---------------------------------------------
一?；窘榻B
探索性分析方法：RFM 分析，聚類分析，銀子分析，對應(yīng)分析
營銷行為的分析板塊，稱為知曉板塊
R -RECENCY---客戶最近吃一次交易時間間隔，R值越大，表示客戶交易發(fā)生的日期越久，反之越近
F-FREQUENCY---客戶在最近一段時間類交易的次數(shù)，F(xiàn)值越大，表示客戶交易越頻繁；反之，表示客戶不夠活躍
M-MONETARY--客戶在最近一段時間內(nèi)交易的金額，M值越大，表示客戶價值越大，反之客戶的價值就越小
frm分析，就是一種根據(jù)客戶活躍程度和交易金額貢獻；進行客戶價值細分的一種方法
R_S，F(xiàn)_S，M_S分別表示R，F(xiàn)，M標準的平均值
步驟：
1.計算RFM各項分值（R_S,F_S,M_S）
2.匯總RFM分值
3.根據(jù)RFM對客戶分類
R_S：基于最近以此交易日期計算得分，距離當前日期最近，則分會越高，例如，發(fā)生日交易的日期據(jù)當前日期最近的客戶將給予5分
F_S：基于交易頻率得分，交易頻率越高，則得分就越高。例如，最常發(fā)生交易的客戶基于5分
M_S：基于交易金額計算得分，交易金額越高，則得分就越高。例如，交易金額最大的客戶將給予5分。
計算RFM總分值:
RFM=100xR_S+10xF_S+1xM_S
根據(jù)上面的計算方法，F(xiàn)RM最小值是111，最大值是555，通常情況下，我們會根據(jù)得分定義客戶類型，當然還要總和考慮實際情況
注意：FRM分析還有特定的假設(shè)條件
1.最近有過交易行為的客戶再次發(fā)生交易的可能性要高于最近，沒有交易行為的客戶
2.交易頻率較高的客戶比交易頻率低的客戶更有可能再次發(fā)生交易
3.過去所有的交易金額較多的客戶比交易總金額少的客戶更有消費積極性
----------------
二. RFM分析操作
直銷--選擇技術(shù)--了解我的聯(lián)系人--幫助我確定最佳聯(lián)系人（RFM分析）
--繼續(xù)--【RFM分析：數(shù)據(jù)格式】--繼續(xù)--交易數(shù)據(jù)--繼續(xù)--交易數(shù)據(jù)RFM分析--在交易對話框中
將交易日期移置交易金額中，將客戶ID移置客戶標示框中--切換至輸出選項卡--勾選全部選項（為了全面解讀RFM分析結(jié)果--確定
SPSS完成RFM分析后，會生成換一個心得數(shù)據(jù)文件--記錄客戶的最近的一次交易日期，交易次數(shù)，交易總金額，R_S,F_S,M_s個性分支的以及RFM的匯總至
切換至變量試圖 ，可看出每個變量代表的意義
--------------
二.RFM 分析結(jié)果解讀
1.RFM分箱計數(shù)（查看每個RFM匯總defender客戶數(shù)量是否均勻，從結(jié)果來看，每個單元格內(nèi)的客戶數(shù)量分布比較均勻）
2.個案處理摘要（顯示客戶總數(shù)以及缺失的缺失值信息）
3.RFM交叉表（將RFM分箱計數(shù)圖用交叉表的形式展現(xiàn)出來）
4.RFM 熱圖（是交易金額均值在R_S，F(xiàn)_S繪制的矩陣圖形化表示，用顏色深淺表示交易金額均值的大小，顏色越深，說明在相應(yīng)的矩陣快內(nèi)的客戶交易額均值越大）
5.RFM直方圖（顯示了最近一次交易時間，交易總次數(shù)金額的頻率分布，一次判斷各自的客戶人群中的額分布情況，橫軸的排列 順序為較小的值在左邊，較大的值在右邊）
6.交易時間交易總次數(shù)和交易金額之間的散點圖
（三個分析指標之間的倆倆關(guān)系，便于指標相干性評估）
--------------------------------------
三.RFM分析的應(yīng)用
1.計算R_S，F(xiàn)_S，M_S各變量的均值，
分析--描述統(tǒng)計--描述--嶄新得分，頻率得分，消費得分移置變量中--確定
每個客戶的R_S，F(xiàn)_S，M_S各個數(shù)值與對應(yīng)的均值之間的比較，小于均值，定義為低，大于均值為高
1）轉(zhuǎn)換--重新編碼為不同的變量--將嶄新得分，移置數(shù)字變量->輸出變量，--右側(cè)輸出變量下的名稱中輸入R_S分類--變化量
新值舊值--重新編碼：舊值新值--選擇范圍從值到最高項--輸入3，新值輸入2表示高--添加--完成定義如果R_S>=3.00，新變量“”R_S分類=2
所有其他值--新值填入“1”--確定
