【数据分析与数据挖掘小技巧】_RFM

RFM最初是由美国数据库营销研究所提出，他们认为客户数据库中有三个神奇的要素，这三个神奇的要素可以构成数据分析最好的指标。他们分别R购买时间间隔、F消费频率， M消费金额。 

R (Recency)：最近一次消费的时间间隔。

理论上讲，上一次消费时间越近的顾客应该是比较好的顾客，当我们提供服务时，最有可能产生相应的反应。客户的消费时间越近，代表客户价值越大。

F (Frequency)：消费频率。

消费频率是指，顾客在限定的期间内所购买的次数。当用户购买的次数越多，我们就可以称之为满意度最高的客户，其对品牌的忠诚度就相对较高。

M(Monetary)：消费金额。

M值越大，用户的消费金额越高，代表客户价值越高。消费金额可以说是所有数据库报告的支柱。

 

那么结合这三个指标，我们该如何使用呢？如果将三个维度，每个维度分为高低两种情况，我们可以构建出了一个三维的客户坐标体系，整体的用户可以分为2的三次方也就是8个群体。

在实际的场景中，RFM的应用场景非常丰富，普遍使用于电商，信贷等领域。基于RFM的三个指标，不同的场景的定义是不同的，需结合相应的业务场景进行调整。并且在特征和分箱上是可以基于业务灵活变形使用。