在RFM模式中，R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。
一、RFM模型的建立
RFM模型使用的三个指标是近度(Recency)、频度(Frequency)、值度(Monetary)。以RFM模型为基础,通过客户的RFM行为特征衡量分析客户忠诚度与客户内在价值。
二、数据筛选分组
为了得到客户最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)这三个指标的数值进行筛选分组。
消费(Recency)——最近一次会员来店铺购买的时间
A、一周以前 B、2周以前 C、3周以前 D、一个月前
消费频率(Frequency)——一年内在店铺购买的次数
A、1次 B、1-3次 C、3-5次 D、5次以上
对于消费金额(Monetary)——单次消费金额
A、50元以下 B、50-150元 C、150-300元 D、300元以上
三、RFM模型客户细分
1.数据处理
处理步骤如下：
①将所有客户按照Recency的值，由小到大排列，以50%为一群，依次给予2，1分。
②再将所有客戶按照Frequency的值，由大到小排列；以50%为一群，依序给予2,1分。
③最后将所有客戶按照Monetary的值，由大到小排列；以50%为一群，依序给予2,1分。
整合得到8种组合：
2-2-2：高价值客户；
2-1-2：重点发展客户
1-2-2：重点保持客户；
1-1-2：重点挽留客户；
1-1-1：无价值客户（潜在客户）；
其余三种组合均属于一般客户。
随机抽取的20名中国移动客户的数据，分析显示如下表:
2.客户细分结果
根据调查结果进行RFM整合，可以分析出高价值客户、重点发展客户、重点保留客户、重点挽留客户、无价值客户和一般客户。客户细分结果如下表:
四、分析总结
对于不同类型的客户，中国移动应该采取不同的应对策略。
补充：
1、RFM适用场景：适用于销售消耗品或服务专家，比如化妆品、小家电、母婴用品、超市、汽车维修、加油站、快递、快餐店、KTV等。
2、数据预处理：RFM模型不可以有缺失值。
3、RFM处理方式可以离散（如文章所示），也可以用聚类分析。
4、根据标签，精准营销。
**
问题与回答
**
1、维度可以多吗，会不会存在相关性，分析更繁琐。
可以多加维度。但是具有独立的维度。可以通过相关性诊断。RFM一般用的最多的三个维度，顶多再加一个维度。
2、前50%，和后50%，如果遇到奇数个，剩下的那个要如何处理？
RFM分析是比较粗略和简单的，如果要精细，可以用聚类。也可以按均值区分。