RFM分析使您可以重新审视客户群：这些人将要离开我们，让我们设法保留他们，但这些人早已失去兴趣-我们的促销代码给他们带来了死灰泥。
编译RFM段的工作非常耗时。但是，通过与这些细分市场建立适当的沟通，您可以通过保留客户和重复销售的形式获得结果。
RFM分析-基于购买历史记录的客户群分析。RFM分析根据以下三个指标进行：
新近度-购买的处方-自上次购买以来的时间。最近购买的客户更有可能再次购买。
频率-购买频率-给定时间段内的购买次数。如果一个人进行了多次购买，则向客户出售产品的可能性就会更大。
货币-购买金额-给定期间内所有购买的总和。在购买上花费大量金钱的客户可能会再次消费。
RFM分析的结果是，找到了最忠诚，最赚钱的客户和最不活跃的客户。结果，基于RFM分析，可以建立一种促进客户从一个群体过渡到另一个群体，保持他们并激发重复购买动机的沟通方式。
RFM方法可以在任何业务中使用，而与活动方向无关，并且如果数据库中的地址超过10,000个，则RFM方法具有最大的可见性。分割的简单性和可见性是此方法的主要优势。
用于RFM分析的源数据
要进行RFM分析，您将需要所有客户进行的所有购买以及所有这些购买的总和的数据。它们是从CRM或分析平台卸载的。例如，在我们进行RFM分析的项目中，信息存储在Magento中。
数据可能会有困难：您不太可能立即以完美的形式收到它们，通常，需要进行初步的数据处理。
您将需要上传交易。每行是一个单独的事务，列数可能不同，但必须是：
- 客户的唯一标识符（电子邮件，电话号码，ID）；
- ;
- .
RFM-:
RFM-
1.
: (Recency), (Frequency) (Monetary).
2.
«Recency», «Frequency» «Monetary» .
:
. , , .
:
106 6
, R F 3 .
Recency:
1 — 214–320
2 — 107–213
3 — 0–106
Frequency:
1 — 13–18
2 — 7–12
3 — 0–6
— . ( 90% , — 1%).
, .
, . — .
, Recency — — , .
. .
. , :
, , , .
, , Recency , Monetary — . Frequency .
:
Recency:
1 — 6
2 — 3-6
3 — 0-3
Frequency:
1 — 1–2
2 — 3–5
3 — 6
F, , , , . , , - . .
53 , — 36. , . , , .
. , 1 2 — , , , . , 1 2 — , .
Monetary — c — : , , , .
— 50 000 . , 4000 — ,
: , . . — , .
— . R, F, M .
3. : R, F, M
, , — . , 1 3, , . 3 — .
, 1 — , 3 — . . :
- R1—F1—M(1-3) —
- R1—F(2-3)—M(1-3) — ,
- R2-F(1-2)-M(1-3) —
- R2-F(3)-M(1-3) —
- R3—F1—M(1-3) —
- R3—F2—M(1-3) —
- R3—F3—M3 —
:
:
RFM-:
RF, RM, FM
RFM-.
RF-
. monetary — — frequency — , .
RF , , , .
RM-
RM- Recency Monetary. , , , .
FM-
FM- . , , , , , .
