1 如何构建平台用户的用户画像
微观：参考商户用户画像
宏观：用户偏好、RFM模型
2 用户的基本属性
2.1 用户的性别和年龄
京东电商平台的用户主要是以男性为主，绝大部分的用户年龄在45岁以下，以25-35岁的年轻人居多
2.2 用户的地域分布
京东电商平台中，来自广东的用户最多，其次是北京和江苏。总的来说用户分布比较广，主要集中在中东部。
2.3 用户的婚育状况
大部分的京东平台用户都已婚已育
2.4 用户的教育水平和职业分布
京东电商平台的用户绝大部分拥有大学及以上学历，他们从事的职业一般以互联网行业或者其他行业的白领职业为主
3 用户的购买行为属性
3.1 用户的购买商品类目分布
从订单数据上来看，京东电商平台最后欢迎的消费类目集中在粮油调味、饮料冲调、休闲食品等日常生活用品等 类目。相反在电子、家电等产品的受欢迎程度并不高。
为什么数据和我们对京东的了解不相符？怎么去验证？对我们了解商户用户画像有什么启示？
3.2 从时间维度来对订单数据进行拆分
从每周的数据来看，绝大部分的订单都是在周四完成的。从每天的数据上来看，完成 订单的高峰期主要集中在早上十点左右和晚上八点以后。
4 RFM模型
4.1 什么是RFM模型？
RFM模型可以将用户划分成不同的等级和层次，用于评估客户已有价值和用户潜在价值，从而能够更准确地将成本和精力花在更精确的用 户身上。它本质上是一种用户分层模型。
RFM模型的含义：
R：最近一次消费(Recency)，最近一次消费是指客户上一次购买的时间。理论上来说，上一次消费时间越近的客户是越优质的客户，该部分客户与店铺的关系更加紧密，更加容易触达；距离当前上一次消 费越远的客户，越有流失的风险。
F：消费频率(Frequency)，消费频率是指顾客在限定期间内所购买的次数。可以说最常购买的客户，是满意度最高的客户，也是忠诚度较高的客户。提升客户的购买频率意味着提高客户终身价值的贡献。
M：消费金额(Monetary)，消费金额是指客户购买商品支付的订单金额。消费金额是客户贡献的最直接的体现，我们所做的所有运营活动都是为了提升客户的消费金额
4.2 为什么要使用RMF模型？
通过RFM方法，根据用户的属性数据分析，对用户进行了归类。在推送、转化等很多过程中，可以更加精准化，不至于出 现用户反感的情景，更重要的是， 对产品转化等商业价值也有很大的帮助。
用R、F的变化，可以推测客户消费的异动状况，根据客户流失的可能性，列出客 户，再从M（消费金额）的角度来分析，就可以把重点放在贡献度高且流失机会也高的客 户上，重点拜访或联系，以最有效的方式挽回更多的商机。
RFM分析的主要作用
●识别优质客户。
●可以制定个性化的沟通和 营销服务，为更多的营销决策提供有力支持。
●能够衡量客户价值和客户利润创收能力。
4.3 京东平台数据--历史订单数据
文件名：
act_user_order_all.csv
取数条件：
订单有效标志 = 1
订单取消标志 = 0
支付时间 ！= 空值
优惠后单价 > 0
4.4 模块介绍
R：最近消费时间
计算方法
●数据的截止时间是2020-08-20， 可以将这个日期作为比较日期加入到数据中
●把数据按用户账号分组，取最近的订单日期
●计算订单日期和比较日期的差值，得出数据
F：消费频率
计算方法
●把数据按用户账号分组，计数所有不重复的订单ID
M：消费金额
4.5 RFM模型第一次计算结果
通过将RFM三个分数简单相加（图中的rankR、rankF和rankM）可以得到一个总的RMF分数，这个分数就代表着一个用户的价值重要程度。
根据RMF模型对用户分类
确定了高低值之后的RFM模型用户标签
京东平台用户的RFM模型分布
