【数据分析】用RFM模型分析用户

1. RFM模型
   RFM模型根据客户活跃程度和交易金额的贡献，进行客户价值细分的一种方法。

R（Recency）——最近一次交易时间间隔。基于最近一次交易日期计算的得分，距离当前日期越近，得分越高。如5分制。反映客户交易活跃度。
F（Frequency）——客户在最近一段时间内交易次数。基于交易频率计算的得分，交易频率越高，得分越高。如5分制。反映客户交易活跃度。
M（Monetray）——客户最近一段时间内交易金额。基于交易金额计算的得分，交易金额越高，得分越高。如5分制。反映客户价值。
RFM总分值：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：

识别优质客户。
可以制定个性化的沟通和营销服务，为更多的营销决策提供有力支持。
能够衡量客户价值和客户利润创收能力。
RFM的假设前提：
假设交易的可能性：

最近交易过的客户 > 最近没有交易过的
交易频率高的客户 > 交易频率低的
交易金额大的客户 > 交易金额小的
2. RFM模型分析应用
RFM分析应用为客户分组，即将三个指标分别分为“高”和“低”两种，高于均值的为“高”，低于均值的为“低”。因此有三件事要做：计算出各个指标得分的平均值；将各个变量高于平均分的定义为“高”，低于平均分的定义为“低”；根据三个变量“高”“低”的组合来定义客户类型；如“高”“高”“高”为高价值客户。部分结果如下图：