CUSTOMER ANALYTICS · INTERACTIVE LAB
เลือกลูกค้าหนึ่งราย แล้วอ่านหลักฐานสามด้านร่วมกัน: เขากลับมาล่าสุดเมื่อไร ซื้อบ่อยเพียงใด และสร้างมูลค่าเท่าไร จากนั้นติดตาม slope หลายช่วงเวลาเพื่อแยก “กำลังเงียบลง” ออกจาก “เคยซื้อสูงแต่ยังไม่ถึงเวลาซื้อซ้ำ”
ONLINE RETAIL · REAL DATA · 541,909 SOURCE ROWS
01 · DATA GRAIN
แล็ปใช้ Online Retail จริง 541,909 แถว ช่วง 1 ธันวาคม 2010 ถึง 9 ธันวาคม 2011 ซึ่งเป็นชุดเดียวกับ SQL, notebook และสไลด์ต้นฉบับ เรากรอง Customer ID ที่หาย cancellation จำนวนติดลบและราคาศูนย์ ก่อนรวมหลาย product line ให้เหลือหนึ่งแถวต่อ invoice
Customer ID ถูก hash เป็นรหัส R-xxxxxxxx และไฟล์ดิบไม่อยู่ใน public web directory หลังเตรียมข้อมูลเหลือ 18,532 invoices จากลูกค้า 4,338 ราย โดยเลือก teaching cohort 12 รายที่มีพฤติกรรมต่างกันมาให้ทดลอง
customer_id · invoice_id · occurred_at · amountหนึ่งแถว = หนึ่ง valid invoice หลังรวม product line; มูลค่าเป็น GBPR · F · M ARE THREE DIFFERENT QUESTIONS
RFM มีเสน่ห์ตรงที่สูตรง่าย แต่การตีความไม่ตื้น เราไม่ได้ถามเพียงว่าใครซื้อเยอะที่สุด เรากำลังวัดทั้งระยะห่าง ความต่อเนื่อง และขนาดของความสัมพันธ์ ณ จุดเวลาหนึ่ง
นับจำนวนวันจากรายการล่าสุดถึง snapshot ยิ่งน้อยมักยิ่งดี แต่สินค้าที่ซื้อทุกวันกับสินค้าที่ซื้อปีละครั้งใช้เกณฑ์เดียวกันไม่ได้ Recency จึงต้องอ่านคู่กับ expected purchase cycle
R = snapshot_date − max(purchase_date)ควรนับ distinct invoice ไม่ใช่จำนวนแถวสินค้า มิฉะนั้นตะกร้าหนึ่งใบที่มีสิบรายการจะดูเหมือนซื้อสิบครั้ง ต้องกำหนด window ให้ชัด เพราะ lifetime frequency มักให้รางวัลลูกค้าเก่าโดยอัตโนมัติ
F = count(distinct invoice_id)Gross sales, net sales, margin และ contribution ไม่ใช่สิ่งเดียวกัน แล็ปใช้ยอดชำระเพื่อให้เห็นสูตร แต่ระบบจริงควรเลือกค่าที่สอดคล้องกับการตัดสินใจและหัก refund หรือ cancellation ให้ถูกต้อง
M = sum(valid transaction value)RAW METRIC ≠ RFM SCORE
ค่าดิบตอบว่าเกิดอะไรขึ้นกับลูกค้ารายนั้น ส่วนคะแนน 1–4 บอกตำแหน่งสัมพัทธ์เมื่อเทียบกับประชากร ณ snapshot เดียวกัน ในแล็ปนี้ใช้ quartile: Recency กลับทิศเพราะค่าน้อยดีกว่า ขณะที่ Frequency และ Monetary ค่าสูงดีกว่า
เมื่อประชากรหรือช่วงเวลาเปลี่ยน คะแนนอาจเปลี่ยนแม้ค่าดิบเท่าเดิม ดังนั้น feature store ควรเก็บทั้งค่าดิบ วิธีแบ่ง bin และรุ่นของ segmentation
04–05 · CUSTOMER MOVEMENT
ทุกจุดคำนวณด้วยหน้าต่างย้อนหลังเท่ากัน แล้ว fit เส้นตรงกับค่าที่ normalize ภายในลูกค้ารายนั้น
ค่าบวก = วันตั้งแต่ซื้อครั้งล่าสุดเพิ่มเร็วขึ้น เป็นสัญญาณลบ
ค่าลบ = ความถี่ใน rolling window ลดลง
ค่าลบ = มูลค่าใน rolling window ลดลง
CHURN SIGNAL · NOT A CALIBRATED PROBABILITY
HOW TO READ THREE SLOPES
สินค้าเดิม ช่องทางเดิม ปัญหาบริการ และคู่แข่ง
