歡迎大家關(guān)注我的私人公眾號：【抄襲桃汁的是什么汁】
Recency：距離最近一次交易
Frequency：交易頻率
Monetary：交易金額
REF模型的作用：衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段
八類客戶價值：
1转锈、重要價值客戶
2声畏、重要喚回客戶
3、重要深耕客戶
4叙量、重要挽留客戶
5迄埃、潛力客戶
6祖灰、新客戶
7盐股、一般維持客戶
8胎源、流失客戶
數(shù)據(jù)源：超市
一、確定R瓜喇、F挺益、M
1、R：最后交易距離當(dāng)前天數(shù)
（1）找到最后交易的日期
（2）上一步計算出的日期距離當(dāng)前的天數(shù)
首先乘寒，創(chuàng)建計算字段【最后交易日期】
{FIXED [客戶名稱]:MAX([訂單日期])}
接著望众，在創(chuàng)建計算字段【最后交易距離當(dāng)前的天數(shù)】
DATEDIFF("day",[客戶最近一次消費],NOW())
2、F：交易頻率
創(chuàng)建計算字段【累計交易次數(shù)】
{FIXED [客戶名稱]: COUNTD([訂單 ID])}
3伞辛、M：累計交易金額
創(chuàng)建計算字段【累計交易金額】
{FIXED [客戶名稱]:COUNTD([銷售額])}
二烂翰、R、F蚤氏、M數(shù)據(jù)標(biāo)準(zhǔn)化
為了將三個不同單位的指標(biāo)放在一個模型中去進(jìn)行比較甘耿，需要轉(zhuǎn)化為沒有單位的純數(shù)字。
【補充內(nèi)容：數(shù)據(jù)標(biāo)準(zhǔn)化】
該部分內(nèi)容參考來源：
http://webdataanalysis.net/data-analysis-method/data-normalization/
1竿滨、定義：數(shù)據(jù)的標(biāo)準(zhǔn)化（normalization）是將數(shù)據(jù)按比例縮放佳恬，使之落入一個小的特定區(qū)間。在某些比較和評價的指標(biāo)處理中經(jīng)常會用到于游，去除數(shù)據(jù)的單位限制毁葱，將其轉(zhuǎn)化為無量綱的純數(shù)值，便于不同單位或量級的指標(biāo)能夠進(jìn)行比較和加權(quán)曙砂。
2头谜、方法
（1）min-max標(biāo)準(zhǔn)化
????????也叫離差標(biāo)準(zhǔn)化，是對原始數(shù)據(jù)的線性變化鸠澈，使結(jié)果落到[0,1}區(qū)間
x=(x-min)/max-min
（2）log函數(shù)轉(zhuǎn)換
????????通過以10為底的log函數(shù)轉(zhuǎn)換的方法同樣可以實現(xiàn)歸一化
x=log10(x)/log10(max)
????????所有數(shù)據(jù)>=1
（3）atan函數(shù)轉(zhuǎn)換
????????x=atan(x)*2/π
????????若映射區(qū)間在[0,1]區(qū)間上柱告，則數(shù)據(jù)都應(yīng)該大于等于0，小于0的數(shù)據(jù)映射到[-1,0]上
（4）z-score標(biāo)準(zhǔn)化（spss上最常用的標(biāo)準(zhǔn)化（可惜還不會SPSS笑陈，暴風(fēng)哭泣））
????????也叫標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化际度，經(jīng)過處理的數(shù)據(jù)符合標(biāo)準(zhǔn)正態(tài)分布，即均值為0涵妥，標(biāo)準(zhǔn)差為1乖菱，其轉(zhuǎn)化函數(shù)為：
總結(jié)一下：就是將不具有可比性的數(shù)據(jù)或者對象，做維度的 統(tǒng)一蓬网。比如人和牛窒所，身高和體重都沒有可比性，但“身高/體重”的值帆锋，就可能具有可比性
對R吵取、F、M的標(biāo)準(zhǔn)化選擇的是log函數(shù)和最大最小值結(jié)合的方式（雖然現(xiàn)在并不知道為啥子這樣選）
1锯厢、標(biāo)準(zhǔn)化R
創(chuàng)建計算字段【標(biāo)準(zhǔn)化R】
(LOG([最后交易距離當(dāng)前的天數(shù)],10)-{FIXED :MIN(LOG([最后交易距離當(dāng)前的天數(shù)],10))})
/({ FIXED :MAX(LOG([最后交易距離當(dāng)前的天數(shù)],10))})-
{FIXED :MIN(LOG([最后交易距離當(dāng)前的天數(shù)],10))}
