背景：
一個會員服務的企業，有近1年約1200個會員客戶的收銀資料。由于公司想針對不同類别不活躍客戶進行激活促銷；同時，為回饋重點客戶，也計劃推出一系列針對重點客戶的優惠活動，希望保留這些客戶，維持其活躍度。是以希望利用該資料進行客戶分類研究。
根據客戶的需求，rfm模型相對簡單并且直接，按照r(recency-近度）、f(frequency-頻度）和m（monetary-額度）三個次元進行細分客戶群體。由于該客戶的數量較少（約1200個），是以，采用3x3x3=27個魔方（1200/27=44左右）較為合适，雖然平均每類客戶數量較少，考慮到集中度分布情況，數量多的分類也能夠有200-300左右，适合針對會員客戶進行短期的電話、短信營銷或者信函營銷的數量。
rfm模型原理：
rfm模型是一個簡單的根據客戶的活躍程度和交易金額貢獻所做的分類。因為操作簡單，是以，較為常用。
近度r：r代表客戶最近的活躍時間距離資料采集點的時間距離，r越大，表示客戶越久未發生交易，r越小，表示客戶越近有交易發生。r越大則客戶越可能會“沉睡”，流失的可能性越大。在這部分客戶中，可能有些優質客戶，值得公司通過一定的營銷手段進行激活。
頻度f：f代表客戶過去某段時間内的活躍頻率。f越大，則表示客戶同本公司的交易越頻繁，不僅僅給公司帶來人氣，也帶來穩定的現金流，是非常忠誠的客戶；f越小，則表示客戶不夠活躍，且可能是競争對手的常客。針對f較小、且消費額較大的客戶，需要推出一定的競争政策，将這批客戶從競争對手中争取過來。
額度m：表示客戶每次消費金額的多少，可以用最近一次消費金額，也可以用過去的平均消費金額，根據分析的目的不同，可以有不同的辨別方法。一般來講，單次交易金額較大的客戶，支付能力強，價格敏感度低，是較為優質的客戶，而每次交易金額很小的客戶，可能在支付能力和支付意願上較低。當然，也不是絕對的。
rfm的分析工具有很多，可以使用spss或者sas進行模組化分析，然後深度挖掘。ibm spss還有個modeler，有專門的rfm挖掘算法供使用。本文為了普及，介紹使用excel（2007版）做初步的rfm分析。
操作步驟：
1、資料的清洗
原始資料集：資料請參考附件excel（模拟資料.xlsx）。大家可以下載下傳練習。該資料集共有26600多條資料，包含記錄id（資料庫的primarykey）、客戶編号、收銀時間、銷售金額、銷售類型共5個字段
通過簡單的篩選，可以看到，在交易金額中有0消費額，有負數消費額，繼續檢視交易類型，發現為“贈送”和“退貨”所造成。這些資料在本次分析中用不到，是以在資料處理時需要通過篩選除去。
excel操作：
Ø 滑鼠點選第一行的行标“1”以選中第一行
Ø 菜單欄點選“資料”，快捷按鈕欄點選“篩選”
Ø 滑鼠點選“銷售類型”篩選下拉按鈕，可以看到所有資料集中有的銷售類型
Ø 點選“銷售金額”字段的小角标也可以看到有負數出現。
2、資料處理
根據分析需要，r用客戶最後成交時間跟資料采集點時間的時間差（天數）作為計量标準；f根據資料集中每個會員客戶的交易次數作為計量标準（1年的交易次數）；m以客戶平均的交易額為計量标準。通過excel的透視表即可計算以上rfm資料。
Ø 菜單欄點選“插入”
Ø 快捷按鈕欄點選“透視表”
Ø 選擇資料區域，确認所有的資料都被選擇
Ø 選擇在“新工作表”中插入資料，然後點選“确定”
Ø 将“客戶編号”拖入“行标簽”欄
Ø 将“收銀時間”、“記錄id”、“交易金額”拖入數值計算欄
Ø 點選“收銀時間”數值計算欄按鈕，選擇“值字段設定”
Ø 在“計算類型”中選擇“最大值”
Ø 在對話框左下角，點選“數字格式”，設定時間格式為：yyyy-mm-dd，然後“确定”
Ø 點選“銷售金額”數值計算欄按鈕，選擇“值字段設定”
Ø 在“計算類型”中選擇“平均值”，然後“确定”
Ø 在“記錄id”數值計算按鈕欄，選擇“值字段設定”
Ø 在“計算類型”中選擇“計數”，然後“确定”
在透視表頂部篩選項“銷售類型”處，點選下拉按鈕小角标，在“選擇多項”前的小方框中打勾，然後點掉“退貨”和“贈送”前的勾，然後“确定”會得到如下結果。
以上我們得到了：
1）f值：客戶這1年共消費了多少次
2）m值：客戶每次交易的平均消費金額
但是，r值還需要做些處理。目前r值隻得到的是客戶最近一次消費日期，需要計算距離資料采集日期的天數。
Ø 滑鼠拉選列标簽abcd,選中透視表所在的四列
Ø 按ctrl^c（複制），點選“開始”菜單欄下，快捷按鈕欄“粘帖”下的小下拉三角标，選擇“粘帖值”【或者點“選擇性粘帖”，然後選擇粘帖值】，用單純的資料形式覆寫原有透視表。
Ø 在c1單元格中輸入資料采集日期2010-09-27，格式為yyyy-mm-dd
Ø 然後選中c1單元格，複制其中内容
