rfm模型廣泛應用於使用者運營之中，是衡量當前使用者價值和和客戶潛在價值的重要工具和手段。rfm模型主要有如下三個指標：
r：recency —— 客戶最近一次交易時間的間隔。r值越大，表示客戶交易距今越久，反之則越近；
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，反之則不夠活躍；
m：monetary —— 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，反之則越低。
rfm模型的應用是有前提假設的，即r、f、m值越大價值越大，客戶未來的為企業帶來的價值越大。這個前提假
設其實已經經過大量的研究和實證，假設是成立的。不過為了更加嚴謹，確保rfm模型對於特殊案例是有效的，
ps：frequency、monetary均為近6個月內的資料，即1-6月資料；
簡單的做法，rfm三個指標以均值來劃分，高於均值的為**值、低於均值的為低價值，如此可以將客戶劃分為8大類：
本文採取的方法是將三個指標進行標準化，然後按照分為數劃分為5個等級，數值越大代表價值越高；當然最終劃分的規則還是要結合業務來定。劃分為5個等級後，客戶可以細分為125種。
#讀取資料
rfmsummary(rfm)
#資料分布
par(mfrow=c(1,3))
boxplot(rfm$rankr1)
boxplot(rfm$rankf1)
boxplot(rfm$rankm1)
#rfm分級
breaks1
breaks1
breaks2
breaks2
breaks3
rfm$rankr1
rfm$rankr1
rfm$rankf1
rfm$rankm1
cluster2，3：使用者貢獻值最低，且使用者近度（小於2）和頻度較低，為無價值客戶；
cluster4:發展使用者，使用者頻度和值度較低，但使用者近度較高，可做up營銷；
cluster5:挽留客戶，使用者近度較低，但頻度和值度較高，需採用挽留手段
k值選擇:
聚類結果：
#聚類
dfp1
p2km_result
dd ##檢視每一類的數目
table(dd$cluster)
picture
####聚類結果解釋####
rfm_final
客戶價值rfm_score= 0.25rankr + 0.20rankf+0.55*rankm
ahp層次分析法（專家打分法）
上述客戶分類其實比較粗曠，真正在面對千萬級客戶量時，如此劃分為四大類是難以滿足運營需求的。運營中，還需要綜合crm中其他指標、維度。
ps：後續作者利用rfm客戶價值得分進行潛在客戶挖掘，嘗試利用決策樹等模型挖掘平台潛在客戶特徵。
RFM模型聚類分析客戶價值
import pandas as pd from math import ceil from datetime import datetime from sklearn.cluster import kmeans 讀取資料 df pd.read excel 原始資料.xlsx index col 使...
使用者價值和RFM模型
什麼是使用者價值？使用者價值就是對公司來說有用的地方，比如有的公司看中使用者的消費能力，有的公司則看中使用者的忠誠度 各公司的業務目的不同，使用者價值的體現自然也不同。這裡主要說一下適用於電商的rfm模型。什麼是rfm模型？rfm模型根據使用者最近一次消費時間r，消費頻率f，消費金額m，計算出rfm...
應用交付能給客戶帶來什麼價值？
應用交付 這個名詞在整個行業中逐步被人們所認知。應用交付 是什麼，我們如何理解 應用交付 應用交付 究竟能給客戶帶來什麼價值？事實上，資訊化時代的到來的確為我們帶來了前所未有的便利。然而，企業在借助 資源 管理集中化 業務全球化 和 員工移動化 實現低成本 高生產力的同時，多樣化的辦公模式和上網環境...