【補充：Tableau中的LOG()函數(shù)】
函數(shù)格式：LOG(number [,base])：返回數(shù)字以給定底數(shù)為底的對數(shù)皮官，如果省略底數(shù)值脯倒，則底數(shù)=10
例如：
LOG(258,2)=log2(x)=258?=8
2、標(biāo)準(zhǔn)化F
創(chuàng)建計算字段【標(biāo)準(zhǔn)化F】
(LOG([累計交易次數(shù)],10)-{FIXED :MIN(LOG([最后交易距離當(dāng)前的天數(shù)],10))})
/({FIXED :MAX(LOG([最后交易距離當(dāng)前的天數(shù)],10))})-
{FIXED :MIN(LOG([最后交易距離當(dāng)前的天數(shù)],10))}
3捺氢、標(biāo)準(zhǔn)化M
創(chuàng)建計算字段【標(biāo)準(zhǔn)化M】
(LOG([累計交易金額],10)-{ FIXED :MIN(LOG([累計交易金額],10))})
/{ FIXED :MAX(LOG([累計交易金額],10))}-
{FIXED :MIN(LOG([累計交易金額],10))}
三藻丢、設(shè)置R、F摄乒、M參考值
是RFM模型中客戶分類的劃分指標(biāo)悠反，也是客戶分類的依據(jù)
1、R參考值
創(chuàng)建計算字段【R參考值】
{FIXED :MEDIAN([標(biāo)準(zhǔn)化Recency])}
【補充：Tableau中的MEDIAN()函數(shù)】
定義：返回表達(dá)式在所有記錄中的中位數(shù)（會自動忽略空值）
2缺狠、F參考值
創(chuàng)建計算字段【F參考值】
{FIXED :MEDIAN([標(biāo)準(zhǔn)化Frequency])}
3问慎、M參考值
創(chuàng)建計算字段【M參考值】
{FIXED :MEDIAN([標(biāo)準(zhǔn)化Monetary])}
四、判斷R挤茄、F如叼、M值高與低
1、R值判斷高與低
創(chuàng)建計算字段【Recency值判斷高與低】
IF [標(biāo)準(zhǔn)化Recency]>[Recency參考值]
THEN 0
ELSE 1
END
2穷劈、F值判斷高與低
創(chuàng)建計算字段【Frequency值判斷高與低】
IF [標(biāo)準(zhǔn)化Frequency]<[Frequency參考值]
THEN 0
ELSE 1
END
3笼恰、M值判斷高與低
創(chuàng)建計算字段【Monetary值判斷高與低】
IF [標(biāo)準(zhǔn)化Monetary]<[Monetary參考值]
THEN 0
ELSE 1
END
五、根據(jù)表中的最開始表中的信息對客戶進(jìn)行劃分
創(chuàng)建計算字段【客戶分類】
IF [Recency值判斷高與低]=1 AND [Frequency值判斷高與低]=1 AND [Monetary值判斷高與低]=1
THEN "重要價值用戶"
ELSEIF [Recency值判斷高與低]=0 AND [Frequency值判斷高與低]=0 AND [Monetary值判斷高與低]=1
THEN "重要挽留用戶"
ELSEIF [Recency值判斷高與低]=1 AND [Frequency值判斷高與低]=0 AND [Monetary值判斷高與低]=1
THEN "重要深耕用戶"
ELSEIF [Recency值判斷高與低]=0 AND [Frequency值判斷高與低]=1 AND [Monetary值判斷高與低]=1
THEN "重要喚回用戶"
ELSEIF [Recency值判斷高與低]=1 AND [Frequency值判斷高與低]=0 AND [Monetary值判斷高與低]=0
THEN "新用戶"
ELSEIF [Recency值判斷高與低]=1 AND [Frequency值判斷高與低]=1 AND [Monetary值判斷高與低]=0
THEN "潛力用戶"
ELSEIF [Recency值判斷高與低]=0 AND [Frequency值判斷高與低]=1 AND [Monetary值判斷高與低]=0
THEN "一般維持用戶"
ELSEIF [Recency值判斷高與低]=0 AND [Frequency值判斷高與低]=0 AND [Monetary值判斷高與低]=0
THEN "流失用戶"
END
六歇终、可視化
按著圖中內(nèi)容拖動到固定的位置（寫到這....真是不想在按個說哪個拖到那里去了社证，炸毛）
也可以對某一類的客戶單獨查看詳情：
Ending....
