客戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：
- 最近一次消費（Recency）
- 消費頻率（Frequency）
- 消費金額（Monetary）
RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。
基本概念解釋
最近一次消費
指客戶最后一次購買的時間距離目前的天數（或月數）。
消費頻率
指顧客在一定時間段內的消費次數。
消費金額
可以驗證“帕累托法則”--公司80%的收入來自20%的顧客。
數據獲取與分析
提取數據之前，首先確定數據的時間跨度，
根據網站銷售的物品的差異，確定合適的時間跨度。
如，快速消費品，日用品，確定時間跨度為一個季度或一個月；電子產品，時間跨度可為1年或半年。
最近一次消費，取出來數據是一個時間點，用當前時間點-最近一次消費時間點來作為該度量的值；
消費頻率，直接在數據庫中COUNT用戶的消費次數得到；
消費金額，將每位客戶的所有消費的金額相加得到。
X軸表示Recency,Y軸表示Frequency，Z軸表示Monetary
| R | F | M | 客戶類型 |
| ↑ | ↑ | ↑ | 重要價值客戶 |
| ↑ | ↓ | ↑ | 重要發展客戶 |
| ↓ | ↓ | ↑ | 重要挽留客戶 |
| ↓ | ↑ | ↑ | 重要保持客戶 |
| ↑ | ↑ | ↓ | 一般價值客戶 |
| ↑ | ↓ | ↓ | 一般發展客戶 |
| ↓ | ↓ | ↓ | 一般挽留客戶 |
| ↓ | ↑ | ↓ | 一般保持客戶 |
--↑表示大於均值，↓表示小於均值
RFM模型在用戶細分的應用：
RFM分析方法首先會將上述3個字段進行分箱處理，即離散化處理，使之成為類別型變量，具體如何選擇分箱的區間值，取決於具體的業務背景。
為了避免分類數目太大導致業務解釋和業務應用上的麻煩，上述每個字段分類的數量一般不超過5〜8個。接下來，則針對已經分箱后的3個字段的數值，分別進行組合。
指客戶最后一次購買的時間距離目前的天數（或月數）