靠前三個月的RFM資料，是否能正確預測事後客戶的LTV分類。
此例的機器學習模型，我們選用XGBoost套件的classifier學習模型，學習成效結果為：
•LTV值最低的類群，其被模型正確預測分類的成功機率可達八成以上。
•LTV值中高分類群，其被模型正確預測分類的成功機率，則只有五成左右，差強人意。
4.改善及增進模型預測效能
有些技巧可在「數據」上改進模型的效能，但有項原則需謹記在心，「數據分析」是手段而非目的，重點在「分析目的」，而非「數據本身」，切記不要為了追求完美的數據，而違背了最初要分析的目的。下面為增進模型效能的相關技巧：
• 增加觀察資料樣本數
增加樣本數，通常即能增進模型效能。原先計算客戶RFM值時，我們只觀察三個月的資料，若觀察期延長為六個月，隨著樣本數增加，或能增加模型效能。但有一點需注意，因分析的資料集，僅有九個月的完整資料期間，假如為將RFM計算期延長為六個月，而把客戶的LTV值縮短為三個月，會是個大錯特錯的作法，因客戶生命週期，在本例的產業特性為六個月，而非三個月，架構模型來預測三個月的客戶LTV值，即已背離商業上的分析目的。
•增加模型的特徵變數
例如原資料集裏另有客戶所居住國家的資訊，或可放進模型裏與RFM一起分析。
•調適機器學習模型的超參數設定
機器學習模型在資料學習運算前，通常有些先決條件需事先設定，這些設定的條件，稱為超參數。就本例而言，我們對XGBoost機器學習模型，事先設定其決策樹的節點深度為5層（max_depth=5），我們可嘗試改變這項設定，看看最後結果是否有改善。
•換另一個機器學習模型
當然換模型也是一個可行選項，如將XGBoost模型換為Gaussian Naive Classification模型，看看結果有何不同。
留言列表
