第1步:计算R、F、M的值 要得到R、F、M这3个指标,一般需要数据的3个字段:用户ID或者用户名称、消费时间、消费金额,从这3个字段可以计算出R、F、M这3个指标 以如下原始数据为例,假设现
接下来,我们将介绍几种常用的RFM计算方法。 常用的 1. Equal Equal分位数法通过将顾客按照交易时间间隔、交易频率和交易金额的大小等分为相等份额,来进行RFM计算。 1.将顾客
jie xia lai , wo men jiang jie shao ji zhong chang yong de R F M ji suan fang fa 。 chang yong de 1 . E q u a l E q u a l fen wei shu fa tong guo jiang gu ke an zhao jiao yi shi jian jian ge 、 jiao yi pin lv he jiao yi jin e de da xiao deng fen wei xiang deng fen e , lai jin xing R F M ji suan 。 1 . jiang gu ke . . .
⊙△⊙
如何计算RFM值? R值、F值、M值这三个维度存在量级差距,无法直接通过加减运算来计算出RFM值。计算RFM值有两大类方法: 1,评分方法 方法一:采用5分制为RFM三个维度的值赋予一个评分值。
RFM 的计算方法主要为: 男性: RFM = 64-(20× 身高÷ 腰围) 女性: FM = 70-(20× 身高÷ 腰围) (身高与腰围单位一致即可) 如果所得值男性≥ 23,女性≥ 34,就属于肥胖了。 未完,待续
RFM值=a*R值+b*F值+c*M值 对于其中的权重a,b,c则需要经验丰富的业务人员来判断 2、归一化处理 将RFM的值进行归一化处理,公式为 RFM值=R1值+F1值+M1值 上面的R1,F1,M1都是归一化处理
⊙^⊙
RFMData=data.frame('CustomerID'=row.names(R),'R'=R,'F'=F,'M'=M) 4.3 将R、F、M分组打分赋值 如果没有特别的分组标准,通常按照平均值划分为两个组,并分别赋值1,2 #3.将R、F、M合
这里我们就用最常规的判定方法,先计算R、F、M三个字段的平均值,然后再利用IF函数对其进行判定,如果在平均值以上的,那就是高,如果平均值以下的那就是低,这样便可以得出每个客户的近度、频度和消费
发表评论