这是一个人人都可以上手的模型，不管你是运营、销售、财务、市场等等，RFM模型是一个很通用，又有一套科学理论的商业模型。这是一篇我花了五小时的教程（真的是写到崩溃，幸好我熬下来了，给大家分享实实在在可上手的干货）数据源准备只需四个字段：客户名称、交易日期、交易次数/频率、交易金额。如果你手头刚好有这样的数据源不妨试试做这个模型吧。下面三页是介绍什么是RFM，后面是全部的实操教程，Tableau和Excel通用操作，我保证你看了能立马上手。如何通过订单数据，分析用户的基本属性用户的订单上都有订餐地址，通过对于订餐地址的统计，我们可以查询到不同条件组合下的用户分布，甚至能知道喜欢谋道菜的用户都在哪里。举个简单的例子，下图表示的是普通可乐和健怡可乐的用户分布，类似的用户数据挖掘，还可以根据复购构成、复购用户跨平台使用情况、性别组成做更精细化的分析。值得注意的是，数据平台间的差异还是蛮大的，除了跨平台分析也需要分平台对比，有利于针对不同平台做出不同的营销策略。上面这些最基本的用户属性对于精细化运营还是不够的。因为这些信息无法帮助你解决下面四个问题——
1.谁是我的重要价值客户，他们都有什么特点。
2.谁是我需要重点保持联系的客户，他们都有什么特点。
3.谁是我的重要发展客户，他们都有什么特点。
4.谁是我的重要挽留客户，他们都有什么特点。想要解答这个问题，我们需要动用更高阶的分析模型，去挖掘有效信息。如何通过RFM模型，为用户分群，实现精细化运营RFM模型是一个被广泛使用的客户关系分析模型，主要以用户行为来区分客户，RFM分别是：R = Recency最近一次消费F = Frequency 消费频率M = Monetary 消费金额需要详细了解以上三个指标定义的，可以去戳度娘，教科书式的RFM区分，会将维度再细分出5份，这样就能够细分出5x5x5=125类用户，再根据每类用户精准营销。
因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多少记录和字段的；Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象。
用购买行分类客户在做商业分析的时候，我们总是尽量把客户分类，比如按大小、行业、区域之类，不过这些分类都是基于客户的自身属性，而RFM是基于客户购买行为，或者说和本公司的关系，能把这两者结合，我们可以得到更多的信息，比如哪个区域的重点客户很多，哪个行业的有很多有潜力的新客户，等等。RLMF的模型，那我们再回到客户关系里来，做一个简单的模型。图表显示了从客户第一次购买到上一次购买的时间轴，柱状图代表了客户每次购买的金额和频率。Monetary（购买额）继续作为测量客户是否重要的参考指标。就算一个客户R、F、L很高，但如果M很低的话，这种小客户对于公司来讲也是很不重要的。我们把它作为一个单独的维度来看吧。
