一、RFM模型简介

RFM分析原多用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的行业，只要任何有数据记录的消费都可以被用于分析。那么对于电子商务网站来说，网站数据库中记录的详细的交易信息，同样可以运用RFM分析模型进行数据分析，尤其对于那些已经建立起客户关系管理（CRM）系统的网站来说，其分析的结果将更具意义。

基本概念解释

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。RFM分析模型主要由三个指标组成，下面对这三个指标的定义和作用做下简单解释：

最近一次消费（Recency）

最近一次消费意指用户上一次购买的时间，理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。因为最近一次消费指标定义的是一个时间段，并且与当前时间相关，因此是一直在变动的。最近一次消费对营销来说是一个重要指标，涉及吸引客户，保持客户，并赢得客户的忠诚度。

消费频率（Frequency）

消费频率是顾客在一定时间段内的消费次数。最常购买的消费者，忠诚度也就最高，增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。

根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯'（loyalty ladder），其诀窍在于让消费者一直顺着阶梯往上爬。

消费金额（Monetary）

消费金额是对电子商务网站产能的最直接的衡量指标，也可以验证“帕雷托法则'（Pareto’s Law）——公司80％的收入来自20％的顾客。

RFM模型

模型三维图

评分标准

客户分组

客户气泡图A

客户气泡图B

二、使用R做客户气泡图

RFM模型为三维图形，将其转化为二位图更容易理解客户所在分布。转化方式为：借款金额分为大、小两部分(根据M的平均值划分)。

1、创建客户的RFM值宽表

客户宽表

2、使用R做气泡图

#清除内存rm(list=ls())

#大金额的借款人数和频率

library(RJDBC)

library(stringr)

library(data.table)

#使用ODBC包

drv<JDBC("oracle.jdbc.OracleDriver","C:/Users/liu/Documents/report/ojdbc7.jar",identifier.quote="\"")

#账号密码连接数据库

con <- dbConnect(drv,"jdbc:oracle:thin:@10.20.11.86:15:dbwarehouse","u_r_liu","Lz")

#数据库查询宽表，限定金额为大金额

rfm <- dbGetQuery(con,'SELECT TT,NN,SS FROM RISK_TEMP.LZW_BORROWAGAIN_RFMNEW WHERE SS>300')

attach(rfm)

r<-sqrt(SS/pi)

symbols(TT,NN,circle=r,inches=0.05,main="客户借款分布图",ylab="借款次数",xlab="借款日期距离天数")

detach(rfm)