1.目的:基于客户表的贷款记录,用RFM模型简单判断下客户价值,将用户分类;
![](https://img.haomeiwen.com/i13984908/49f29d04415ffc84.png)
对R,F,M的评分判断要基于对业务的理解,R:距离当前日期越近,得分越高,最高5分,最低1分;F:交易频率越高,得分越高,最高5分,最低1分;M:交易金额越高,得分越高,最高5分,最低1分。
2.观察数据,进行基本处理;
![](https://img.haomeiwen.com/i13984908/5e868f9105278c93.png)
3.-- 增加贷款次数列;
-- 进行客户价值分析;进行每个用户贷款时间间隔、频次、金额的处理;
![](https://img.haomeiwen.com/i13984908/c5e1449fe6a1437e.png)
4.-- 计算RFM评分值
![](https://img.haomeiwen.com/i13984908/84b9d2608020b914.png)
5.-- 划分用户价值
![](https://img.haomeiwen.com/i13984908/fc5371749fcc0ecf.png)
1.目的:基于客户表的贷款记录,用RFM模型简单判断下客户价值,将用户分类;
对R,F,M的评分判断要基于对业务的理解,R:距离当前日期越近,得分越高,最高5分,最低1分;F:交易频率越高,得分越高,最高5分,最低1分;M:交易金额越高,得分越高,最高5分,最低1分。
2.观察数据,进行基本处理;
3.-- 增加贷款次数列;
-- 进行客户价值分析;进行每个用户贷款时间间隔、频次、金额的处理;
4.-- 计算RFM评分值
5.-- 划分用户价值
本文标题:客户价值分析
本文链接:https://www.haomeiwen.com/subject/oucvvktx.html
网友评论