R构建RFM模型

RFM模型仅仅是一个前期的探索性分析，可以利用RFM模型输出的指标结果还可以进行其他分类以及降维模型的构建，深入探索客户数据价值，挖掘潜在营销点。
RFM模型是市场营销和CRM客户管理中经常用到的探索性分析方法，透过模型深入挖掘客户行为背后的价值规律，进而更好地利用数据价值推动业务发展和客户管理。
RFM是三种客户行为的英文缩写：
R：Recency —— 客户最近一次交易时间的间隔。R值越大，表示客户交易距今越久，反之则越近；
F：Frequency—— 客户在最近一段时间内交易的次数。F值越大，表示客户交易越频繁，反之则不够活跃；
M：Monetary —— 客户在最近一段时间内交易的金额。M值越大，表示客户价值越高，反之则越低。
一般通过对RFM三个原始指标进行分箱操作（分位数法），获得三个指标各自的若干个水平因子（需要注意因子水平大小的对应的实际意义）。
R_S:基于最近一次交易日期计算得分，距离当前日期越近，则得分越高，否则得分越低；
F_S:基于交易频率计算得分，交易频率越高，则得分越高，否则得分越低；
M_S：基于交易金额得分，交易金额越高，则得分越高，反之得分越低。
同时为了对每个客户进行综合评价，也可将以上三个得分进行加权计算（权重规则可由专家制定或者营销人员自行根据业务决定，这里统一采用100:10:1）。RFM = 100R_S + 10F_S + 1*M_S
RFM核心便是构建在R、F、M三个指标得分构成的立方体组合内，形成一个非常直观的客户价值矩