数据挖掘应用案例：RFM模型分析与客户细分
分类：数据挖掘标签市场研究数据挖掘RFM模型２01２01２121：3９阅读（1６8５4）评论（９）
拜年，祝大家新春快乐！
这里我先给各位朋友
兔年就要过去了本命年的最后一天再不更新博客有点对不住大家正好刚帮某电信行业完成一个数据挖掘工作，其中的RＦM模型还是有一定代表性就再把数据挖掘RＦＭ模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足ＲFＭ模型的交易数据要求。
根据美国数据库营销研究所ＡrthurHugｈｅs的研究，客户数据库中有三个神奇的要素这三个要素构成了数据分析最好的指标：最近一次消费Ｒece
cy、消费频率（Fｒeque
ｃy）、消费金额Ｍo
etarｙ。
我早期两篇博文已详述了ＲFM思想和IBMＭｏdｅlｅr操作过程有兴趣的朋友可以阅读！
RFM模型：RＲｅｃe
cy）表示客户最近一次购买的时间有多远，Ｆ（Frｅqｕｅ
cy）表示客户在最近一段时间内购买的次数，M（Ｍo
etary表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权考虑权重）得到ＲFM得分进而可以进行客户细分客户等级分类，CｕstｏmerLeveｌVａlｕｅ得分排序等，实现数据库营销

f
再次借用数据挖掘与数据分析的RＦＭ客户ＲＦＭ分类图
这里
本次分析用的的软件工具：IBＭSPＳSStatistｉｃs1９，IＢMＳPＳＳＭodeler141，Tａbｌeau７。０，ＥＸCＥL和PPT
因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力这一点对计算机的内存和硬盘容量都有要求。
先说说对海量数据挖掘和数据处理的一点体会（仅指个人电脑操作平台而言）
一般我们拿到的数据都是压缩格式的文本文件需要解压缩都在Ｇ字节以上存储单位一般最好在外置电源移动硬盘存储；如果客户不告知你大概是不知道有多少记录和字段的
Ｍodｅlｅr挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要10０G空间预留否则读取数据过程中将造成空间不足
海量数据处理要有耐心等待3０分钟以上运行出结果是常有的现象特别是在进行抽样、合并数据、数据重构、神经网络建模过程中要有韧性，否则差一分钟中断就悲剧了，呵呵；
数据挖掘的准备阶段和数据预处理时间占整个项目的70％我这里说如果是超大数据集可能时间要占到90％以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作
r