RFM 分析是美國資料庫營銷研究所提出的一種簡單實用客戶分析方法，發現客戶資料中有三個神奇的要素：
最近一次消費時間（R）：客戶距離最近的一次採購時間的間隔。
最近一段時間內消費頻次（F）：指客戶在限定的期間內所購買的次數。
最近一段時間內消費金額（M）:客戶的消費能力，通常以客戶單次的平均消費金額作為衡量指標。
這三個要素構成了資料分析最好的指標。
RFM 分析就是透過三個關鍵指標對客戶進行觀察和分類，判斷每類細分使用者的價值。針對不同的特徵的客戶進行相應的營銷策略。
RFM 分析後，將客戶劃分為了不同分類，自助資料集效果如下圖所示：
儀表板效果如下圖所示：
使用自助資料集對原始資料進行加工。實現思路如下圖所示：
1）建立自助資料集，選擇 RFM 分析所需欄位。
2）對資料進行加工，求得 3 個關鍵指標及其平均值。
3）透過和平均值比較，向量化三個指標。
4）根據特徵向量客戶分類。
找到 FineBI 中的內建資料表「BIDemo-TW_RFM分析表詳細數據」，並使用它建立一個自助資料集，如下圖所示：
將自助資料集命名為「RFM模型分析」，勾選以下幾個欄位，如下圖所示：
計算每個客戶的平均單次消費金額、消費次數、最後一次消費距今天數。
1）對資料進行分組彙總，如下圖所示：
最近一次消費時間（R）：「DATE」的彙總方式選擇「最晚時間」，可得到每個使用者最近一次購買的時間；
消費次數（F）：由於有一條記錄代表該使用者購買了一次，所以隨意拖入一個「CUSTOMERNAME」求「記錄個數」即可。
平均單次消費金額（M）：「money」的彙總方式選擇「平均」，可求到每個使用者平均單次消費金額；
2）對欄位重命名，方便之後理解，如下圖所示：
3）求最近一次消費距今的天數，新增一欄計算時間差，如下圖所示：
新增欄，計算所有使用者的平均消費金額，如下圖所示：
新增欄，計算所有使用者的平均消費次數，如下圖所示：
新增欄，求所有使用者最近一次消費距今的平均天數，如下圖所示：
如此我們便計算出了：每個使用者的單次消費金額和所有使用者平均後的單次消費金額；每個使用者的消費次數和所有使用者平均下拉的消費次數；每個使用者最近一次消費距今天數和所有使用者最近一次消費距今平均天數。
根據關鍵指標是否大於客戶總體平均值水平進行評價，其中在IF(xxx>客戶總體xxx平均值,1,0)中，小於總體平均的設為 0，大於總體平均的設為 1 ，使得 1 都是保持正向特徵，0 保持負向特徵。
新增欄，當使用者平均單次消費金額大於使用者總體平均值時，標記為 1 ，否則標記為 0 。如下圖所示：
新增欄，當使用者消費次數大於使用者總體平均值時，標記為 1 ，否則標記為 0 。如下圖所示：
新增欄，當使用者最近消費時間距今天數小於使用者總體平均值時，標記為 1 ，否則標記為 0 。如下圖所示：
已經得到客戶的特徵向量值，根據以下表格可將客戶劃分分類：
新增欄「RFM」，使用 CONCATENATE() 函式將 RFM 向量化值連接起來，順序為：最近一次消費距今天數評價、消費次數評價、次均消費金額評價。如下圖所示：
新增欄，對「RFM」列分組指派，如下圖所示：
分組指派的詳細操作可參見：新增欄-分組指派
點選建立好的「RFM 分析表」進行「資料預覽」，即可查看資料。如下圖所示：
至此，該自助資料集也可以透過儀表板進行客戶分類相關資料的視覺化展示。
儀表板效果圖可參考本文 1.3 節。
儀表板效果詳情可參考：RFM分析