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-欄位簡單，但是也容易片面，考慮不到更重要的角度
3、機會：可以靈活運用於重要的因素之間的劃分，並更好的偏好決策
4、威脅：分類侷限，相比其他分類模型思維，各有好處。
二、分類客戶：
分類客戶，並大致傾向業務決策。
三、finebi構建rfm模型
1、分箱
傳統根據人工來分5個梯度，也可以是多個梯度。然後再將打分的級別求平均值，中位數等
2、進行r/f/m向量化，將r》r均值，編碼成1，否則為0，fm同理
接下來進行客戶類別判斷
if($=1&&$=1&&$=1,"重要價值客戶",if($=0&&$=1&&$=1，"重要喚回客戶",if($=1&&$=0&&$=1,"重要深耕客戶",if($=0&&$=0&&$=1,"重要挽留客戶",if($=1&&$=1&$=0,"潛力客戶",if($=1&&$=0&&$=0,"新客戶",if($=0&&$=1&&$=0,"一般維持客戶","流失客戶"))))))))
3、最後就是用finebi做視覺化了，分別做柱狀圖、明細、儀錶盤，餅圖，rfm三個指標的氣泡圖來展示。由於使用的資料來源為構造，所以沒有分析的意義。但是可以從圖中看到客戶分類的基本數量以及情況。
後續嘗試用fine建立更多的模型，並作出視覺化，用以練習。
RFM分析介紹
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...
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...