r语言分箱 R语言分箱代码

rfm模型r是通过哪两个变量算出来的

RFM的含义如下：

1、R（Recency）：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，反之则表示客户交易发生的日期越近。

2、F（Frequency）：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，反之则表示客户交易不够活跃。

3、M（Monetary）：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，反之则表示客户价值越低。rfm分析方法如下：我们通常采用交易数据的格式进行分析。因为交易数据可以整理成客户数据，而客户数据无法还原成交易数据。即用交易数据的字段可以得到客户数据的字段，反之不行。【分箱化】：评分的总分是多少【输出】：可以全部勾选，为了能全面的解读RFM分析结果。崭新-得分：最后一次交易的时间间隔得分；频率-得分：交易总次数得分；消费金额-得分：交易总金额得分；RFM得分：RFM得分分析结果解读：我们期望均匀的分布，若不均分，则应该重新考虑RFM的适用性或尝试另一种分箱方法（减少分箱数目或随机分配绑定值）如本例随着RS和FS的分值增大，颜色越来越深，说明客户最近一次交易时间越近、交易次数越多，其平均交易金额越高。该图是最后一次交易时间、交易总次数、交易总金额之间的散点图。通过散点图可以清晰直观的看到三个分析指标两两之间的关系，便于指标相关性评估。本例中，交易总次数和交易总金额存在较为明显的线性关系，而最后一次交易时间和另外两个分析指标之间的相关性较弱。

rfm中的r指的是“最近一次购买距离现在的时间”，可以通过以下公式进行计算：r = (当前日期 - 最近一次购买日期)。

其中，当前日期为统计日期，最近一次购买日期为顾客最后一次购买产品或服务的日期。

通过计算r值，可以根据不同的范围划分策略，对不同的顾客进行分类或营销策略的制定。

例如，r值越小的客户越近期进行过购买，可以更加针对性地进行促销活动。