RFM模型原理详解与实操运用

最近在 运营课程中学习了RFM模型，又正正好在 商务智能的课程中学习了使用K-Means聚类分析实现RFM的操作。 知乎了一番后，写一下自己的学习收获（咱先起到总结作用哈）！有什么问题或者建议欢迎大家一起学习交流鸭~
主要参考：中国矿业大学电子商务专业：电子商务运营、商务智能与数据挖掘课程；知乎：猴子

RFM模型原理介绍

为什么要使用RFM模型

假设你开了一家卖早餐的小店铺。有一个月你在做财务的时候，突然发现该月收入大幅度的下降。经过分析你发现，重要的部分用户被竞争对手给挖走了。（市场经验：公司收入的80%来自顶端的20%的用户）但当你在此时采取措施的时候，已经太晚了。
从上面的小栗子我们可以看出，对于流失用户的预测和了解用户行为，对不同类型的用户采取用户细分（user segmentation）是多么的重要！那么今天我们一起来学习一下【用户细分】的简单方法之一——RFM分析方法（模型）

RMF模型原理介绍

RFM是由三个英文单词的首字母组成的，即Recency（最近一次消费时间间隔）、Frequency（一段时间内的消费频率）和Monetary（一段时间内的消费金额）（RFM分析模型介绍）
（1） 最近一次消费时间间隔（R），上一次消费离得越近，R值越小，用户价值越高。
（2） 消费频率（F），购买的频率越高，F值越大，用户价值越高
（3） 消费金额（M），消费金额越高，M值越大，用户价值越高。
每一个指标都有高-低两个值，222之后，我们得到了以下八类用户。

矩阵大家看着有点头疼，那我们来看看表格的！通俗易懂。