基于RFM模型的用户公共交通乘车行为分析数据

采集公共交通全渠道用户乘车行为数据，开展全域用户精细化客户关系管理、差异化运营服务及公共交通资源优化配置工作。本数据依托用户最近一次乘车时间间隔（R）、指定周期内乘车频次（F）、指定周期内乘车金额（M）三大核心维度，应用RFM模型完成全品类用户价值评级，精准划分高价值客户、核心客户与基础客户层级，实现不同卡种、不同出行特征用户的标准化价值分类。1、数据采集：收集指定时间段内公共交通多类型用户的乘车消费行为数据，涵盖支付宝乘车码、老年卡、普通卡、爱心卡四类用户群体，采集字段包含用户ID、卡种类型、支付时间、商品名称等核心业务字段；2、数据处理：对采集到的四类用户原始乘车消费数据进行统一清洗、规整与脱敏处理，剔除重复、异常、无效数据，修正缺失数据，统一多渠道数据格式。同时对用户隐私信息进行脱敏匿名化处理，确保不可逆：对方账户仅保留前2位、其余以*掩码；商品名称去除车号与具体时刻，仅保留公交线路，避免还原到具体车辆与行程，严格保障用户信息安全，确保数据合规存储与使用。 3、数据加工：本样例数据处理时间为2025-11-21，数据统计期间为2025-11-01至2025-11-20。从规整后的全量原始数据中提取RFM三大关键指标，最近一次消费时间R（天）：用户最近一次使用对应卡种乘车的时间与数据处理时间的间隔；最近一段时间内消费频次F（次）：上述相对统计期间内，用户累计公共交通乘车总次数；最近一段时间内消费金额M（元）：上述相对统计期间内，用户使用对应渠道乘车产生的总交易金额。 RFM计分规则如下：0≤R<3为4分，3≤R<7为3分，7≤R<30为2分，30≤R为1分；0<F≤5 为1分，5<F≤10 为2分，10<F≤15为 3分，15<F 为4分；0<M≤5 为1分，5<M≤10 为2分，10<M≤20 为3分，20<M为4分。 RFM综合得分X采用加权求和法计算，具体计算公式为：X = R值 + F值 + M值。 计算每条用户数据的RFM综合得分X后，根据统一客户分层标准对多类型用户进行价值分层：1≤X≤6 为基础客户，6<X≤10 为核心客户，10<X 为高价值客户，该相对统计期间与数据结构“每月更新”的更新频次保持一致，每次更新自动按最新数据处理时间滚动计算，不再固定为某一自然月。实现四类公共交通用户的统一标准化价值评级。 4、数据应用：采用RFM模型对支付宝乘车码、老年卡、普通卡、爱心卡全类型公共交通用户进行系统化价值评级，精准识别高价值客户、核心客户与基础客户，为公共交通运营方开展分人群、分层级精准用户运营、权益配置、活动营销以及公共交通运力优化、线路调整提供核心数据支撑。

搜集汇总

背景与挑战

背景概述

本数据集由东阳市惠民公共交通有限公司登记，属交通运输行业，以Excel格式提供9999条数据并每月滚动更新，覆盖支付宝乘车码、老年卡、普通卡、爱心卡四类公共交通用户的乘车行为。数据经清洗和脱敏后，基于最近一次乘车时间间隔R、指定周期内乘车频次F和乘车金额M构建RFM模型并计算综合得分X，将用户划分为基础客户、核心客户和高价值客户。该数据集可用于公共交通用户精细化运营、差异化服务、权益配置、活动营销及运力与线路优化等场景，并已完成数据知识产权登记和存证公证。