อาจเป็นการรวมคำสั่งซื้อ ไม่ใช่ churn
product mix, discount, unit price และเศรษฐกิจ
เทียบ category cadence และ cohort เดียวกัน
06 · FROM SIGNAL TO ACTION
Slope ในแล็ปนี้เป็น heuristic จากพฤติกรรม ไม่ใช่ churn probability ที่ผ่านการ train และ calibrate หากต้องการ prediction จริง ต้องนิยาม churn horizon, สร้าง label จากอนาคต, แบ่งข้อมูลตามเวลา, ประเมิน precision/recall และตรวจ calibration รวมทั้งวงจรซื้อซ้ำตามธรรมชาติของสินค้า
FROM RFM HEURISTIC TO CHURN MODEL
RFM และ slope เป็น feature ที่ดีเพราะอธิบายได้ แต่ model จะน่าเชื่อถือก็ต่อเมื่อข้อมูลทุกตัวถูกสร้าง ณ prediction time โดยไม่เห็นอนาคต
เช่น ไม่มีการซื้อภายใน 60 วันหลัง snapshot โดยต้องสัมพันธ์กับวงจรสินค้า
RFM, slope, tenure, interval variance, product diversity และ refund rate ใช้ข้อมูลก่อน snapshot เท่านั้น
Train ด้วยอดีต validate ด้วยช่วงถัดไป และ test ด้วยช่วงล่าสุด ห้ามสุ่ม row จนอนาคตไหลย้อน
ดู precision, recall, PR-AUC, lift@k และ calibration ร่วมกับต้นทุนการติดต่อและมูลค่าการรักษาลูกค้า
STUDENT INVESTIGATION
FORMULA → SQL
SELECT customer_id,
DATEDIFF(:snapshot, MAX(occurred_at)) AS recency,
COUNT(DISTINCT invoice_id) AS frequency,
SUM(amount) AS monetary
FROM transactions
WHERE occurred_at > :snapshot - INTERVAL 120 DAY
AND occurred_at <= :snapshot
GROUP BY customer_id;ใน production ควรสร้าง snapshot table รายสัปดาห์หรือรายเดือน แล้วคำนวณ slope ด้วย regression บนหลายจุดเวลา ไม่ใช่หารคะแนนสองช่วงเพียงครั้งเดียว
THE SAME RFM IDEA · TWO COMPUTATIONAL LANGUAGES
อ่านคำถามก่อน แล้วแปล formula เดียวกันระหว่าง dataframe operation กับ relational operation ตามลำดับในสไลด์
ตัด Customer ID ที่หาย รายการซ้ำ จำนวนติดลบ และราคาศูนย์ก่อน มิฉะนั้นสูตรอาจถูกแต่ความหมายผิด
df = df.dropna(subset=['CustomerID'])
df = df.drop_duplicates()
df = df[(df.Quantity > 0) & (df.UnitPrice > 0)]WHERE customer_id IS NOT NULL
AND invoice_no NOT LIKE 'C%'
AND quantity > 0
AND unit_price > 0Notebook สร้าง column ใน memory ส่วน SQL สร้าง expression ใน query plan แต่เป็นสูตรเดียวกัน
df['TotalSum'] = df['UnitPrice'] * df['Quantity']unit_price * quantity AS line_valueแปล groupby เป็น GROUP BY, lambda เป็น DATEDIFF และนับ distinct invoice เพื่อไม่ให้สินค้าหลายชิ้นในตะกร้าเดียวกลายเป็นหลายครั้งซื้อ
rfm = df.groupby('CustomerID').agg({
'InvoiceDate': lambda x: (snapshot-x.max()).days,
'InvoiceNo': 'nunique',
'TotalSum': 'sum'
})SELECT customer_id,
DATEDIFF(:snapshot, MAX(invoice_date)) recency,
COUNT(DISTINCT invoice_no) frequency,
SUM(unit_price * quantity) monetary
