GammaGammaFitter调用条件期望利润函数返回全null值问题

问题场景 #

• 拟合lifetimes库GammaGammaFitter模型代码如下：

ggf = GammaGammaFitter(penalizer_coef=1e-06)
ggf.fit(
    frequency = df_rftv["frequency"],
    monetary_value = df_rftv["monetary_value"],
    weights = None,
    verbose = True,
    tol = 1e-06,
    q_constraint = True
)
ggf.summary

• 拟合完成后调用conditional_expected_average_profit计算预期平均收入，输出字段全为null，相关代码：

exp_avg_rev = ggf.conditional_expected_average_profit(
    df_rftv["frequency"],
    df_rftv["monetary_value"]
)

df_rftv["exp_avg_rev"] = exp_avg_rev
df_rftv["avg_rev"] = df_rftv["monetary_value"]
df_rftv["error_rev"] = df_rftv["exp_avg_rev"] - df_rftv["avg_rev"]
df_rftv.head()

排查步骤（按踩坑概率排序） #

1. 先核对RFM字段口径，90%的null问题都是口径错了
   lifetimes的字段定义和常规自研RFM计算逻辑不一样，必须严格对齐：
   • frequency：是用户首次购买后的复购次数，等于历史总订单数减1，不是总订单数。仅买过1次的用户这个值必须是0。
   • monetary_value：是用户复购订单的平均客单价，不是所有订单的平均客单价，而且所有值必须严格大于0，不能有0、负数、空值。要是把0元单、全额退款的用户数据混进去，计算时会直接溢出返回null。

   注意：conditional_expected_average_profit本身只支持计算有复购行为的用户（即frequency>0）的预期值。如果你把全量用户（包括仅消费1次、frequency=0的用户）直接传参，旧版本lifetimes不会自动过滤，会直接返回全量null。可以先筛出复购用户子集计算，再把结果映射回原表。

2. 确认模型参数拟合正常
   直接打印ggf.summary，看输出的p/q/v三个参数是不是正常有限数值，有没有nan、inf的情况。如果参数本身就没拟合出来，后续计算肯定全是null。
   拟合失败常见原因：
   • 异常值没清理，比如客单价是正常水平几百上千倍的测试订单、极端异常交易
   • 复购用户样本量太少，有效复购用户不足百条时很容易拟合失败
3. 检查字段数据类型
   确认传入的frequency、monetary_value两列都是整数/浮点数类型，不要传字符串格式的数字、带空值的object类型列。

内容的提问来源于stack exchange，提问作者Sarang