数据分析之RFM分析

本文主要是介绍数据分析之RFM分析，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！

# -*- 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； #

这篇关于数据分析之RFM分析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！

---