1樓：小跑的人
這是我們crm系統裡面的客戶價值分類模型。
R：若客戶最近一次交易時間間隔小於或等於"最近一次消費取值（天）"取1，否則取0。
F：若客戶最近一年內交易次數大於或等於"消費頻次取值（單）"取1，否則取0。
M：若客戶最近一年內消費金額大於或等於"消費頻次取值（$）"取1，否則取0。
2樓：草長櫻飛
看了樓上很多朋友專業的回答，我想說點自己的看法。
RFM模型是一種分析消費者價值，將消費者進行分層，針對不層級次的消費者制定不同的營銷政策，幫助企業進行營銷決策的一種工具。
RFM模型將消費者行為形成的基礎資料，按照企業自己定的資料規則計算出R、F、M三者的數值，然後將R、F、M三者進行排列組合，得出8類客戶，分別是重要價值客戶、重要喚回客戶、重要深耕客戶、重要挽留客戶、潛力客戶、新客戶、一般維持客戶、流失客戶。
至於怎樣計算，樓上各位專家都已經說得很多了，我就不再重複了。
得到這些客戶的分層資料，怎樣應用，各個企業的情況根據資料的情況有不同的決策。
根據客戶分層進行不同的營銷政策，是建立在營銷資源有限的基礎上的，也營銷資源有限，也是建立在成本效益基礎上的（我好像說了句廢話），RFM模型是分配營銷資源的基礎工作。
既然說，RFM模型是分配營銷資源的基礎工作，R、F、M數值計算中的級差選擇就是乙個關鍵的問題，這個是企業中做資料分析人員根據經驗、行業情況要著重考慮的。
根據RFM模型將客戶分成8大類別後，怎樣制定營銷政策，不同企業的管理層根據公司的不同階段以及公司的目標會有不同的選擇。
是要選擇給重要價值客戶更大的優惠，又或者對於重要價值客戶的優惠更少（比如殺熟，某某運營商對老客戶沒有優惠，是因為你是老客戶了，即使不給你優惠，你也很誠實的待著，不會流失），還是選擇將重要深耕客戶轉換為重要價值客戶， 這是每個企業的目標所確定的。
僅僅一期的RFM模型，說明不了什麼。就像單純說某某高、某某胖，沒有任何意義。和昨天比、和去年比，他是胖是高才有意義。站在乙個場景中，和同行比，和自己的過去比，才有意義。
同樣的級距分層，同樣的運算方法，不同時期的資料進行比較，分析差異情況，分析營銷政策的影響程度，分析內外部環境對結果的影響程度，才能聚焦到乙個營銷政策的有效性。
撥開層層迷霧，才能得出有用的結論。
商業中離不開人性，營銷更離不了人性。資料是運營成果的一種表現形式，營銷政策、管理層決策是導致資料變化的原因。
要想說因為出台什麼政策，我們得到了什麼樣的結果，挖掘出政策切中人性的關鍵點，用通俗的話講出來，讓不懂的人都覺得你講的有道理，認為你的邏輯是通的，才是乙個通透的政策。
說到底，RFM模型只是決策的一種工具，怎樣運用這個工具執行的結果，在於人，在於管理者，而不是工具本身。
3樓：focus
最近也在學習RFM模型，分享順便記錄一下我的學習心得。
按照我們的學習習慣，首先肯定是學習RFM的具體含義是什麼，各個字母代表哪些指標。
R——Recency（最近一次消費）
F——Frequency（消費頻率）
M——Monetary（消費金額）
那麼這三個指標按照字面意思很容易理解，Recency（最近一次消費）關注的是我們的客戶距離當下最近的一次消費時間，可以反映客戶的活躍度，如果客戶最近一次消費是一年前，毫無疑問這個客戶基本上屬於流失的狀態了，最近一次消費時間越接近今天，這個客戶近期的活躍越高。但是是不是R值越小客戶價值越高呢，顯然僅僅憑藉R值定義客戶價值是不夠的，，難道前者的客戶價值一定小於後者嗎？因此我們還需要關注Frequency（消費頻率），當客戶產生了購買行為，在考慮R值的基礎上F值高代表消費頻率高，那麼他們就會被標記為高活躍使用者。
