數(shù)據(jù)分析模型：RFM分析

• 什么是RFM模型？RFM模型用來衡量客戶價(jià)值。
• RFM有哪些指標(biāo)？其包含了三個(gè)指標(biāo)：
  • 最近一次交易 Recency 
  • 交易頻次 Frequency
  • 交易金額 Monetary
• RFM的指標(biāo)分類：

• RFM的其他應(yīng)用：
  • 可以用在人際關(guān)系管理上
    • R-最近有沒有聯(lián)系過。
    • F-最近一年見面的頻次。
    • M-見面重要程度，約好吃個(gè)飯還是偶遇。（可選）
    • 區(qū)分出重要價(jià)值朋友、重要發(fā)展朋友和重要保持朋友
    • 也印證了馮侖說過的話，10%能借錢的朋友，30%能分享觀點(diǎn)的朋友，以及剩下60%的朋友。

• RFM的SQL實(shí)現(xiàn)
  • 取日期范圍今年，獲取每個(gè)用戶的最近購買日期距今的天數(shù)，購買次數(shù)和金額的合計(jì)值

drop table if exists analytic.rfm_1_max_avg_measures_detail;create table  analytic.rfm_1_max_avg_measures_detail as select member_id,datediff('day',date(max(sale_time)),sysdate) as sale_day_range,count(member_id) as sum_buy_times,sum(single_amount) as sum_amtfrom xxx where sale_time>='2022-01-01' and valid_falg='1' group by 1;

• 獲取所有用戶的指標(biāo)平均值???

drop table if exists analytic.rfm_1_max_avg_measures;create table  analytic.rfm_1_max_avg_measures as select avg(sale_day_range) as avg_sale_day_range,avg(sum_buy_times) as avg_buy_times,avg(sum_amt) as avg_amt from analytic.rfm_1_max_avg_measures_detail;

• 將用戶區(qū)分為三類

drop table if exists analytic.rfm_1_member_apart;
create table  analytic.rfm_1_member_apart as 
select 
 t1.member_id,t1.sale_day_range
,t1.sum_buy_times,t1.sum_amt
,t2.avg_sale_date,t2.avg_buy_time,t2.avg_amt
,case when t1.sale_day_range<=t2.avg_sale_day_range
  then '1' else '0' end as rfm_r
,case when t1.sum_buy_times>=t2.avg_buy_times
  then '1' else '0' end as rfm_f
,case when t1.sum_amt>=t2.avg_amt 
  then '1' else '0' end as rfm_m
from analytic.rfm_1_max_avg_measures_detail t1
cross join  analytic.rfm_1_max_avg_measures t2;

• 結(jié)果