一、产品介绍
RFM模型可以帮助商家从客户最近一次购买（Recency）、购买次数（Frequency）、购买金额（Monetary）为分析维度，识别高出价值和潜在高价值客户，为这部分客户针对性制定促销、推广和服务，进一步提高这部分客户的忠诚度和价值。
二、使用场景
商家根据自身经营的商品的笔单价，基于最近一次购买时间短、购买金额高前20%划分为高价值客户，针对这部分客户进行一系列优惠促销，吸引复购，进一步扩大了客户的消费贡献。
三、操作说明
功能路径：CRM-数据分析-RFM分析
筛选
时间筛选：支持按自然日筛选
付款前【全部】数据，筛选时间前全部的数据
付款前【一年内】数据，筛选时间近一年内的数据
身份选择：支持按客户、按会员统计
店铺选择：支持根据客户归属的店铺查询全部或具体店铺的客户数据
RF分析
以最近一次消费时间（R）作为列，消费次数（F）作为行，形成分布矩阵，最近一次消费时间短、消费次数多的活跃客户往左上角排布，商家根据自身的经营特征，快速识别出前X%的客户，基于这些特征结合客户分群进行针对性的运营，如送老客专属券、导购关怀回访等。
商家可以在分布矩阵中，切换会员数、累计支付金额、客单价、笔单价、客单量视角，分析高活跃客户的消费特征
RM分析
以最近一次消费（R）时间作为列，消费金额（M）作为行，形成分布矩阵，最近一次消费时间短、消费金额多的高价值客户往左上角排布，商家根据自身的经营特征，可以对消费活跃度高，但消费贡献度低的客户进行针对性的运营，以提高这部分客户的客单价。
商家可以在分布矩阵中，切换会员数、累计支付金额、客单价、笔单价、客单量视角，分析高价值客户的消费特征