再加入Monetary（消費金額）的指標綜合考慮，如果這些活躍使用者發生在發生購買行為之後，訂單金額超過一定的閾值，那麼他們將會帶來更高比重的銷量，毫無疑問是極具價值的一批客戶。
通過Recency（最近一次消費）、Frequency（消費頻率）、Monetary（消費金額）三個指標綜合考量，設定不同的標籤，將客戶進行分類。這個部分就要涉及到如何分配權重，在不同的應用場景下權重的分配也是不同的，並沒有乙個萬能公式適用於所有的場景，因此並不是題主說的簡單的分成八大類，權重的設定我認為很關鍵。
為了進一步深刻理解RFM模型，我進行了實踐。
因為前文說不同應用場景下權重的設定不同，首先我假設了乙個業務場景，將舉辦乙個流失使用者召回的活動，我需要去篩選活動重點關注物件。業務場景已經確定了，然後選定乙個趁手的BI工具就可以開始分析了，我自己選的是DataFocus，操作簡單，圖表豐富是我最常用的分析工具，大家可以選擇自己趁手的工具。
具體的操作可能並不相同
4樓：ADHD自救少女
應該是想問3種分析方法的區別。寫些自己的看法。
三種方法的初始分類方式不一樣，導致單一資料維度對使用者歸類的最終影響不一樣。
方法1，是先用聚類分析歸類，再對比整體均值給每一類下定義。
方法2，先參考總體均值給合體下定義，再根據定義分類
方法3，這是啥情況……邏輯和方法2基本類似。區別在於，認為把所有個體分125種，再通過對比整體均值對這125個"新"個體下定義，最後根據定義分類。
個人prefer第一種方法。
原因是先用聚類，後下定義，可以更真實地反映樣本之間的相似性，也就是使用者分類更真實
例如，成績假如先用聚類分析，a.b兩個個體是一類，但是a的r值高於均值，b的r值低於均值，這時候如果用方法2，這兩個個體會被分到2個組，被認為是不同的使用者。顯然這是不合理的。
方法3通過預先分成125組，可以一定程度上減少方法2中出現的，單一維度資料對分類的影響。
總的來說還是聚類更好啦，但是聚類是不是真的要分8組就要自己斟酌啦，可以根據組間的距離去調整分組，不一定要8組，不是所有使用者都正正好是8種的，強分有風險
個人拙見，期待交流
5樓：散落於雲海
我來個四等分吧.按RFM每個維度的累計佔比的40%,80%,95%,小於100%四個等分來計算.當然還是用菜刀excel來玩轉RFM分析模型.
可能說得不清楚.潦草的講一下大概原理.(自己以前做的作業本)
可能有人說excel資料不夠大,也不好分析.根本不是這麼回事.可以存五六百萬行的資料.如圖
我們先建立乙個關係模型.表越多,關係就越複雜...那我們對資料能更好的切片切塊,比如按產品,按地理,按客戶,旋轉資料魔方,做不同領域的交叉分析.
發生銷售行業的是在銷售明細資料表裡.明擺著RFM分析屬於客戶行業分析.所以在客戶表裡寫公式吧.
為了寫簡單點.我用靜態帕累托來寫RFM三個維度,動態的雖然更屌就是太複雜了點.我也得留一手.
所以弄乙個最近12個月之內發生交易行為的字段,如果是1,表示12月之內發生交易行業,0就是沒有.
最近12個月=IF (
'銷售表'[訂單日期gt;= EOMONTH ( CALCULATE ( LASTDATE ( '銷售表'[訂單日期] ), ALL ( '銷售表' ) ), -12 ) + 1
&& '銷售表'[訂單日期lt;= EOMONTH ( CALCULATE ( LASTDATE ( '銷售表'[訂單日期] ), ALL ( '銷售表' ) ), 0 ),1,0
)利用上面產生的計算字段,就可以在客戶表裡寫最近12個月之內的購買頻次了.