Ø 選中b5：b1204【快捷操作：點中b5,同時按住shift^ctrl後點選向下箭頭，松開ctrl鍵，繼續按住shift鍵，按一次向上箭頭，取消資料最後一行的彙總資料】
Ø 點選“開始”菜單欄下快捷按鈕欄上的“粘帖”按鈕下方的下拉箭頭，選擇“選擇性粘帖”，在對話框中勾選“減”，然後“确定”
Ø 在不取消目前選擇的情況下，選擇“開始”菜單欄下快捷按鈕欄上的格式化下拉菜單，選擇“數字”
因為得到的資料為最後交易日期 減去 資料采集日期的天數，是負值，是以，還需要處理。
Ø 在d1單元格中輸入-1
Ø 然後ctrl^c複制d1單元格中的值（-1）
Ø 然後選中b5：b1204【快捷操作同上】
Ø “開始”-“粘帖”下拉按鈕-“選擇性粘帖”-在計算部分選擇“乘”，然後點選“确定”
最後得到：
到此，我們得到r,f,m針對每個客戶編号的值
3、資料分析
r-score, f-score, m-score的值，為了對客戶根據r,f,m進行三等分，我們需要計算資料的極差（最大值和最小值的差），通過對比r（或者f,m）值和極差三等分距，來确定r（或者f,m）的r-score, f-score, m-score。
是以先計算r、f、m的最大值、最小值、極差三等分距
Ø f1到h1代表r\f\m的最大值，利用公式“=max(b5:b1204)”
計算,（計算f時b換成c，m時b換成d即可）
Ø f2到h2代表r\f\m的最小值，利用公式“=min(b5:b1204)”計算（計算f時b換成c，m時b換成d即可）
Ø f3到h3代表r\f\m的極差三等分距，利用公式“=(f1-f2)/3”計算（計算f時f換成g，m時f換成h即可）
Ø 【以上快捷操作可用，先輸入f1,f2,f3單元格裡的公式，選擇f1：f3三個單元格，然後拉動右下角的黑色小十字叉，向右拖動複制f列公式到g和h列即可】
r-score的計算公式為：
Ø e5單元格内輸入：“=if(roundup((b5-$f$2)/$f$3,0)=0,1,roundup((b5-$f$2)/$f$3,0))
”
Ø 之是以使用if判斷函數，主要是考慮到當r值為最小值時，roundup(b5,0)為0，用if函數判斷如果為0，則強制為1。
Ø 之是以用$f$2鎖定引用的單元格，是為了後續的公式複制，最小值和極差三等分距不會發生相對引用而變化位置【鎖定引用單元格除了手工添加$符号外，快捷方式是選中引用的單元格按f4快捷鍵，此處都比較麻煩，手工輸入$符号還快些】
Ø 【另外一種簡單的處理方式就是直接用公式“=roundup((b5-$f$2)/$f$3,0)”，然後用ctrl^h快捷操作，将0值替換成1即可，這個替換需要将公式複制-快捷粘帖為數值後進行】
f-score和m-score如法炮制。
Ø f5單元格公式為：
=if(roundup((c5-$g$2)/$g$3,0)=0,1,roundup((c5-$g$2)/$g$3,0))
Ø g5單元格公式為：
=if(roundup((d5-$h$2)/$h$3,0)=0,1,roundup((d5-$h$2)/$h$3,0))
rfm-score的計算，利用分别乘以100-10-1然後相加的方式，讓r、f、m分别為一個三位數字的三個百分位、十分位和個位表達，該三位數的三個位代表了3x3x3=27魔方三個次元上的坐标。
Ø h5單元格的公式為：
=e5*100+f5*10+g5
Ø 選中e4到h4區域，輕按兩下右下角小黑色十字叉，複制e4到h4公式到所有客戶資料中
Ø 得到結果如下：
接下來的步驟就是統計各個魔方上的客戶數量
再次利用透視表形成統計結果
Ø “插入”菜單欄下快捷按鈕欄按“透視表”，在資料表區域中選擇a4：h1204【确認這個選擇，自動跳出來的區域要改一下的哦】，然後點選“确定”
Ø 将rfm-score拖入“行标簽”中，将“客戶編号”拖入“數值計算”欄中，點選“數值計算”欄中的“客戶編号”項，選擇“字段數值設定”，選擇計算方法為“計數”，得到處理結果如下：
4、資料分析結果解讀和可視化
得到這個分析結果，利用excel的條件格式功能可以對得到的資料分析結果做簡單的視覺化。
Ø 将透視表中b列拉寬（如上圖）
Ø 選中b5:b22列
Ø “開始”菜單欄下快捷按鈕欄點選“條件格式”下拉菜單中選擇“資料條”，然後選擇一個顔色即可
通過條形圖的視覺化，可以直覺地對比哪類客戶數量較多。
5、資料分析結果的商業解讀（略）
因為此資料為模拟資料，且資料分析過程中有許多需要商業活動參與執行者參與的過程。此案例僅僅是一種操作的示範。具體的分析結果解讀，讀者可以自行思考。
大家可以思考以下幾個問題：
1）哪一類客戶是最優質的客戶？
2）哪一類客戶是具有高流失風險的優質客戶？
3）哪一類客戶是需要進行upsell的客戶？
4）哪一類客戶是公司的高成本客戶（不賺錢客戶）？
附件：模拟資料下載下傳位址http://pan.baidu.com/s/1i3ixz73