在众多的用户价值分析模型中，RFM模型是被广泛被应用的；RFM模型是衡量客户价值和客户创利能力的重要工具和手段，在RFM模式中，R(Recency)表示客户购买的时间有多远，F(Frequency)表示客户在时间内购买的次数，M (Monetary)表示客户在时间内购买的金额。
一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。在实际应用中根据业务不同会有参考的数据维度也会有诸多变变种。
RFM模型较为动态地显示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值，通过改善三项指标的状况，从而为更多的营销决策提供支持。
RFM模型的应用，旨在建立一个用户行为报告，这个报告会成为维系顾客的一个重要指标。
所以RFM模型大量的应用于营销层面，用以刺激新用户持续的消费、留存。同时也能作为监控业务用户健康度的重要指标，报告如果显示上一次购买很近的客户，人数如增加，则表示该公司是个稳健成长的公司；反之，如上一次消费为一个月的客户越来越少，则是该公司迈向不健全之路的征兆。
这里多提一句，单一功能性消费的垂直业务，常常会陷入只追求成交额的短期目标，而忽视与用户建立长期的关系，与用户持续保持往来，赢得用户忠诚度，是对业务更为长效的目标。
用客户绝对贡献金额来分析客户是否流失，有时会曲解客户行为。因为每个商品价格可能不同，对不同产品的促销有不同的折扣，所以采用相对的分级(例如R、F、M都各分为五级)来比较消费者在级别区间的变动，则更可以显现出相对行为。
企业用R、F的变化，可以推测客户消费的异动状况，根据客户流失的可能性，列出客户，再从M（消费金额）的角度来分析，就可以把重点放在贡献度高且流失机会也高的客户上，重点拜访或联系，以最有效的方式挽回更多的用户。
运用RFM模型一般是为了细分出最有价值的用户，利用有限的营销资源重点投入，从而价值产出最大化；基于这个目的，我们通常需要将细分出的用户按照RFM模型给出的分级排序，从最好到最差，然后什么都保持正常的方式，如果一段周期内，业务结果和你的排序一致，那么说明你的细分能够相对准确地将有价值的用户从整体用户中划分出来。
通常运营团队会不断的验证和修订维度，用于提升会员运营的效率，将预算花在该花的地方。
用户行为是持续变动的，在用户距上一次购买时间满一个月之后，在数据库里就成为消费为两个月的客户；反之，同一天，消费为3个月前的客户作了其下一次的购买，他就成为消费为一天前的顾客，也就有可能在很短的期间内就收到新的营销信息；不断的调整模型划分人群，然后对比业务结果，去验证这套模型的准确性。而模型应用过程中涉及到一种算法和决策树模型。
K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。
K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。好吧，我承认这玩意儿太绕口，建议有兴趣的去看看诘屈聱牙的原词百科。
决策树模型是非常基础的数学定律，它决定逻辑推理的过程，并且在现有信息的基础上，决定各种可能的替代选项的置信度。
很多商业决策都存在不确定性，在面对不确定性时，决策树可以帮助选择最佳行动方针。虽然决策者不知道未知的后果会怎样，但是他一般对可能的后果及各自发生的可能性有所了解。了解的这些信息可以用来选出能获得最大收益的选项，也就是用户下次会不会继续消费。
会员运营团队的预算相对于庞大的用户规模，通常会捉襟见肘，所以当我们的预算不多，而且只能提供服务信息给小规模的重点用户时，RFM模型就派上用场了。
这样的营销所节省下来的成本会很可观 。结合这三个核心指标，我们把顾客分成多个类别，对其进行数据分析，然后制定我们的营销策略。
以某垂直功能型互联网业务为例，随机抽取100万用户样本，进行数据分析；
时间间隔：以提取样本的时间点与用户最后一次消费时间作差，看时间间隔平均为多少天。消费频次：用户的消费行为平均为几次，最大多少次，最小多少次。消费金额：用户消费金额平均为多少，最大最小分别是的多少。
使用K-means方法，对样本集进行聚类，通常分为8类。
把聚类结果分为训练集（30%）和测试集（70%），根据训练集生成决策树模型。
通过RFM分析将客户群体划分成一般保持客户、一般发展客户、一般价值客户、一般挽留客户、重要保持客户、重要发展客户、重要价值客户、要挽留客户等八个级别；
通过对比业务结果不断修订完善模型的同时，用营销手段进一步扩大重要价值用户群（考虑时间短、频次高、消费高）。
消费、消费频率、消费金额是测算消费者价值最重要也是最容易的方法，这充分的表现了这三个指标对营销活动的指导意义，但不代表这三个指标牢不可破，例如嘀嘀（快车、专车、顺风车多业务类型）和支付宝（多功能场景）这种，业务方除了消费金额、频次频次以外，在制定补贴策略的时候，还会考虑用户的跨场景使用，越多的功能业务场景被使用，意味着用户忠诚度越高，这个时候将模型的核心指标增加或者调换，就可以实际应用到辅佐补贴策略上了，这也是为什么别人领券能领5块钱，你只能领1块钱，别人为啥能领到快车券，你只能领到接机专车券的原因了。
U633687664
U482683014
