RFM分析营销行为分析
刚才市场部的同事提了一个需求，他们准备为公司现有的高价值客户制定相关的营销策略，所以需要先从目前的客户中找到那些高价值的客户。
1.1RFM 分析介绍
所谓探索性分析，主要是运用写分析方法从大量的数据中发现未知且有价值信息的过程。常用的探索性分析包括RFM分析、聚类分析、因子分析、对应分析等。
SPSS提供了一个针对营销行为的分析模块，称为直销模块。
R---客户最近一次交易时间的间隔。R值越大，表示客户交易发生的日期越久；反之，表示客户交易发生的日期越近。
F---客户在最近一段时间内交易的次数。F值越大，表示客户交易越频繁。反之，表示客户不够活跃。
M---客户在最近一段时间内交易的金额。M值越大，表示客户价值越高；反之，表示客户价值越低。
R_S:距离当前日期越近，则得分越高。
F_S:交易频率越高，则得分越高。
M_S:交易金额越高，则得分越高。
可以根据下面的计算方法得到RFM总分值：
RFM = 100xR_S + 10xF_S + 1xM_S
2.1 FRM 分析-数据准备
为了保证数据的精确性，采用交易数据格式进行分析。
实验步骤：【直销】-【了解我的联系人】-【RFM分析】
图2-1【交易数据RFM分析】参数设置
SPSS完成RFM分析后，会生成一个新的数据文件，用来记录每个客户的最近的一次交易日期、交易总数、交易金额，R_S、F_S、M_S各项分值以及RFM汇总分值。
图2-2 RFM分析结果：数据输出
2.2 RFM分析结果解读
图2-3 RFM分箱计数
第一个输出结果是“RFM分箱计数”图，它用来查看每个RFM汇总得分的客户数量分布是否均匀，从结果看，每个单元格内的客户数量分布比较均匀。
图2-4 RFM交叉表
如图2-4，RFM交叉表，该结果是将"RFM分箱计数表"用交叉表的形式展现出来。
图2-5 RFM分析输出结果：RFM直方图
如图2-5，RFM直方图，它显示了最近一次交易时间、交易总次数和交易金额的频率分布，以此判断各自的客户人群分布情况，横轴的排列顺序为较小的值在左边，较大的值在右边。可以看出，大部分客户在最近的时间进行过交易，交易总次数和交易金额也大致呈正态分布。
图2-6 RFM分析输出结果：散点图
最后一个输出结果的是最近一次交易时间、交易总次数和交易金额之间的散点图。通过 散点图可以清晰直观地看到三个分析指标两两之间的关系，便于指标相关性评估。例如，交易总次数和交易金额存在较为明显的线性关系，而最近一次交易时间和另外两个分析指标之间的相关性较弱。