假設你是一家理財公司的市場運營，公司最近推出了一系列新產品，涵蓋高、中、低三檔，你手裏有一份客戶名冊，你會如何向他們推廣？
向所有客戶發送統一的推廣？
省時省力，但可想而知效果不佳......
與每一個客戶溝通，瞭解需求後再推薦？
能做到精準推薦，不過你看着海量的客戶信息，還是搖了搖頭......
此時你默默盤算，要是有一個能根據過往記錄給顧客打標籤的神器該多好啊，這樣就能知道哪些客戶值得重點推廣，還能針對不同類型的客戶推薦不同的產品，實現效益最大化。
那麼恭喜你，今天我們要介紹的「RFM客戶分析模型」就是你要找的神器！
什麼是RFM模型？
RFM模型是重要的客戶價值衡量工具，在RFM模型中，我們以最近一次消費（R）、消費頻率（F）、消費金額（M）三個維度對客戶價值進行細分，然後給不同價值客戶打上不同的標籤，進而開展個性化客戶服務，將有限的資源合理分配給不同價值的客戶，實現效益最大化！
- R(Recency)：客戶最近一次購買的時間有多遠
- F(Frequency)：客戶在最近一段時間內購買的次數
- M(Monetary)：客戶在最近一段時間內購買的金額
除此之外，RFM模型中三個指標可以更換，因此只要是用三個維度進行評判分類的場景，RFM模型都能勝任。所以RFM模型幾乎可以被應用於各個領域，所以對一名數據分析人員/業務人員來說，學會RFM分析是基礎且必要的一課。
RFM模型原理簡單，excel也能搭建，但需要寫很多函數和代碼，過程複雜，對技術小白很不友好.....所以很多數據分析師已經開始用BI可視化工具來搭建RFM模型。
這裏要給大家推薦一款BI工具——FineBI，FineBI是一個強大的自助式分析平臺，幾乎不需要技術基礎，小白也能快速上手、輕鬆搭建各種美觀實用的數據分析模型，而且個人版永久免費試用。
下面就是用FineBI，只需10分鐘，教你快速搭建RFM分析模型！
一、整體思路
RFM分析需要對數據進行復雜處理，不過咱們使用的是FineBI的自助數據集功能，只需要簡單拖拽就可以完成數據加工。實現思路如下圖所示：
- 創建自助數據集，選擇 RFM 分析所需字段。
- 對數據進行加工，求得 3 個關鍵指標及其平均值。
- 通過和平均值比較，向量化三個指標。
- 根據特徵向量客戶分類。
下面咱們分步驟完成。
二、實操演示
本文以這份 RFM明細數據（點擊下載）爲例。
1、創建自助數據集
- 進入「數據準備」界面，選擇「樣式數據」業務包，點擊添加表，選擇添加「自助數據集」，如下圖所示：
進入自助數據集編輯界面，選擇「數據列表>樣式數據」下的「RFM明細數據」並添加表下的所有字段，給自助數據集命名爲「RFM分析」，如下圖所示：
2、計算每個客戶的關鍵消費指標
計算客戶總體消費金額平均值：點擊「+」，選擇「新增列」，如下圖所示：
給新增列命名爲「客戶總體消費金額平均值」，選擇「所有值/組內」並進行如下設置，完成後點擊「確定」，得出總體平均值指標「客戶總體消費金額平均值」。如下圖所示：
3、計算客戶總體消費指標
計算客戶總體消費頻次平均值：點擊「+」，選擇「新增列」，如下圖所示：
設置新增列名爲「客戶總體消費頻次平均值」，選擇「所有值/組內」，點擊「確定」得出總體平均值指標「客戶總體消費頻次平均值」。設置如下圖：
計算客戶總體最近一次消費距離時間平均值：點擊「+」，選擇「新增列」，如下圖所示：
設置新增列名爲「客戶總體最近一次消費距離時間平均值」，選擇「所有值/組內」進行設置，點擊「確定」，得出總體平均值指標「客戶總體最近一次消費距離時間平均值」。設置如下圖：
4、客戶特徵向量化
根據關鍵指標是否大於客戶總體平均值水平，將客戶特徵進行向量化。
其中在公式 IF(xxx>客戶總體xxx平均值,1,0) 中，小於總體平均的設爲 0，大於總體平均的設爲 1 ，使得 1 都是保持正向特徵，0 保持負向特徵。
消費金額向量化：點擊「+」，選擇「新增列」，如下圖所示：
給新增列命名爲「消費金額向量化」，輸入公式 IF(MONEY>客戶總體平均消費金額，1,0)，點擊「確定」，如下圖所示：
5、客戶特徵分析
點擊添加新增列，使用 CONCATENATE() 函數將 RFM 向量化值拼接起來，如下圖所示：
至此，一份簡單的RFM分析模型就完成了，我們成功地給每位客戶都打上了標籤，後續也可以通過儀表板進行客戶分類相關數據的可視化展示。
分析工具分享
最後，工具和數據集都給你準備好了，回個“RFM”就能全部拿得！