RFM模型的三个维度：
- R:最近一次消费 (Recency)
- F:消费频率 (Frequency)
- M:消费金额 (Monetary)
根本上也是一种用户细分，可基于各个分层，就目标探索相关表现，用户运营不同特征制定不同方案；
| R | F | M | 客户类型 |
|---|---|---|---|
| 高 | 高 | 高 | 高价值客户 |
| 低 | 高 | 高 | 重点保持客户 |
| 高 | 低 | 高 | 重点发展客户 |
| 低 | 高 | 高 | 重点挽留客户 |
| 高 | 高 | 低 | 一般价值客户 |
| 低 | 高 | 低 | 一般保持客户 |
| 高 | 低 | 低 | 一般发展客户 |
| 低 | 低 | 低 | 潜在客户 |
大M高价值客户，可发放相对大金额优惠券，重点挽回；低M一般客户，优惠券相对低些，倾向新客户发展成一般价值客户；最近有消费，消费频率低，低消费金额，新客户有推广价值；
分层：
三个维度分别基于本身属性排序，按排序序号等宽分成n个分组，得到对应的属性分值；
比如一共100个样本，就M值划分为5层，将top20分值标记为5，top21-40标记为2，其他依次类推…
也可采用其他分层方法，请参考数据分箱：：https://blog.youkuaiyun.com/me_to_007/article/details/126494027
应用样例：可基于目标，比如渠道投放付费转化，查看各个组合的ROI，选择高ROI分组用户属性投放；
扫一扫
2380
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
