技本功|一道甜品的时间，了解下新零售中的算法之RFM的介绍和应用

 

博士学位，先后在美国芝加哥大学、纽约皇后学院任教，回国后担任袋鼠云高级算法专家，负责公司众多大数据算法项目的落地实施，如新华书店、轻松筹等等，对于数据挖掘、机器学习等方面有非常深刻的理解和应用。

 

什么是新零售？

简单的说新零售是线上，线下与物流的打通。

谈到新零售，就不得不提生活中越来越多的新零售体验店：比如盒马鲜生，天猫小店等等。大家谈到这些店铺的时候，都会想到“3公里30分钟免费配送”、“蔬菜水果日日鲜”、物美价廉、商品种类丰富、线上下单……对于里面很多的黑科技，都充满兴趣，比如：无人结算，个性化商品推送，自动补货，极速配送等等。这些应用的实现都是通过算法与海量的数据（顾客，商品，门店）的结合，才得以发挥出惊人的效果，成为我们眼中的黑科技。

新零售中的算法有很多，有的基于顾客，有的基于商品，而且各种算法之间的组合应用也有很多思路。这里首先介绍的是最基本的顾客分群模型，RFM模型。

RFM模型是分析客户价值时最常用也是最基本的模型之一。这个模型最初产生于直邮(direct mailing)主导的年代。那个时候还没有电脑，销售人员就把客户的信息记在卡片上。销售们需要经常翻阅厚厚的卡片来更新客户的购买信息，久而久之，一些和客户价值相关的规律被发现，于是便有了RFM模型。

RFM模型由三个维度组成，Recency，Frequency和Monetary。其中，Recency（R），表示客户上次消费离现在的时间；Frequency（F），表示客户消费的频率；Monetary（M），表示客户消费的总额。了解数据分析的同学都知道，只有维度还是不够的，还需要有量化的标准。如果根据R,F,M的平均值对其进行编码，一个简单的客户价值体系就建成了。

基于平均值的RFM模型

除了基于平均值的分类过程，还可以对R，F和M打分。对R，F和M每一项通过自定义的规则进行分箱，比如每一项都给一个在1到5之间的分数。这样有利于细化客户群体。但是另一方面，过多的客户群体，会对于运营策略有较高的要求。

说到RFM模型和其他模型的优势，经常会看到结构简单，贴近业务，解释性强这些词。但是还有一点是不容忽略的，那就是价值。诞生于几十年前的直邮模式，在如今基于大数据的新零售模式下，RFM模型依旧有他的活力。而且，RFM模型的思路，也启发了很多相关的模型，比如：RFD模型，RLMF模型，RFMTC模型等。

做为经典的客户价值模型，RFM模型在新零售中也可以做为特征工程的方向。如果使用机器学习的方法，模型往往会因为解释性不强而受到挑战，但是如果基于RFM模型进行特征工程，做为聚类算法的输入，可以提高模型的可解释性，有利于运营人员接受结果。

萌萌说

袋长老尼奥给大家介绍了“RFM的介绍和应用”

但是，学习是从积累和实践着手的！

SO，袋萌萌也给大家带来了干货，

几本还不错的技术类书~

转载于:https://my.oschina.net/u/3869098/blog/2980373