数据分析之RFM分析

最新推荐文章于 2023-01-07 10:41:06 发布

码农的世界，你不懂

最新推荐文章于 2023-01-07 10:41:06 发布

阅读量1.1k

点赞数

分类专栏： RFM

本文链接：https://blog.csdn.net/u010395024/article/details/103777533

版权

本文深入探讨了数据分析中的RFM模型，通过最近购买时间（Recency）、购买频率（Frequency）和消费金额（Monetary）三个维度，揭示客户价值并进行客户细分，为企业提供精准营销策略的依据。

摘要由CSDN通过智能技术生成

# -*- coding: utf-8 -*-
#1. 概念：RFM分析是根据客户活跃程度和交易金额贡献，进行客户价值细分的一种方法.
#R(Recency):近度，客户最近一次交易时间的间隔。R越大，表示客户越久未发生交易，R越小，表示客户越近有交易发生
#F(Frequency):频度，客户在最近一段时间内交易的次数。F越大，表示客户交易越平凡，F越小，表示客户不够活跃
#M(Monetary):额度，客户在最近一段时间内交易的金额。M越大，表示客户价值越高，M越小，表示客户价值越低

#2. RFM分析过程
#2.1 计算RFM各项分值
#R_S，距离当前日期越近，得分越高，最高5分，最低1分
#F_S，交易频率越高，得分越高，最高5分，最低1分
#M_S，交易金额越高，得分越高，最高5分，最低1分

#2.2 汇总RFM分值
#RFM = 100*R_S + 10*F_S + 1*M_S （业务专家得出的结论，可以看出不同项的权重不一样）

#2.3 根据RFM分值对客户分类

#3. RFM分析前提
#3.1 最近有过交易行为的客户，再次发生交易的可能性要高于最近没有交易行为的客户；
#