象限法
客户分群：按价值的高低和流失率的高低划分客群，有针对性的制作策略
RFM
http://www.woshipm.com/pd/2209492.html
RFM模型介绍
R：最近一次消费距今的时间，可用于评价活跃度，R越小，越活跃
策略：比如瑞信咖啡，针对长期不活跃的高价值用户可能会推送一些券
如果某个用户最近一次消费时间距今比较久远，没有再消费了，但是累计消费金额和消费频次都很高，说明这个用户曾经很有价值也就是RFM模型中的重要保持客户，我们不希望他流失，所以运营人员就会专门针对这类型用户设计召回策略，这也就是RFM模型的核心价值。
F：频数
M：消费金额
https://space.bilibili.com/444458951/channel/detail?cid=109170
实例学习
[假设法]
公司在节日迚行了一次营销活劢，APP上的销量 数据整体比上周上升了20%。因为统计失误问题， 拿不到明细数据，也就是说，活劢效果是一个黑 盒。现在的问题是，销量本身就有可能因为节日 而提高，那么怎么证明活劢是有效戒者无效的呢？
假设活动有效，既然拿不到商品的明细数据，那么可以通过用户评价占比来观测；
假设无效，也可以通过评价数/往日的评价占比 反推购买用户数，跟现有的对比