FROM valid_transactions GROUP BY customer_id;Recency ต้องกลับทิศเพราะจำนวนวันน้อยดีกว่า และ tied values อาจทำให้สองวิธีแบ่งขอบต่างกัน
r = pd.qcut(rfm.Recency, 4, labels=[4,3,2,1])
f = pd.qcut(rfm.Frequency, 4, labels=[1,2,3,4])
m = pd.qcut(rfm.Monetary, 4, labels=[1,2,3,4])5 - NTILE(4) OVER (ORDER BY recency) AS r,
NTILE(4) OVER (ORDER BY frequency) AS f,
NTILE(4) OVER (ORDER BY monetary) AS mNotebook เดิมใช้สองช่วงเพื่อเปิดแนวคิด movement ส่วนแล็ปนี้ขยายเป็นหลาย snapshot และแยก slope ของ R, F และ M
movement['Slope'] = (
movement.RFM_ScoreQ2 /
movement.RFM_ScoreQ1
)REGR_SLOPE(recency_norm, snapshot_no) r_slope,
REGR_SLOPE(frequency_norm, snapshot_no) f_slope,
REGR_SLOPE(monetary_norm, snapshot_no) m_slopeสำรวจ missing/distribution, visualization, clustering และอธิบายทีละ cell
คำนวณใกล้ข้อมูล สร้าง view/snapshot ที่ทำซ้ำได้ และรักษา governance
SQL สร้าง point-in-time feature table; notebook ตรวจคุณภาพ ทำกราฟ และทดลองโมเดล
SQL เดิมใช้ COUNT(*) และจัดอันดับ last_order_date โดยตรง บทเรียนนี้ใช้ COUNT DISTINCT invoice และคำนวณจำนวนวันจาก snapshot ก่อน เพื่อให้ความหมายของ Frequency และ Recency ตรงกับนิยาม
FROM THE ORIGINAL LECTURE · VISUAL READING
ภาพไม่ได้วางเป็น gallery เฉย ๆ แต่เรียงตามบทบาทในการคิด: นิยาม → query → metric → scoring → visualization → churn signal
BOUNDED PYTHON RUNNER · LIVE DASHBOARD
Dashboard นี้เปิดให้เปลี่ยน parameter แต่ไม่เปิด arbitrary code execution โค้ดที่แสดงคือ operation ที่ runner ใช้จริง นักศึกษาจึงอ่าน code, รัน และตรวจ output ได้โดยไม่เปิด shell บน server
# Select an operation and run.{}รองรับเฉพาะ 4 operation, ลูกค้า 12 รหัส, snapshot และ window ที่กำหนด ไม่มี eval/exec ไม่มี package install ไม่มี filesystem access จากผู้ใช้ และ Python service ไม่มี public port
ROLLING TIME WINDOW · DYNAMIC RFM
เลื่อน Snapshot หรือกด Play แล้วสังเกตสองขอบพร้อมกัน: ขอบขวาคือ “วันนี้” ที่ทำให้ Recency เพิ่มขึ้น ขอบซ้ายคือวันหมดอายุของหลักฐาน เมื่อ transaction หลุดขอบซ้าย Frequency และ Monetary จะลดลง
Recency เพิ่มตามเวลา ส่วน F และ M ยังเท่าเดิมจนกว่าขอบซ้ายจะชน transaction
Recency reset ใกล้ศูนย์ F เพิ่มหนึ่ง และ M เพิ่มตามมูลค่ารายการ
ไม่มี DELETE ในฐานข้อมูล แต่ feature เปลี่ยนเพราะนิยาม window ไม่มองรายการนั้นแล้ว
RFM SEGMENT MAP · CUSTOMER MOVEMENT
แผนที่นี้คำนวณจากลูกค้าจริง 4,338 รายตาม snapshot และ window ที่เลือก เส้นประคือตำแหน่งก่อนหน้า กรอบทึบคือตำแหน่งปัจจุบัน
Segment คือกฎธุรกิจที่แปลคะแนน RFM เป็นภาษาที่ทีมใช้ร่วมกัน ไม่ใช่ความจริงถาวร เมื่อ snapshot, window หรือขอบ quartile เปลี่ยน ลูกค้าก็อาจเคลื่อน segment ได้