【大数据部落】R语言RFM模型在电商行业的应用如果一个电商店铺在2017年4月要开展营销活动，需要对老用户进行优惠券、短

如何衡量电商存量用户的价值？是上一次购买时间？消费金额？还是购买次数？通过什么模型进行用户细分对营销活动提升用户的响应率最有效？

如果一个电商店铺在2017年4月要开展营销活动，需要对老用户进行优惠券、短信、邮件营销。但是营销费用只够给支持2000个用户。

那么我们可以通过RFM模型选择，选择最有可能相应的2000个用户。

RFM 简介

RFM是用于分析客户价值的方法。通常用于数据库营销和直销。

RFM代表的含义

最近购买 - 客户最近购买了什么？

购买频率 - 他们多久购买一次？

购买价值 - 他们花多少钱？

大多数企业将保留有关客户购买的数据。所需要的是一张表，其中包含客户名称，购买日期和购买价值。

最近购买= max（10 - 自客户上次购买以来已经过去的月数）

购买频率= max（过去12个月内的购买次数）

购买价值= 客户的最高订单价值

返回不同商家的用户的RFM数据

表名:userrfm

设置新客户回头客老客户的购买次数阈值为 p q r(参数在r中设置，后期通过其他方式传递)

表名:frequency

会员类型	条件设置（F）[l2]	会员人数	商家名(Busid)
兴趣客户	0	120	1
新客户	p	20	1
回头客	q	10	1
老客户	r	3	1
兴趣客户	0	120	2
新客户	p	20	2
回头客	q	10	2
老客户	r	3	2

同样设置客户光顾天数的阈值分别阈值为 p q r(参数在r中设置后期通过其他方式传递)

流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)

表名:Recency

会员类型	条件设置（F）[l3]	会员人数	商家名(Busid)
售后期客户	0~a	120	1
活跃期客户	a~b	20	1
沉默期客户	b~c	10	1
睡眠期客户	c~d	3	1
流失期客户	>d	2	1
售后期客户	0~a		2
活跃期客户	a~b		2
沉默期客户	b~c		2
睡眠期客户	c~d		2
流失期客户	>d		2

流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)

表名:Recency

会员类型	条件设置（F）[l4]	会员人数	商家名(Busid)
售后期客户	0~a	120	1
活跃期客户	a~b	20	1
沉默期客户	b~c	10	1
睡眠期客户	c~d	3	1
流失期客户	>d	2	1
售后期客户	0~a		2
活跃期客户	a~b		2
沉默期客户	b~c		2
睡眠期客户	c~d		2
流失期客户	>d		2

流失期客阈值为 l ml m h (参数在r中设置后期通过其他方式传递)

表名:Monetary

会员类型	条件设置（F）[l5]	会员人数	商家名(Busid)
低价值客户	0~l	120	1
中低价值客户	l~ml	20	1
中等价值客户	ml~m	10	1
中高价值客户	m~h	3	1
高价值客户	>h	2	1
低价值客户	0~l		2
中低价值客户	l~ml		2
中等价值客户	ml~m		2
中高价值客户	m~h		2
高价值客户	>h		2