K-means segmentation, BG/NBD + Gamma-Gamma CLV prediction, a churn model that beats the classic BTYD heuristic, and per-segment strategy with a live power-analysis calculator — real output from the source Python pipeline.
RFM 分层 · CLV 预测 · 流失预警
K-means 分层、BG/NBD + Gamma-Gamma 预测 CLV、流失风险模型、以及分层策略与 ROI 模拟——真实跑通源项目 Python 流水线的结果。
核心判断
分层只是起点：把预测 CLV 和流失概率结合成「CLV at risk」，才能回答该把预算花在谁身上；再用 power analysis 检验每个分层是否真够大，能跑出一个有效实验。
客户数
4,966
18 个月校准期内有购买记录
清洗后收入
£17.74M
805,549 条有效交易
选定 K
5
K-means，非最高轮廓系数
Champions 收入占比
55.8%
仅占 9.6% 客户
对 k=2 到 7 都跑了一遍轮廓系数（silhouette）。k=2 的轮廓系数其实最高（0.456），但只把客户分成两团，没有运营意义；k=5 在轮廓系数（0.330）仍然合理的前提下，产出 5 个业务可解释、动作不同的分层——这是先验证统计合理性、再按业务可解释性选择，而不是唯 silhouette 最大化。
| 分层 | 客户数 | 客户占比 | 收入占比 | Recency 中位数 | Frequency 中位数 | Monetary 中位数 |
|---|---|---|---|---|---|---|
| Champions（核心客户） | 477 | 9.6% | 55.8% | 15 天 | 17 单 | £6,847.27 |
| Loyal High-Value（忠诚高价值） | 920 | 18.5% | 24.5% | 66 天 | 7 单 | £2,547.3 |
| At-Risk（高价值流失风险） | 1,390 | 28% | 12.3% | 207 天 | 3 单 | £864.49 |
| Recent Low-Spend（新近低消费） | 589 | 11.9% | 4.2% | 18 天 | 3 单 | £717.41 |
| Hibernating（沉睡客户） | 1,590 | 32% | 3.2% | 255 天 | 1 单 | £233.09 |