Provides comprehensive expert-…

# 电商复购预测：RFM与行为序列特征工程指南

一、数据准备

• 时间基准：确定观察窗口截止日（如数据集最后日期），所有特征以该日为基准回溯计算
• 用户聚合：按 user_id 分组，5万条订单通常对应数千至上万用户
• 数据清洗：剔除退款/取消订单，处理金额异常值（可用分位数截断）

二、RFM特征构造

用 pandas 的 groupby 实现：

```python

g = df.groupby('user_id')

```

R（Recency，最近购买）

• 最后一次下单距基准日的天数：(基准日 - order_time.max()).days
• 进阶：近30/60/90天内是否有购买（0/1）

F（Frequency，购买频次）

• 总订单数：order_id.count()
• 分时段频次：近30/90/180天订单数（复购预测中分段F比总量更重要）
• 平均购买间隔天数：下单间隔.mean()

M（Monetary，金额）

• 总金额、平均订单金额、最大单笔金额
• 金额趋势：近90天均值 ÷ 更早90天均值（判断消费升降）

三、用户行为序列特征

时间维度

• 每月/每周下单次数分布（可取均值、方差）
• 购买小时段的分布特征（偏好白天/夜间）
• 距首次购买天数（用户生命周期长度）

品类维度

• 购买品类数（品类广度）
• 各品类购买占比（top品类集中度：最大占比值）
• 最近一次购买的品类与历史主力品类是否一致

行为趋势

• 购买间隔是否在拉长（最近间隔 ÷ 历史平均间隔）
• 订单金额的斜率趋势（可用 np.polyfit 对时序金额拟合一次项系数）
• 最近的购买次数占总次数的比例（活跃度迁移信号）

序列编码（进阶，供模型用）

• 按时间排序后，取最近N次订单的：金额序列、间隔序列、品类embedding
• 可用滑动窗口统计：最近3次金额均值/标准差

四、实践建议

• 避免标签泄漏：预测目标（如未来30天是否复购）的时间窗口必须与特征窗口隔离，中间留出gap
• 特征筛选：RFM原始值常呈长尾分布，建议对数变换后再入模型（树模型可不做）
• 基线验证：先用逻辑回归+RFM跑基线，再加序列特征对比AUC/PR提升，确认特征有效性

这套特征在 LightGBM/XGBoost 上通常比纯RFM有明显提升，建议优先做“分段频次+间隔趋势”类特征。