Auto-sync: 2026-04-21 04:02

wiki/concepts/RFM-Analysis.md

@@ -0,0 +1,46 @@
+---
+title: "RFM Analysis"
+type: concept
+tags: []
+last_updated: 2026-04-21
+---
+
+## Definition
+客户价值分析的经典方法，通过三个维度评估客户：Recency（最近购买时间）、Frequency（购买频率）、Monetary（消费金额）。
+
+## Scoring Method
+- R Score：最近购买距离当前天数，越小分数越高（1-5 分）
+- F Score：购买次数排名分位数（1-5 分）
+- M Score：消费总额分位数（1-5 分）
+- RFM Score：三个分数组合形成 555-111 的客户评分
+
+## Customer Segments
+| RFM Score | Segment | Strategy |
+|-----------|---------|----------|
+| 555, 554, 544, 545, 454, 455, 445 | Champions | 奖励忠诚度，请求推荐，升级 |
+| 543, 444, 435, 355, 354, 345, 344, 335 | Loyal Customers | 培育关系，推荐新产品，会员计划 |
+| 553, 551, 552, 541, 542, 533, 532, 531, 452, 451 | Potential Loyalists | 升级优惠，交叉销售 |
+| 512, 511, 422, 421, 412, 411, 311 | New Customers | 优化入职，早期互动 |
+| 155, 154, 144, 214, 215, 115, 114 | At Risk | 再激活活动，特别优惠 |
+
+## Implementation
+```python
+# RFM Analysis Python Implementation
+rfm = df.groupby('customer_id').agg({
+    'date': lambda x: (current_date - x.max()).days,  # Recency
+    'order_id': 'count',                               # Frequency
+    'revenue': 'sum'                                   # Monetary
+}).rename(columns={
+    'date': 'recency',
+    'order_id': 'frequency',
+    'revenue': 'monetary'
+})
+```
+
+## Related Concepts
+- [[Customer Lifetime Value]]
+- [[Data-Driven Decision Making]]
+
+## Source
+- [[support-analytics-reporter]]
+