本文主要是介绍对RFM模型的理解，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
客户价值可以衡量客户对企业的相对重要性，是企业进行差异化决策的重要标准。 由此，通过客户价值分类可以为企业进行差异化营销策略奠定基础。
RFM模型对客户价值分类时非常简单的一种模型
以下从几大模块说一下个人对RFM模型的理解。
1.RFM模型是什么
按照客户的消费情况，
先把客户分为流失客户，不活跃客户，回流客户，活跃客户，新客户五类
RFM三个维度都是对这五类客户的划分，根据相互独立又不重不漏的原则,
来计算三个指标的值。同时也能在计算过程中发现这个模型的不足之处。
R：最近一次交易时间距今天的天数
该指标可以衡量【用户记忆强度、回购周期】
该指标越小越好。
天数越小，越可能是活跃客户或者新客户
天数越大，越可能是流失用户或者不活跃用户
F：一段时间内消费次数
该指标衡量【用户忠诚度】，越大越好
如果直接使用近一年时间内的消费次数，其实没有办法衡量
R>365的客户忠诚度
所以我们常用上次消费前一年内的消费次数替代。
M：一段时间内的消费金额
该指标衡量【用户消费能力】
这里的时间段可以和F的时间段一致
eg：1次消费100元和100次消费1元的消费总金额相同，
但是消费水平，消费能力还是有差距的。
所以这个指标常用上次消费前一年内的平均消费金额替代。
（总消费金额/消费次数）
F,M也可以用总消费次数和总消费金额来替代，反映用户整体消费水平
如果对于一家处于衰落期的企业来说，总数不能很好的反映当前的状况。
如果耐用品，一年买不了一次的，可以用总数（eg：车）
具体问题具体分析
2.原理
我们的目标是划分用户价值。用户价值可能可以用很多指标衡量RFM是对用户价值贡献度最高的三个因子。所以，不同场景下的指标不一定相同。指标最好是相互独立，不重不漏或者贡献度很高；且指标不宜过多分类的结果数=2的指标数次幂在知乎场景下，衡量知乎用户价值最高的指标可能是
R：最近一次登录时间、最近一次发帖时间、最近一次投资时间、最近一次观看时间
F：浏览次数、发帖次数、评论次数
M：充值金额、打赏金额、评论数、点赞数
3.计算过程
step1：分别计算F,R,M的值
step2：有两种方式
将 R、F、M 数据标准化 或者 创建参数 分段打分
数据标准化：https://zhuanlan.zhihu.com/p/31684764
创建参数 分段打分：https://www.zhihu.com/question/49439948/answer/254004098
参考这两个文章
step3：计算参考值。 根据业务来定，取平均值或者中位数
step4：判断标准化值与参考值的大小. >，取1 <,取0
4.迭代优化
可以顾客生命周期模型与RFM模型中的差异。进而进行迭代优化。
生命周期模型会另写一篇文章，主要从【最后一次消费时间-第一次消费时间】、【今天-最后一次消费时间】两个维度将客户分为四种。
顾客生命周期模型只从时间两个维度考虑，忽略了消费金额和消费次数。
4.应用
上图来自空白女侠下图来自网络
不同类别的用户的策略是不一样的。比如：重要发展用户，F低
策略是提升频次。
所有可能提升频次的事情我们都可以尝试，从中找一种最有性价比的方式。
eg：发push，发券，打电话等方案
写完有更新，同时发现了空白女侠的这篇文章。很棒 可以参考https://www.zhihu.com/question/49439948/answer/254004098
https://www.jianshu.com/p/f9b073203503?utm_campaign=haruki
https://zhuanlan.zhihu.com/p/31635022数据标准化和归一化
这篇关于对RFM模型的理解的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
