功能介绍
RFM模型分析是最广泛应用的的会员价值分析工具，是运营常用的分析模型。通过对这部分用户的了解，可以指定客户成长计划，找到重点运营的客户，进行精准触达运营。
R：最近一次消费(Recency)，最近一次消费是指客户上一次购买的时间。理论上来说，上一次消费时间越近的客户是越优质的客户，该部分客户与店铺的关系更加紧密，更加容易触达；距离当前上一次消费越远的客户，越有流失的风险。
F：消费频率(Frequency)，消费频率是指顾客在限定期间内所购买的次数。可以说最常购买的客户，是满意度最高的客户，也是忠诚度较高的客户。提升客户的购买频率意味着提高客户终身价值的贡献。
M：消费金额(Monetary)，消费金额是指客户购买商品支付的订单金额。消费金额是客户贡献的最直接的体现，我们所做的所有运营活动都是为了提升客户的消费金额。
基于R、F、M指标我们将会员划分为8大类，主要划分如下
重要价值客户：最近有消费行为，消费频次高，金额也大；
重要唤回客户：最近没有消费行为，消费频次高，消费金额也大，需要将他们唤回；
重要深耕客户：最近有消费行为，消费金额也高，但消费频次不高，需要重点识别；
重要挽留客户：很久没有购买行为，消费频次也不高，但消费金额比较大，可能会流失，需要挽留；
潜力客户：最近有消费行为，消费频次高，但消费金额比较小，需要好好挖掘；
新客户：最近有消费行为，但消费频次不高，消费金额也较小，容易丢失，但有推广的价值；
一般维持客户：最近有消费行为，消费频次也比较高，但金额比较小，可以作为一般维持；
流失客户：很久没有消费，平时消费金额较小，消费频次也比较低。
数据定义
根据商家设置的R、F、M参数的定义，基于用户的消费行为，分别计算出R、F、M的加权平均值，然后每个用户自己的指标与对应的参数来比较，计算出每个用户所属的分类；
先评定各指标的得分
R1=5、R2=4、R3=3、R4=2、R5=1
M1=1、M2=2、M3=3、M4=4、M5=5
F1=1、F2=2、F3=3、F4=4、F5=5
每个类型的客户的划分标准
重要价值客户： 最近消费时间R、消费频次F和消费金额M都高于平均值；
重要唤回客户：最近消费时间R低于平均值，但消费频次F和金额M都高于平均值；
重要深耕客户： 最近消费时间R高于平均值、消费金额M高于平均值，但频次F低于平均值；
重要挽留客户：最近消费时间R低于平均值、消费频次F低于平均值，但消费金额M高于平均值；
潜力客户：最近消费时间R高于平均值，消费频次F高于平均值，消费金额M低于平均值；
新客户：最近消费时间R高于平均值，消费频次F和消费金额M都低于平均值；
一般维持客户： 最近消费时间R低于平均值，消费频次F高于平均值，消费金额M低于平均值；
流失客户： 最近消费时间R、消费频次F和消费金额M都低于平均值；
举例：通过对整体消费会员的计算，R的加权平均值=2.6 F的加权平均值=3.3 M的加权平均值=2.4
一个会员最近消费时间距离今天为 24天，根据后台数据设置，R值在R1阶段，R1=5，大于平均值; 近365天内消费金额为1500元，M值在M5阶段，M5=5，消费金额也大于平均值；近365天消费次数为98次，F值在F5阶段，F5=5 也大于平均值；
综合上述会员消费情况，此会员被定义为重要价值客户。
问题答疑
1.RFM数据统计中，统计的时间维度是多久?
答：最近消费时间统计数值是截止今天00:00:00的所有数据；消费频次和消费金额统计时间维度是最近365天
例如用户A两年前购买了10次，共10000元，最近1年就昨天消费了1次，消费金额为1元，这时候RFM分析中，R值记为1天，F值计算为1次，总金额计算为1元，R值大于平均值，F/M值小于平均值，属于新用户
2.退款数据怎么统计？
答：退款次数不计算，退款金额需要扣除
例如用户A昨天消费了1次，最近1年总共购买了10次，总金额10000元，其中有10次退款了部分，退款金额9000元
按照RFM分析统计，R值记为1天，F值计算为10次，总金额计算为10000-9000=1000元，这时候RFM分析中，R值大于平均值，F值大于平均值，M值小于平均值，属于潜力客户
(废弃方案：退款次数和退款金额不算在内
用户A昨天消费了1次，R值记为1天，F值计算为10次，总金额计算为10000元，这时候RFM分析中，R值大于平均值，F/M值大于平均值，属于重要价值客户)
