【数据分析】高级数据分析方法之——RFM模型进行用户细分

1、根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。

2、RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！

3、操作方法：

一般来讲，假定企业拥有100万会员资料库和历史交易数据，可以在没有建立数据挖掘模型前，随机选择1万人进行促销，记录这1万人的响应情况，然后根据这1万人的响应数据0-1，建立RFM为自变量的响应模型，然后根据模型对100万用户进行客户响应打分，选择10万人进行促销，可以提升促销的ROI。

4、可以实现的软件：IBM Modeler 14.1版本操作RFM模型：（采用数据挖掘技术来分析RFM是一件简单的工作，因为软件非常智能化，或者说基本上内置了自动RFM分析模块）