在介紹rfm分析之前，我們先簡單了解一下探索性分析。
所謂探索性分析，主要是運用一些分析方法從大量的資料中發現未知且具有價值資訊的過程。對於初步探索性分析而言，資料視覺化是乙個非常便捷、快速、有效的方法，你可以使用作圖、製表等方法來發現資料的分布特徵，緊接著，可以使用一些統計分析方法更深入的發現資料背後的資訊。常用的探索性分析方法包括rfm分析、聚類分析、因子分析、對應分析等。
rfm這三個字母代表什麼意思？
r:recency——客戶最近一次交易時間的間隔，r值越大，表示客戶交易發生的日期越久；反之，表示客戶交易發生的日期越近。
f:frequency——客戶在最近一段時間內交易的次數。f值越大，表示客戶交易越頻繁；反之，表示客戶不夠活躍。
m:monetray——客戶在最近一段時間內交易的金額。m值越大，表示客戶價值越高；反之，表示客戶價值越低。
rfm分析原理
r_s分類
f_s分類
m_s分類
客戶型別
高 高高
**值客戶低高
高重點保持客戶高低
高重點發展客戶低低
高重點挽留客戶高高
低一般價值客戶低高
低一般保持客戶高低
低一般發展客戶低低
低潛在客戶
高：表示高於平均值；低：表示低於平均值 r_s、f_s、m_s分別代表r、f、m標準的評分值
rfm分析過程：
step1：計算rfm各項分值（r_s、f_s、m_s）
step2：彙總rfm分值
step3：根據rfm分值對客戶分類
r_s:基於最近一次交易日期計算得分，距離當前日期越近，則得分會越高。
f_s:基於交易頻率計算得分，交易頻率越高哦，則得分越高。
m_s:基於交易金額計算得分，交易金額越高，則得分會越高。
tableau做rfm分析 RFM模型的搭建
rfm模型能夠清晰的展示出客戶價值與客戶創收能力，基本能使用者許多行業的客戶價值管理。一 對rfm模型進行乙個swot分析評價 1 優勢 客觀 利用客觀的數字尺度，對客戶進行簡明的高水平描述 直觀 展示各個類別客戶及對策，非常直觀。2 劣勢 歷史 站在使用者歷史角度來分析使用者傾向，會偏差 維度 欄...
RFM模型（使用者分析）
rfm模型是衡量客戶價值和客戶創利能力的重要工具和手段。在眾多的客戶關係管理 crm 的分析模式中，rfm模型是被廣泛提到的。該機械模型通過乙個客戶的近期購買行為 購買的總體頻率以及花了多少錢3項指標來描述該客戶的價值狀況。根據美國資料庫營銷研究所arthur hughes的研究，客戶資料庫中有3個...
Python的相關分析和RFM分析
檢視兩列之間的相關度 wa 人口 corr wa 文盲率 檢視兩兩之間的相關度 選擇多列的方法 wa 人口 平均收入 文盲率 超市購物率 網上購物率 wa 人口 平均收入 文盲率 超市購物率 網上購物率 corr 結果為 rfm分析 import pandas import numpy rfm da...