RFM分析
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）
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。
基本概念解释
最近一次消费
指客户最后一次购买的时间距离目前的天数（或月数）。
消费频率
指顾客在一定时间段内的消费次数。
消费金额
可以验证“帕累托法则”--公司80%的收入来自20%的顾客。
数据获取与分析
提取数据之前，首先确定数据的时间跨度，根据网站销售的物品的差异，确定合适的时间跨度。
如，快速消费品，日用品，确定时间跨度为一个季度或一个月；电子产品，时间跨度可为1年或半年。
最近一次消费，取出来数据是一个时间点，用当前时间点-最近一次消费时间点来作为该度量的值；
消费频率，直接在数据库中COUNT用户的消费次数得到；
消费金额，将每位客户的所有消费的金额相加得到。
X轴表示Recency,Y轴表示Frequency，Z轴表示Monetary
| R | F | M | 客户类型 |
| ↑ | ↑ | ↑ | 重要价值客户 |
| ↑ | ↓ | ↑ | 重要发展客户 |
| ↓ | ↓ | ↑ | 重要挽留客户 |
| ↓ | ↑ | ↑ | 重要保持客户 |
| ↑ | ↑ | ↓ | 一般价值客户 |
| ↑ | ↓ | ↓ | 一般发展客户 |
| ↓ | ↓ | ↓ | 一般挽留客户 |
| ↓ | ↑ | ↓ | 一般保持客户 |
--↑表示大于均值，↓表示小于均值
RFM模型在用户细分的应用：
RFM分析方法首先会将上述3个字段进行分箱处理，即离散化处理，使之成为类别型变量，具体如何选择分箱的区间值，取决于具体的业务背景。
为了避免分类数目太大导致业务解释和业务应用上的麻烦，上述每个字段分类的数量一般不超过5〜8个。接下来，则针对已经分箱后的3个字段的数值，分别进行组合。
指客户最后一次购买的时间距离目前的天数（或月数）
