改进RFM模型-数据采集

一、原始RFM模型涉及的数据字段：

Recency: 客户最近一次购买的时间(距离当前日期的天数)

                last_purchase_date  需计算与当前日期的差值

                recent_purchase_days 直接可用

Frequency: 客户在统计周期内的购买次数

                purchase_count ：次数（int型数值）

Monetary:客户在统计周期内的总消费金额

                total_spent：总金额(int型数值)

二、客户标识字段

1. 客户ID：customer_id

2. 客户基本信息：gender, age,location

三、订单相关字段

1. 订单ID：order_id

2. 订单日期：order_date

3. 订单金额：order_amount

4. 商品信息：product_id, product_category

四、统计周期字段

1. 统计周期开始日期：start_date

2. 统计周期结束日期：end_date

五、优化模型或丰富客户画像的相关字段(非必须)

1. 客户活跃度：active_days(登录天数)

2. 客户生命周期：customer_lifetime(首次购买到最后一次购买到时间跨度)

3. 营销活动参与度：campaign_participation(参与活动次数)

六、数据收集注意事项

1. 数据完整性：确保核心字段（如customer_id, order_date, order_amount）无缺失。
2. 数据准确性：检查数据是否存在异常值（如负的订单金额、未来的订单日期）。
3. 数据一致性：确保时间格式、货币单位等字段统一。
4. 数据规模：尽量覆盖足够的时间范围（如1年）和客户数量（如1000+客户）。
5. 隐私保护：确保客户数据经过脱敏处理，符合隐私保护法规。