F頻次L12M=CALCULATE(COUNTROWS(RELATEDTABLE('銷售表')),'銷售表'[最近12個月]=1)
同樣算12個月之內的消費
12M銷售額=CALCULATE([銷售總額],'銷售表'[最近12個月]=1)
利用上面的公式,算F分值.原理是按頻次從大到小排列進行累加,再和總頻次相除,也就是累積佔比.40%以下得4分,80%以下得3分,95%以下得2分,100%以下得1分.
F分值=VAR frequency =
CALCULATE (
SUM ( '客戶表'[F頻次L12M] ),
FILTER ( '客戶表', '客戶表'[F頻次L12M] >= EARLIER ( '客戶表'[F頻次L12MVAR GTOTAL =
DIVIDE ( frequency, SUM ( '客戶表'[F頻次L12M] ) )
RETURN
IFGTOTAL < 0.4,
4,IF ( GTOTAL < 0.8, 3, IF ( GTOTAL < 0.95, 2, IF ( GTOTAL < 1, 1
和上面相同,來算M分值.
VAR sales =
SUMX (
FILTER ( '客戶表', '客戶表'[12M銷費額] >= EARLIER ( '客戶表'[12M銷費額] ) ),
CALCULATE ( SUM ( [12M銷費額VAR leiji =
DIVIDE ( sales, SUM ( [12M銷費額] ) )
RETURN
IFleiji < 0.4,
4,IF ( leiji < 0.8, 3, IF ( leiji < 0.95, 2, IF ( leiji < 1, 1
算R,反正一年也就365天.最近30天之內得4分,90天之內得3,180天得2,最後的得1分.
VAR R =
IF ( [M12] = 1, MAX ( '銷售表'[訂單日期] ) - CALCULATE ( LASTDATE ( '銷售表'[訂單日期] ) ) )
RETURN
SWITCH (
NOT ( ISBLANK ( RR <= 30, 4R <= 90, 3R < 180, 2R <= 365, 1
)大功告成.接下來R,F,M分值相加就行了,公式都好寫.3分,6分,9分,12分劃分客戶.如圖
差不多就這樣了.下面就好分析了.好多張表,上百個欄位與度量公式,想怎麼分析就怎麼分析,拖資料透視表,誰都會.
比較潦草的畫一下dashoboard.不成敬意.......
如何通俗易懂地理解黎曼引理？
三千弱水 如果 在區間 上Riemann可積，則 這三個其實是等價的，直觀說明第乙個，分析證明第二個 為了直觀理解，主要考慮 是連續的情況。取正數 充分大，使 將區間 分成 個小區間，每個小區間之長小於 並使函式 在每個小區間上有相同的符號，而在任何相鄰的兩個小區間上,的值都發生符號上的改變，從而函...
如何通俗易懂的理解防禦機制？
龐寵 首先，防禦機制通常是精神分析常用的觀點，更具備哲學的韻味，而並不適用於科學心理學。所謂防禦，其實就是當心理產生應激反應後，恢復原有狀態或找到新的平衡點的動作。而對這個過程現象的描述就被稱為防禦機制。為什麼說具有哲學韻味呢。因為彈簧也有防禦機制，所有物質都有防禦機制。 李洲心理諮詢宜昌 人在生活...
如何通俗易懂地理解FIR IIR濾波器？
熵與熱 1 FIR濾波器係數在實對稱 奇對稱或偶對稱 的情況下可以得到線性相位 2 相同階數情況下，IIR一般可以比FIR獲得更陡峭的過渡帶 平坦的通帶或者更低的阻帶衰減 甚至更理想的凹槽等 3 IIR的使用需要注意穩定性問題 極點在單位圓內，且注意有限精度效應 4 IIR的使用需要注意線性相位問題...