欢迎大家关注我的私人公众号：【抄袭桃汁的是什么汁】
Recency：距离最近一次交易
Frequency：交易频率
Monetary：交易金额
REF模型的作用：衡量客户价值和客户创利能力的重要工具和手段
八类客户价值：
1、重要价值客户
2、重要唤回客户
3、重要深耕客户
4、重要挽留客户
5、潜力客户
6、新客户
7、一般维持客户
8、流失客户
数据源：超市
一、确定R、F、M
1、R：最后交易距离当前天数
（1）找到最后交易的日期
（2）上一步计算出的日期距离当前的天数
首先，创建计算字段【最后交易日期】
{FIXED [客户名称]:MAX([订单日期])}
接着，在创建计算字段【最后交易距离当前的天数】
DATEDIFF("day",[客户最近一次消费],NOW())
2、F：交易频率
创建计算字段【累计交易次数】
{FIXED [客户名称]: COUNTD([订单 ID])}
3、M：累计交易金额
创建计算字段【累计交易金额】
{FIXED [客户名称]:COUNTD([销售额])}
二、R、F、M数据标准化
为了将三个不同单位的指标放在一个模型中去进行比较，需要转化为没有单位的纯数字。
【补充内容：数据标准化】
该部分内容参考来源：
http://webdataanalysis.net/data-analysis-method/data-normalization/
1、定义：数据的标准化（normalization）是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。
2、方法
（1）min-max标准化
也叫离差标准化，是对原始数据的线性变化，使结果落到[0,1}区间
x=(x-min)/max-min
（2）log函数转换
通过以10为底的log函数转换的方法同样可以实现归一化
x=log10(x)/log10(max)
所有数据>=1
（3）atan函数转换
x=atan(x)*2/π
若映射区间在[0,1]区间上，则数据都应该大于等于0，小于0的数据映射到[-1,0]上
（4）z-score标准化（spss上最常用的标准化（可惜还不会SPSS，暴风哭泣））
也叫标准差标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为：
总结一下：就是将不具有可比性的数据或者对象，做维度的 统一。比如人和牛，身高和体重都没有可比性，但“身高/体重”的值，就可能具有可比性
对R、F、M的标准化选择的是log函数和最大最小值结合的方式（虽然现在并不知道为啥子这样选）
1、标准化R
创建计算字段【标准化R】
(LOG([最后交易距离当前的天数],10)-{FIXED :MIN(LOG([最后交易距离当前的天数],10))})
/({ FIXED :MAX(LOG([最后交易距离当前的天数],10))})-
{FIXED :MIN(LOG([最后交易距离当前的天数],10))}
【补充：Tableau中的LOG()函数】
函数格式：LOG(number [,base])：返回数字以给定底数为底的对数，如果省略底数值，则底数=10
例如：
LOG(258,2)=log2(x)=258 =8
2、标准化F
创建计算字段【标准化F】
(LOG([累计交易次数],10)-{FIXED :MIN(LOG([最后交易距离当前的天数],10))})
/({FIXED :MAX(LOG([最后交易距离当前的天数],10))})-
{FIXED :MIN(LOG([最后交易距离当前的天数],10))}
3、标准化M
创建计算字段【标准化M】
(LOG([累计交易金额],10)-{ FIXED :MIN(LOG([累计交易金额],10))})
/{ FIXED :MAX(LOG([累计交易金额],10))}-
{FIXED :MIN(LOG([累计交易金额],10))}
三、设置R、F、M参考值
是RFM模型中客户分类的划分指标，也是客户分类的依据
1、R参考值
创建计算字段【R参考值】
{FIXED :MEDIAN([标准化Recency])}
【补充：Tableau中的MEDIAN()函数】
定义：返回表达式在所有记录中的中位数（会自动忽略空值）
2、F参考值
创建计算字段【F参考值】
{FIXED :MEDIAN([标准化Frequency])}
3、M参考值
创建计算字段【M参考值】
{FIXED :MEDIAN([标准化Monetary])}
四、判断R、F、M值高与低
1、R值判断高与低
创建计算字段【Recency值判断高与低】
IF [标准化Recency]>[Recency参考值]
THEN 0
ELSE 1
END
2、F值判断高与低
创建计算字段【Frequency值判断高与低】
IF [标准化Frequency]<[Frequency参考值]
THEN 0
ELSE 1
END
3、M值判断高与低
创建计算字段【Monetary值判断高与低】
IF [标准化Monetary]<[Monetary参考值]
THEN 0
ELSE 1
END
五、根据表中的最开始表中的信息对客户进行划分
创建计算字段【客户分类】
IF [Recency值判断高与低]=1 AND [Frequency值判断高与低]=1 AND [Monetary值判断高与低]=1
THEN "重要价值用户"
ELSEIF [Recency值判断高与低]=0 AND [Frequency值判断高与低]=0 AND [Monetary值判断高与低]=1
THEN "重要挽留用户"
ELSEIF [Recency值判断高与低]=1 AND [Frequency值判断高与低]=0 AND [Monetary值判断高与低]=1
THEN "重要深耕用户"
ELSEIF [Recency值判断高与低]=0 AND [Frequency值判断高与低]=1 AND [Monetary值判断高与低]=1
THEN "重要唤回用户"
ELSEIF [Recency值判断高与低]=1 AND [Frequency值判断高与低]=0 AND [Monetary值判断高与低]=0
THEN "新用户"
ELSEIF [Recency值判断高与低]=1 AND [Frequency值判断高与低]=1 AND [Monetary值判断高与低]=0
THEN "潜力用户"
ELSEIF [Recency值判断高与低]=0 AND [Frequency值判断高与低]=1 AND [Monetary值判断高与低]=0
THEN "一般维持用户"
ELSEIF [Recency值判断高与低]=0 AND [Frequency值判断高与低]=0 AND [Monetary值判断高与低]=0
THEN "流失用户"
END
六、可视化
按着图中内容拖动到固定的位置（写到这....真是不想在按个说哪个拖到那里去了，炸毛）
也可以对某一类的客户单独查看详情：
Ending....
