學(xué)習(xí)筆記 – RFM模型

RFM模型是互聯(lián)網(wǎng)衡量當(dāng)前用戶價值和客戶潛在價值的重要工具和手段。RFM是Rencency（最近一次消費），F(xiàn)requency（消費頻率）、Monetary（消費金額），三個指標首字母組合。

本次數(shù)據(jù)中通過最近消費（R）和消費頻率（F）建?RFM模型：

• 重要?價值客戶：指最近?次消費較近?且消費頻率較?的客戶；
• 重要喚回客戶：指最近?次消費較遠且消費頻率較?的客戶；
• 重要深耕客戶：指最近?次消費較近且消費頻率較低的客戶；
• 重要挽留客戶：指最近?次消費較遠且消費頻率較低的客戶；

1 R計算

-- 獲取用戶最近的購買時間
create view user_recency as
select user_id,max(dates) recent_buy_time from temp_trade where behavior_type ='2' group by user_id

-- 計算每個用戶的最近購買時間與2019-12-18相差幾天，并根據(jù)天數(shù)給予分數(shù)
create view r_level as
select user_id,recent_buy_time,datediff('2019-12-18',recent_buy_time),
case when datediff('2019-12-18',recent_buy_time)<'2' then '5'
     when datediff('2019-12-18',recent_buy_time)<='4' then '4'
     when datediff('2019-12-18',recent_buy_time)<='6' then '3'
     when datediff('2019-12-18',recent_buy_time)<='8' then '2'
     else '1' end as r_value
   from user_recency
   order by recent_buy_time  

2 F計算

-- 獲取用戶購買次數(shù)
create view user_buy_frequency as
select user_id,count(behavior_type) buy_frequency from temp_trade where behavior_type ='2' group by user_id

-- 對購買次數(shù)進行打分
create view f_level as
select user_id,buy_frenquecy,
(case 
when buy_frenquecy<=2 then 1
when buy_frenquecy<=4 then 2
when buy_frenquecy<=6 then 3
when buy_frenquecy<=8 then 4
else 5 end) f_value
from user_buy_frequency

3 整合

-- R與F整合分類用戶
select avg(r_value) r_avg from r_level; -- 2.7939
select avg(f_value) f_avg from f_level; -- 2.2606
select r.user_id,r.r_value,f_value,
(case
when r.r_value>2.7939 and f.f_value>2.266 then '重要價值客戶'
when r.r_value<2.7939 and f.f_value>2.266 then '重要喚回客戶'
when r.r_value>2.7939 and f.f_value<2.266 then '重要深耕客戶'
when r.r_value<2.7939 and f.f_value<2.266 then '重要挽留客戶'
end) r_f_value -- 沒有其他結(jié)果時，就不加else

from r_level r inner join f_level f on r.user_id=f.user_id