K-Means 聚类实战：电商用户分群 2 大核心步骤与 7 个特征工程要点

当电商平台积累了大量用户行为数据后，如何从这些数据中挖掘出有价值的用户分群信息？K-Means 聚类算法提供了一种有效的解决方案。本文将深入探讨如何通过数据预处理和特征工程两大核心步骤，构建高质量的电商用户分群模型。

1. 数据预处理：构建高质量分析基础

数据预处理是K-Means聚类成功的关键前提。电商数据通常包含大量噪声和异常值，直接使用原始数据会导致聚类效果大打折扣。以下是数据预处理的四个关键环节：

1.1 数据清洗与转换

电商数据清洗需要特别注意三类问题：

• 缺失值处理：订单金额、用户ID等关键字段缺失会严重影响分析
• 数据类型转换：日期时间字段需要转换为datetime格式，分类变量需要编码
• 重复记录处理：同一订单被多次记录会导致数据失真

# 示例：电商数据基础清洗 df['order_date'] = pd.to_datetime(df['order_date']) # 日期转换 df['user_id'] = df['user_id'].astype('str') # 用户ID转为字符串 df = df.drop_duplicates(subset=['order_id']) # 去除重复订单

1.2 异常值检测与处理

电商数据中常见的异常值类型及处理方法：

# 使用IQR方法检测异常订单金额 Q1 = df['order_amount'].quantile(0.25) Q3 = df['order_amount'].quantile(0.75) IQR = Q3 - Q1 df = df[~((df['order_amount'] < (Q1 - 1.5*IQR)) | (df['order_amount'] > (Q3 + 1.5*IQR)))]

1.3 特征衍生与扩展

从原始数据中提取更有价值的特征：

• 时间特征：购买时段、星期几、是否节假日
• 行为特征：浏览-购买转化率、加购未买商品数
• RFM特征：最近购买时间(Recency)、购买频率(Frequency)、消费金额(Monetary)

提示：时间特征的周期性处理对电商聚类特别重要，考虑使用sin/cos转换处理星期、月份等周期性特征

1.4 数据标准化

K-Means基于距离计算，不同量纲的特征需要标准化：

from sklearn.preprocessing import StandardScaler scaler = StandardScaler() scaled_features = scaler.fit_transform(df[['recency','frequency','monetary']])

2. 特征工程：7个关键特征构建策略

特征工程决定了聚类结果的可解释性和业务价值。以下是电商用户分群中最关键的7类特征：

2.1 消费行为特征矩阵

构建用户消费行为的完整画像：

1. 购买频次：单位时间内的订单数量
2. 客单价分布：平均订单金额及波动情况
3. 品类偏好：各商品类别的购买占比
4. 促销敏感度：参与促销活动的订单比例

# 计算用户消费行为特征 user_features = df.groupby('user_id').agg({ 'order_id': 'count', # 购买频次 'order_amount': ['mean','std'], # 客单价均值与波动 'is_promotion': 'mean' # 促销参与率 })

2.2 时间模式特征

用户的时间行为模式往往能反映其消费习惯：

• 购买时间偏好：早晨/午后/晚间/深夜
• 购物间隔：两次购买的平均间隔天数
• 活跃周期：用户活跃的高峰时间段

2.3 渠道偏好特征

不同渠道的用户可能具有显著差异：

2.4 商品交互特征

用户与商品的交互深度反映了其兴趣强度：

1. 浏览深度：平均每次访问浏览的商品数量
2. 收藏行为：收藏商品与购买商品的比例
3. 评价参与度：留下评价的订单比例

2.5 支付与物流特征

支付和物流选择也能反映用户特征：

# 支付方式特征编码 payment_mapping = { '信用卡':0, '支付宝':1, '微信支付':2, '货到付款':3, '分期付款':4 } df['payment_encoded'] = df['payment_method'].map(payment_mapping)

2.6 用户价值分层特征

基于RFM模型构建用户价值指标：

# RFM评分计算 df['R_score'] = pd.qcut(df['recency'], q=5, labels=[5,4,3,2,1]) df['F_score'] = pd.qcut(df['frequency'], q=5, labels=[1,2,3,4,5]) df['M_score'] = pd.qcut(df['monetary'], q=5, labels=[1,2,3,4,5]) df['RFM_score'] = df['R_score'].astype(int) + df['F_score'].astype(int) + df['M_score'].astype(int)

2.7 行为序列特征

用户行为序列可以揭示更深层的模式：

• 购买路径：浏览→加购→购买的转化路径
• 跨品类关联：先后购买不同品类的关联性
• 行为变化趋势：最近期的行为模式变化

3. 模型训练与优化

完成特征工程后，进入模型训练阶段：

3.1 确定最佳K值

使用肘部法则和轮廓系数结合确定最佳聚类数：

from sklearn.cluster import KMeans from sklearn.metrics import silhouette_score sse = [] silhouette = [] K_range = range(2,10) for k in K_range: kmeans = KMeans(n_clusters=k, random_state=42) kmeans.fit(scaled_features) sse.append(kmeans.inertia_) silhouette.append(silhouette_score(scaled_features, kmeans.labels_))

3.2 模型训练与评估

# 最终模型训练 best_k = 4 # 根据肘部法则确定 final_model = KMeans(n_clusters=best_k, random_state=42) clusters = final_model.fit_predict(scaled_features) # 评估轮廓系数 silhouette_avg = silhouette_score(scaled_features, clusters) print(f"轮廓系数: {silhouette_avg:.3f}")

3.3 聚类结果分析

分析各簇特征，为业务提供洞察：

1. 高价值活跃用户：高频次、高金额、多渠道
2. 潜在价值用户：中等频次但金额增长快
3. 价格敏感用户：主要购买促销商品
4. 流失风险用户：近期活跃度下降

4. 业务应用与策略制定

将聚类结果转化为业务行动：

4.1 精准营销策略

针对不同分群制定差异化策略：

4.2 产品与体验优化

根据分群反馈优化产品：

• 为高频用户优化快速购买流程
• 为价格敏感用户提供更多折扣信息
• 为高价值用户提供专属客服通道

4.3 动态分群更新机制

建立持续更新的分群体系：

1. 每周更新用户特征数据
2. 每月重新训练聚类模型
3. 季度性评估分群业务效果

注意：避免过度依赖静态分群，用户行为会随时间变化，需要建立动态更新机制