R语言构建RFM模型了解一下~~~

RFM模型是市场营销和CRM客户管理中经常用到的探索性分析方法，透过模型深入挖掘客户行为背后的价值规律，进而更好地利用数据价值推动业务发展和客户管理。

RFM是三种客户行为的英文缩写：

R：Recency —— 客户近一次交易时间的间隔。R值越大，表示客户交易距今越久，反之则越近；
F：Frequency—— 客户在近一段时间内交易的次数。F值越大，表示客户交易越频繁，反之则不够活跃；
M：Monetary —— 客户在近一段时间内交易的金额。M值越大，表示客户价值越高，反之则越低。

一般通过对RFM三个原始指标进行分箱操作（分位数法），获得三个指标各自的若干个水平因子（需要注意因子水平大小的对应的实际意义）。

R_S:基于近一次交易日期计算得分，距离当前日期越近，则得分越高，否则得分越低；
F_S:基于交易频率计算得分，交易频率越高，则得分越高，否则得分越低；
M_S：基于交易金额得分，交易金额越高，则得分越高，反之得分越低。

同时为了对每个客户进行综合评价，也可将以上三个得分进行加权计算（权重规则可由专家制定或者营销人员自行根据业务决定，这里统一采用100:10:1）。

RFM = 100R_S + 10F_S + 1*M_S

RFM核心便是构建在R、F、M三个指标得分构成的立方体组合内，形成一个非常直观的客户价值矩阵。

终通过对R_S、F_S、M_S三指标的得分组合，形成八种客户价值类型，营销人员可以通过以上组合形成的客户类群，针对性的进行活动营销，进而提升客户价值和营收水平。

通过RFM分析识别优质客户，可以据此制定个性化沟通与营销服务，可以为营销决策提供更好地支持。

以下是利用R语言构建RFM模型的简要步骤：

1、数据准备：

## !/user/bin/env RStudio 1.1.423
## -*- coding: utf-8 -*-
## RFM Model

#* 近一次消费(Recency)      
#* 消费频率(Frenquency)       
#* 消费金额(Monetary)