rfm模型
rfm模型根據客戶活躍程度和交易金額的貢獻，進行客戶價值細分的一種方法。
r（recency）——最近一次交易時間間隔。基於最近一次交易日期計算的得分，距離當前日期越近，得分越高。如5分制。反映客戶交易活躍度。
f（frequency）——客戶在最近一段時間內交易次數。基於交易頻率計算的得分，交易頻率越高，得分越高。如5分制。反映客戶交易活躍度。
m（monetray）——客戶最近一段時間內交易金額。基於交易金額計算的得分，交易金額越高，得分越高。如5分制。反映客戶價值。
rfm總分值：rfm=rs∗100+fs∗10+ms∗1rfm=rs100+fs10+ms*1rfm=rs∗100+fs∗10+ms∗1
rfm分析的主要作用：
最近交易過的客戶 > 最近沒有交易過的
交易頻率高的客戶 > 交易頻率低的
交易金額大的客戶 > 交易金額小的
2. rfm模型分析應用
rfm分析應用為客戶分組，即將三個指標分別分為「高」和「低」兩種，高於均值的為「高」，低於均值的為「低」。因此有三件事要做：計算出各個指標得分的平均值；將各個變數高於平均分的定義為「高」，低於平均分的定義為「低」；根據三個變數「高」「低」的組合來定義客戶型別；如「高」「高」「高」為**值客戶。部分結果如下圖：
通過rfm方法，根據使用者的屬性資料分析，對使用者進行了歸類。在推送、轉化等很多過程中，可以更加精準化，不至於出現使用者反感的情景，更重要的是，對產品轉化等商業價值也有很大的幫助。（當然也可以對rfm進行再聚類）
企業用r、f的變化，可以推測客戶消費的異動狀況，根據客戶流失的可能性，列出客戶，再從m（消費金額）的角度來分析，就可以把重點放在貢獻度高且流失機會也高的客戶上，重點拜訪或聯絡，以最有效的方式挽回更多的商機。
應用比如對圈使用者**簡訊轉化只有不到1%時，你可以用rfm做個分析，只選取r值高的使用者(最近2周到最近乙個月內消費的使用者），轉化率可以由1%提公升到10%。
這也意味著，以往6元/訂單將下降到0.6元/訂單。老闆們是願意花600元給10000個使用者發簡訊，得到100個訂單，還是願意花48元給800人發簡訊得到80個訂單，相信大家一定會選後者。
而整體的rfm區分，則能夠幫掌櫃們針對不同的使用者發不同的簡訊，簡訊的開頭是用「好久不見」、還是用「恭喜你成為vip」，就得看時重要保持客戶還是重要價值使用者了。只有能區分使用者，才能走向精細化運營。
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...
使用者資料分析模型
大智 jack.lee312 gmail.com 2007 11 13 在開始進行使用者分類之前，面對的是乙個未知的資料庫，不知道哪些人使用得多？哪些人使用得少？多的多多少？少的少多少？多多少才算多？少多少才算少？不把這些概念轉化成準確資料支援的清晰認識，就不可能把握產品執行和使用者使用的現狀，也就...
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...