---------------------------------------------
一。基本介绍
探索性分析方法：RFM 分析，聚类分析，银子分析，对应分析
营销行为的分析板块，称为知晓板块
R -RECENCY---客户最近吃一次交易时间间隔，R值越大，表示客户交易发生的日期越久，反之越近
F-FREQUENCY---客户在最近一段时间类交易的次数，F值越大，表示客户交易越频繁；反之，表示客户不够活跃
M-MONETARY--客户在最近一段时间内交易的金额，M值越大，表示客户价值越大，反之客户的价值就越小
frm分析，就是一种根据客户活跃程度和交易金额贡献；进行客户价值细分的一种方法
RFM分析原理
R_S，F_S，M_S分别表示R，F，M标准的平均值
步骤：
1.计算RFM各项分值（R_S,F_S,M_S）
2.汇总RFM分值
3.根据RFM对客户分类
R_S：基于最近以此交易日期计算得分，距离当前日期最近，则分会越高，例如，发生日交易的日期据当前日期最近的客户将给予5分
F_S：基于交易频率得分，交易频率越高，则得分就越高。例如，最常发生交易的客户基于5分
M_S：基于交易金额计算得分，交易金额越高，则得分就越高。例如，交易金额最大的客户将给予5分。
计算RFM总分值:
RFM=100xR_S+10xF_S+1xM_S
根据上面的计算方法，FRM最小值是111，最大值是555，通常情况下，我们会根据得分定义客户类型，当然还要总和考虑实际情况
注意：FRM分析还有特定的假设条件
1.最近有过交易行为的客户再次发生交易的可能性要高于最近，没有交易行为的客户
2.交易频率较高的客户比交易频率低的客户更有可能再次发生交易
3.过去所有的交易金额较多的客户比交易总金额少的客户更有消费积极性
----------------
二. RFM分析操作
直销--选择技术--了解我的联系人--帮助我确定最佳联系人（RFM分析）
--继续--【RFM分析：数据格式】--继续--交易数据--继续--交易数据RFM分析--在交易对话框中
将交易日期移置交易金额中，将客户ID移置客户标示框中--切换至输出选项卡--勾选全部选项（为了全面解读RFM分析结果--确定
SPSS完成RFM分析后，会生成换一个心得数据文件--记录客户的最近的一次交易日期，交易次数，交易总金额，R_S,F_S,M_s个性分支的以及RFM的汇总至
直销对话框
数据格式
交易数据RFM
基本数据
切换至变量试图 ，可看出每个变量代表的意义
数据量解释
--------------
二.RFM 分析结果解读
1.RFM分箱计数（查看每个RFM汇总defender客户数量是否均匀，从结果来看，每个单元格内的客户数量分布比较均匀）
分箱计数
2.个案处理摘要（显示客户总数以及缺失的缺失值信息）
个案处理摘要
3.RFM交叉表（将RFM分箱计数图用交叉表的形式展现出来）
FRM交叉表
4.RFM 热图（是交易金额均值在R_S，F_S绘制的矩阵图形化表示，用颜色深浅表示交易金额均值的大小，颜色越深，说明在相应的矩阵快内的客户交易额均值越大）
热图
5.RFM直方图（显示了最近一次交易时间，交易总次数金额的频率分布，一次判断各自的客户人群中的额分布情况，横轴的排列 顺序为较小的值在左边，较大的值在右边）
直方图
6.交易时间交易总次数和交易金额之间的散点图
（三个分析指标之间的俩俩关系，便于指标相干性评估）
散点图
--------------------------------------
三.RFM分析的应用
1.计算R_S，F_S，M_S各变量的均值，
分析--描述统计--描述--崭新得分，频率得分，消费得分移置变量中--确定
各指标描述统计结果
每个客户的R_S，F_S，M_S各个数值与对应的均值之间的比较，小于均值，定义为低，大于均值为高
1）转换--重新编码为不同的变量--将崭新得分，移置数字变量->输出变量，--右侧输出变量下的名称中输入R_S分类--变化量
重新编码为不同变化量
新值旧值--重新编码：旧值新值--选择范围从值到最高项--输入3，新值输入2表示高--添加--完成定义如果R_S>=3.00，新变量“”R_S分类=2
所有其他值--新值填入“1”--确定
旧值新值对话框
网友评论