背景：一个会员服务的企业，有近1年约1200个会员客户的收银数据。由于公司想针对不同类别不活跃客户进行激活促销；同时，为回馈重点客户，也计划推出一系列针对重点客户的优惠活动，希望保留这些客户，维持其活跃度。因此希望利用该数据进行客户分类研究。
根据客户的需求，RFM模型相对简单并且直接，按照R(Recency-近度）、F(Frequency-频度）和M（Monetary-额度）三个维度进行细分客户群体。由于该客户的数量较少（约1200个），所以，采用3x3x3=27个魔方（1200/27=44左右）较为合适，虽然平均每类客户数量较少，考虑到集中度分布情况，数量多的分类也能够有200-300左右，适合针对会员客户进行短期的电话、短信营销或者信函营销的数量。
RFM模型原理：
RFM模型是一个简单的根据客户的活跃程度和交易金额贡献所做的分类。因为操作简单，所以，较为常用。
近度R：R代表客户最近的活跃时间距离数据采集点的时间距离，R越大，表示客户越久未发生交易，R越小，表示客户越近有交易发生。R越大则客户越可能会“沉睡”，流失的可能性越大。在这部分客户中，可能有些优质客户，值得公司通过一定的营销手段进行激活。
频度F：F代表客户过去某段时间内的活跃频率。F越大，则表示客户同本公司的交易越频繁，不仅仅给公司带来人气，也带来稳定的现金流，是非常忠诚的客户；F越小，则表示客户不够活跃，且可能是竞争对手的常客。针对F较小、且消费额较大的客户，需要推出一定的竞争策略，将这批客户从竞争对手中争取过来。
额度M：表示客户每次消费金额的多少，可以用最近一次消费金额，也可以用过去的平均消费金额，根据分析的目的不同，可以有不同的标识方法。一般来讲，单次交易金额较大的客户，支付能力强，价格敏感度低，是较为优质的客户，而每次交易金额很小的客户，可能在支付能力和支付意愿上较低。当然，也不是绝对的。
RFM的分析工具有很多，可以使用SPSS或者SAS进行建模分析，然后深度挖掘。IBM SPSS还有个Modeler，有专门的RFM挖掘算法供使用。本文为了普及，介绍使用Excel（2007版）做初步的RFM分析。
操作步骤：
1、数据的清洗
原始数据集：数据请参考附件Excel（模拟数据.xlsx）。大家可以下载练习。该数据集共有26600多条数据，包含记录ID（数据库的primarykey）、客户编号、收银时间、销售金额、销售类型共5个字段
通过简单的筛选，可以看到，在交易金额中有0消费额，有负数消费额，继续查看交易类型，发现为“赠送”和“退货”所造成。这些数据在本次分析中用不到，所以在数据处理时需要通过筛选除去。
Excel操作：
鼠标点击第一行的行标“1”以选中第一行
菜单栏点击“数据”，快捷按钮栏点选“筛选”
鼠标点击“销售类型”筛选下拉按钮，可以看到所有数据集中有的销售类型
点选“销售金额”字段的小角标也可以看到有负数出现。
2、数据处理
根据分析需要，R用客户最后成交时间跟数据采集点时间的时间差（天数）作为计量标准；F根据数据集中每个会员客户的交易次数作为计量标准（1年的交易次数）；M以客户平均的交易额为计量标准。通过Excel的透视表即可计算以上RFM数据。
Excel操作：
菜单栏点击“插入”
快捷按钮栏点击“透视表”
选择数据区域，确认所有的数据都被选择
选择在“新工作表”中插入数据，然后点击“确定”
将“客户编号”拖入“行标签”栏
在透视表顶部筛选项“销售类型”处，点击下拉按钮小角标，在“选择多项”前的小方框中打勾，然后点掉“退货”和“赠送”前的勾，然后“确定”会得到如下结果。
以上我们得到了：
1）F值：客户这1年共消费了多少次
2）M值：客户每次交易的平均消费金额
但是，R值还需要做些处理。目前R值只得到的是客户最近一次消费日期，需要计算距离数据采集日期的天数。
Excel操作：
鼠标拉选列标签ABCD,选中透视表所在的四列
因为得到的数据为最后交易日期 减去 数据采集日期的天数，是负值，所以，还需要处理。
在D1单元格中输入-1
最后得到：
到此，我们得到R,F,M针对每个客户编号的值
3、数据分析
R-score, F-score, M-score的值，为了对客户根据R,F,M进行三等分，我们需要计算数据的极差（最大值和最小值的差），通过对比R（或者F,M）值和极差三等分距，来确定R（或者F,M）的R-score, F-score, M-score。
所以先计算R、F、M的最大值、最小值、极差三等分距
Excel操作：
R-score的计算公式为：
E5单元格内输入：“=IF(ROUNDUP((B5-$F$2)/$F$3,0)=0,1,ROUNDUP((B5-$F$2)/$F$3,0)) ”
之所以使用IF判断函数，主要是考虑到当R值为最小值时，roundup(B5,0)为0，用if函数判断如果为0，则强制为1。
【另外一种简单的处理方式就是直接用公式“=ROUNDUP((B5-$F$2)/$F$3,0)”，然后用ctrl^H快捷操作，将0值替换成1即可，这个替换需要将公式复制-快捷粘帖为数值后进行】
F-score和M-score如法炮制。
F5单元格公式为： =IF(ROUNDUP((C5-$G$2)/$G$3,0)=0,1,ROUNDUP((C5-$G$2)/$G$3,0))
G5单元格公式为： =IF(ROUNDUP((D5-$H$2)/$H$3,0)=0,1,ROUNDUP((D5-$H$2)/$H$3,0))
RFM-score的计算，利用分别乘以100-10-1然后相加的方式，让R、F、M分别为一个三位数字的三个百分位、十分位和个位表达，该三位数的三个位代表了3x3x3=27魔方三个维度上的坐标。
H5单元格的公式为： =E5*100+F5*10+G5
选中E4到H4区域，双击右下角小黑色十字叉，复制E4到H4公式到所有客户数据中
得到结果如下：
接下来的步骤就是统计各个魔方上的客户数量
再次利用透视表形成统计结果
Excel操作：
将RFM-Score拖入“行标签”中，将“客户编号”拖入“数值计算”栏中，点击“数值计算”栏中的“客户编号”项，选择“字段数值设置”，选择计算方法为“计数”，得到处理结果如下：
4、数据分析结果解读和可视化得到这个分析结果，利用Excel的条件格式功能可以对得到的数据分析结果做简单的视觉化。
Excel操作：
通过条形图的视觉化，可以直观地对比哪类客户数量较多。
5、数据分析结果的商业解读（略）因为此数据为模拟数据，且数据分析过程中有许多需要商业活动参与执行者参与的过程。此案例仅仅是一种操作的演示。具体的分析结果解读，读者可以自行思考。
大家可以思考以下几个问题：
1）哪一类客户是最优质的客户？
2）哪一类客户是具有高流失风险的优质客户？
3）哪一类客户是需要进行Upsell的客户？
4）哪一类客户是公司的高成本客户（不赚钱客户）？
来源：Hoohoohoo的博客 作者：赵兴峰
原文链接：http://blog.sina.com.cn/s/blog_4b083ceb010196l8.html
本文采用「CC BY-SA 4.0 CN」协议转载自互联网、仅供学习交流，内容版权归原作者所有，如涉作品、版权和其他问题请给「我们」留言处理。
