如何通俗易懂的理解和应用RFM分析方法（模型）？
大多数人乍一眼看到RFM模型，由于其三维立体，可能会有点“发懵”，不知从何看起。
事实上，我们也可以把它拆成平面，这样更方便理解。如图：
- R（Recency） ：客户最近一次交易时间的间隔。
- F（Frequency） ：客户在最近一段时间内交易的次数。
- M（Monetary） ：客户在最近一段时间内交易的金额。
粗暴点来说，就是：
- 花的多（M↑）、经常来（F↑）、最近来了（R↑）——认真服务/分析该部分大客户需求，做出行动
- 花的多（M↑）、经常来（F↑）、最近没来（R↓）——分析出这部分客户最近没来的原因，并尽快做出唤回行动
- 花的多（M↑）、偶尔来（F↓）、最近来了（R↑）——具有极大的发展潜力，需要有下一步刺激吸引的措施
- 花的多（M↑）、偶尔来（F↓）、最近没来（R↓）——属于价值客户流失，需要尽快做出激活措施
- 花的少（M↓）、经常来（F↑）、最近来了（R↑）——这块用户好感度高但明显需求没被满足，需要挖掘出这部分人群的真正需求
- 花的少（M↓）、偶尔来（F↓）、最近来了（R↑）——属于自然流量，可以保持观察
- 花的少（M↓）、经常来（F↑）、最近没来（R↓）——属于自然流量流失，后续需要留意
- 花的少（M↓）、偶尔来（F↓）、最近没来（R↓）——属于一般流量，可以暂时搁置不管
这样展开说，还是挺好理解的吧？
8类客户/用户
所以该模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标，来描述客户/用户的价值状况和创利能力。
- R（Recency） ：R值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的日期越近。R值越大，证明此客户沉睡时间越长，流失可能性越大。
- F（Frequency） ：F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。F值越大的顾客也就是我们的忠实顾客，是他们活跃了我们的店面流量。而F值小的顾客，他们跟我们的粘性不大，忠诚松散，随时可能面临被竞争对手抢走的风险。
- M（Monetary） ：M值越大，表示客户价值越高，反之则表示客户价值越低。M值越大的顾客撑起了我们的业绩，如果再利用帕累托分布分析一下，也许会发现，正是这M值大的20%的顾客，撑起了我们业绩的80%的天空！
在众多的用户价值分析模型中，RFM模型是被广泛应用的。
再分享个比较好玩的案例，用RFM去做销售管理，很有意思。
在简道云中搭建RFM分析模型——“王者荣耀”TATA木门的业绩管理系统
为了有效管理运营各门店，TATA木门（天津）通过RFM模型对门店的销售业绩进行全方位的衡量评估：
- R（Recency）：销售人员最近1次成单与今天的相差天数
- F（Frequency）：销售人员最近30天成单总数
- M（Monetary）：销售人员最近30天的总销售额
为了解决模型分析的高效性、及时性，他们在自建应用内，通过数据工厂+仪表盘打造一个绩效荣耀称号系统。如下图：
同时将仪表盘数据定时向全员推送：
该效果是如何实现的？
1、计算模型：
- R（Recency）：获取销售人员最近的成单日期和今日日期相减，同时根据活跃天数设有活跃、安静、沉睡3个不同称号。
- F （Frequency）：计算销售人员最近30天的成单总数，同时根据成单总数设有王者、钻石、黄金、白银、青铜5个不同称号。
- M（Monetary）：对销售人员最近30天所有订单的销售额汇总求和，同时根据总销售额设有富豪、中产、贫困3个不同称号。
2、主要涉及表单：
「订单表」：销售的订单数。
「测量确认单」：销售的业绩。
「日期表」：辅助表，获取当天日期。
「RFM分组」：辅助表，获取值对应的称号。
3、数据工厂设计：
- 获取当天日期
输入节点为日期表，连接数据筛选节点，设置日期筛选条件为今天，从而实现动态日期。
- RFM计算
通过横向连接和当天日期表进行连接，再通过字段设置-添加计算字段得到订单成单日期与今天的相差天数，最后通过数据筛选设置筛选条件为相差天数≤30天从而得到最近30天的相关数据。
R：通过字段设置中的MIN函数，获取最小相差天数。
F：分组汇总计算总订单数。
M：分组汇总计算销售总额。
通过字段设置中的IF函数来计算每个称号对应的标示值，然后将得到的标示值和「RFM分组」横向连接来实现不同值匹配不同称号。
- 汇总合并
通过追加合并将多个表单合并成1个总表，最终在仪表盘输出展示。
THE END
如何通俗易懂的理解和应用RFM分析方法（模型）？
大多数人乍一眼看到RFM模型，由于其三维立体，可能会有点“发懵”，不知从何看起。
事实上，我们也可以把它拆成平面，这样更方便理解。如图：
R（Recency） ……
