根據(jù)美國(guó)數(shù)據(jù)庫營(yíng)銷研究所Arthur Hughes的研究，客戶數(shù)據(jù)庫中有三個(gè)神奇的要素，這三個(gè)要素構(gòu)成了數(shù)據(jù)分析最好的指標(biāo)：

最近一次消費(fèi)（Recency）

消費(fèi)頻率（Frequency）

消費(fèi)金額（Monetary）

RFM分析原多用于傳統(tǒng)營(yíng)銷、零售業(yè)等領(lǐng)域，合用于擁有多種消費(fèi)品或快速消費(fèi)品的行業(yè)，美國(guó)初裁向中國(guó)銅管征高至60%反 推銷稅只要任何有數(shù)據(jù)記實(shí)的消費(fèi)都可以被用于分析。那么對(duì)于電 子商務(wù)網(wǎng)站來說，網(wǎng)站數(shù)據(jù)庫中記實(shí)的具體的交易信息，同樣可以運(yùn)用RFM分析模型進(jìn)行數(shù)據(jù)分析，尤其對(duì)于那些已經(jīng)建立起客戶關(guān)系治理（CRM）系統(tǒng)的網(wǎng)站 來說，其分析的結(jié)果將更具意義。

基本概念解釋

RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。RFM分析模型主要由三個(gè)指標(biāo)組成，下面臨這三個(gè)指標(biāo)的定義和作用做下簡(jiǎn)樸解釋：

最近一次消費(fèi)（Recency）

最近一次消費(fèi)意指用戶上一次購買的時(shí)間，理論上，上一次消費(fèi)時(shí)間越近的顧客應(yīng)該是比較好的顧客，對(duì)提供即時(shí)的商品或是服務(wù)也最有可能會(huì)有反應(yīng)。 由于最近一次消費(fèi)指標(biāo)定義的是一個(gè)時(shí)間段，并且與當(dāng)前時(shí)間相關(guān)，因此是一直在變動(dòng)的。最近一次消費(fèi)對(duì)營(yíng)銷來說是一個(gè)重要指標(biāo)，涉及吸引客戶，保持客戶，并 贏得客戶的忠誠(chéng)度。

消費(fèi)頻率（Frequency）

消費(fèi)頻率是顧客在一定時(shí)間段內(nèi)的消費(fèi)次數(shù)。最常購買的消費(fèi)者，忠誠(chéng)度也就最高，增加顧客購買的次數(shù)意味著從競(jìng)爭(zhēng)對(duì)手處偷取市場(chǎng)據(jù)有率，由別人的 手中賺取營(yíng)業(yè)額。

根據(jù)這個(gè)指標(biāo)，我們又把客戶分成五等分，這個(gè)五等分分析相稱于是一個(gè)“忠誠(chéng)度的蹊徑”（loyalty ladder），其訣竅在于讓消費(fèi)者一直順著蹊徑往上爬，·原油短期暴跌無礙油價(jià)上調(diào)預(yù)期把 銷售想像成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。

消費(fèi)金額（Monetary）

消費(fèi)金額是對(duì)電子商務(wù)網(wǎng)站產(chǎn)能的最直接的衡量指標(biāo)，也可以驗(yàn)證“帕雷托法則”（Pareto’s Law）——公司80％的收入來自20％的顧客。

數(shù)據(jù)獲取與分析

在從數(shù)據(jù)庫中提取相關(guān)數(shù)據(jù)之前，首先需要確定數(shù)據(jù)的時(shí)間跨度，根據(jù)網(wǎng)站銷售的物品的差異，確定合適的時(shí)間跨度。假如經(jīng)營(yíng)的是快速消費(fèi)品，如日用 品，可以確定時(shí)間跨度為一個(gè)季度或者一個(gè)月；假如銷售的產(chǎn)品更替的時(shí)間相對(duì)久些，如電子產(chǎn)品，可以確定時(shí)間跨度為一年、半年或者一個(gè)季度。在確定時(shí)間跨度 之后就可以提取相應(yīng)時(shí)間區(qū)間內(nèi)的數(shù)據(jù)，其中：

最近一次消費(fèi)（Recency），掏出來的數(shù)據(jù)是一個(gè)時(shí)間點(diǎn)，需要由 當(dāng)前時(shí)間點(diǎn)-最 近一次消費(fèi)時(shí)間點(diǎn) 來作為該度量的值，留意單位的選擇和同一，不管以小時(shí)、天為單位；

消費(fèi)頻率（Frequency），這個(gè)指標(biāo)可以直接在數(shù)據(jù)庫中COUNT用戶的消費(fèi)次數(shù)得到；

消費(fèi)金額（Monetary），可以將每位客戶的所有消費(fèi)的金額相加（SUM）求得。

獲取三個(gè)指標(biāo)的數(shù)據(jù)以后，需要計(jì)算每個(gè)指標(biāo)數(shù)據(jù)的均值，分別以AVG（R）、AVG（F）、AVG（M）來表示，最后通過將每位客戶的三個(gè)指標(biāo) 與均值進(jìn)行比較，可以將客戶細(xì)分為8類：

Recency       Frequency       Monetary       客戶類型

↑                 ↑                    ↑                      重要價(jià)值客戶

↑                 ↓                     ↑                      重要發(fā)展客戶

↓                 ↑                      ↑                      重要保持客戶

↓                 ↓                      ↑                       重要挽留客戶

↑                 ↑                       ↓                     一般價(jià)值客戶

↑                 ↓                       ↓                     一般發(fā)展客戶

↓                ↑                        ↓                      一般保持客戶

↓                ↓                        ↓                      一般挽留客戶

——“↑”表示大于均值，“↓”表示小于均值

結(jié)果的展示

RFM模型包括三個(gè)指標(biāo)，無法用平面坐標(biāo)圖來展示，所以這里使用三維坐標(biāo)系進(jìn)行展示，一種X軸表示Recency，Y 軸表示Frequency，Z軸表示Monetary，坐標(biāo)系的8個(gè)象限分 別表示 8類用戶，根據(jù)上表中的分類，可以用如下圖形進(jìn)行描述：

RFM分析也存在著一定的缺陷，它只能分析有交易行為的用戶，戶主社區(qū)而對(duì)訪問過網(wǎng)站但未消費(fèi)的用戶因?yàn)橹笜?biāo)的限制無法進(jìn)行分析，這樣就無法發(fā)現(xiàn)潛伏的 客戶。所以在分析電子商務(wù)網(wǎng)站的用戶時(shí)，因?yàn)榫W(wǎng)站數(shù)據(jù)的豐碩性——不僅擁有交易數(shù)據(jù)，而且可以收集到用戶的瀏覽訪問數(shù)據(jù)，可以擴(kuò)展到更廣闊的角度去觀察用 戶，這方面的定量分析會(huì)在之后的網(wǎng)站用戶分析中進(jìn)行具體敘述。