資料前處理

9 萬多筆原始資料分散在訂單、付款與顧客三張表格,需要整併與篩選。我們編寫程式完成清洗與串聯,這是萃取價值的關鍵第一步。

處理流程

  1. 彙總付款金額
    一張訂單可能用多種方式付款(例如信用卡加優惠券),共有 2,961 張訂單有多筆付款。先依 order_id 把金額加總成一筆。
  2. 多表關聯合併
    orders 的 customer_id 是每張訂單各給一個號碼,同一個人買兩次會有兩個號碼。合併 customers 表,改用 customer_unique_id 辨識同一位顧客,否則每個人都會變成只買過一次。
  3. 篩選有效訂單
    只保留狀態為 delivered(已送達)且有付款的訂單,排除取消、未出貨等訂單。
  4. 時間格式轉換
    把購買時間轉成日期格式,並以最後一筆訂單的隔天 2018-08-30 作為分析基準日,計算每位顧客距今多少天沒有購買。

原始資料(範例)

Orders 表

order_idcustomer_idstatus
ORD_01CUST_Adelivered
ORD_02CUST_Bcanceled

Payments 表

order_idinstallmentsvalue
ORD_01150
ORD_01250

Customers 表

customer_idunique_id
CUST_AUID_999
CUST_BUID_888

清洗後的 RFM 特徵表(範例)

unique_idRecencyFrequencyMonetary
UID_99912 天1 次100
UID_77745 天3 次450
UID_123210 天1 次85

清洗結果

96,477張有效訂單
93,357位顧客
695天資料期間

有效訂單期間:2016-10-03 至 2018-08-29。

← 資料來源RFM 與 K-Means →