新建RFM模型

RFM模型是一种通过客户的R消费间隔（Recency）、F消费频率（Frequency）、M消费金额（Monetary）三项指标来衡量客户价值的手段。

RFM模型对客户的三项指标的值分别进行量化评分，然后通过单个客户的得分与对比值（整个客户群体的平均得分，或指定分数）相比较，得出该客户在群体中的相对价值水平，进而综合三项指标将客户群体划分为多种类型，从而便于为不同类型的客户采取有针对性的运营手段。请参见RFM用户类型划分规则。

创建RFM模型时可选择两种分析类型：

• 客户数据：对于大规模的数据量，需要先将原始数据聚合成以客户为粒度的标签数据（聚合后的数据量建议保持在1亿行以内），表中每个客户只存在一条数据。适用于大规模RFM模型的分析。

• 交易数据：适用于分析小规模（建议1亿行以内）的交易数据，每一行表示一条用户交易记录，交易记录包含客户标识、交易日期（日期类型）、交易金额（数值类型）信息。适用于小规模RFM模型的分析。

1. 选择工作空间>配置管理>数据中心>数据集，进入数据集管理页面。

2. 单击右上角新建>用户模型>RFM模型，进入RFM模型配置页面。

3. 单击客户数据或交易数据。

4. 单击选择数据表，在弹窗中选择数据源和数据表，单击确认。

5. 单击下一步。配置映射。

   • 当选择分析类型为客户数据时，设置RFM模型的用户标识、用户标识类型、最近一次消费时间、累积消费次数、累积消费金额的映射字段。

   • 当选择分析类型为交易数据时，设置RFM模型的用户标识、用户标识类型、交易日期、交易金额的映射字段。交易单数将取对交易数据的计数。

     
     说明

     • 用户标识是用户在该数据集中的唯一标志，可以唯一确定一个用户。

     • 用户标识类型为用户标识对应的ID类型，当受众圈选时，圈选的默认ID类型即为这里设置的用户标识。

     • ID类型支持OneID、UnionID、手机号码、电子邮箱、淘宝ID、淘宝昵称、淘宝OUID、支付宝ID、微博ID、手机IMEI、手机IDFA、手机IMSI、手机OAID、MAC地址、OpenID，共15种类型。

   • 添加其他ID类型。

     当构建RFM模型的数据表中包含其他用户ID字段时，可将其他用户ID一并加入到数据集中，当基于该模型生成的受众推送到数据银行时，支持选择多种ID。

     
     说明

     请为新增ID设置ID类型，以免基于该RFM模型生成的人群包在推送到数据银行时无法选择多种ID。

6. 单击下一步。设置RFM参数。

   分别设置R、F、M的区间数，以及各区间的范围和对应的得分，下方显示相应区间的人数分布。

   评分规则遵循：

   • R消费间隔：最近一次购买距今天的天数越少，得分越高。

   • F消费频率：最近n天消费次数越多，得分越高。

   • M消费金额：最近n天消费金额越多，得分越高。金额单位默认为元，可在页面右侧选择其他币种。

   当选择分析类型为交易数据时，还需要在页面右侧设置数据统计周期，为最近N天或历史截至当日（即自有数据开始至当日）。

   

7. R、F、M的评分规则都配置完成后，单击下一步。设置参数对比值，可使用整个客户群体的平均得分作为对比值，也可以自定义对比值。

   说明

   对比值用于在后续分析中将单个用户的得分与对比值相比较，得出该用户在群体中的相对价值水平，从而划分不同用户类型，请参见RFM用户类型划分规则。RS、FS、MS分别为R、F、M三项的得分，相应地，需要设置RS、FS、MS三项对比值。

   • 若使用整个用户群体的平均得分（即统计学中的加权平均值）作为对比值，页面将显示当前客户群体按设置的评分规则的RS、FS、MS平均得分，如下图所示。

   • 若自定义对比值，请根据业务需要，参考页面显示的整个用户群体的平均得分调整对比值。

   

8. 单击完成，在弹窗中输入RFM模型名称和保存位置，单击确认。

   

   页面将跳转至数据集管理页面，可以在数据集列表看到新创建的RFM模型。相关管理操作，请参见管理RFM模型。