所謂探索性分析，主要是運用一些分析方法從大量的數據中發現未知且具有價值信息的過程。
對于初步探索性分析而言，數據可視化是一個非常便捷、快速、有效的方法，你可以使用作圖、制表等方法來發現數據的分布特征，然后可以使用一些統計分析方法更深入地發現數據背后的信息。
常用的探索性分析方法包括：RFM分析、聚類分析、因子分析、對應分析等。
RFM的含義：
R（Recency）：客戶最近一次交易時間的間隔。R值越大，表示客戶交易發生的日期越久，反之則表示客戶交易發生的日期越近。
F（Frequency）：客戶在最近一段時間內交易的次數。F值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。
M（Monetary）：客戶在最近一段時間內交易的金額。M值越大，表示客戶價值越高，反之則表示客戶價值越低。
RFM分析就是根據客戶活躍程度和交易金額的貢獻，進行客戶價值細分的一種方法。
RS：基于最近一次交易日期計算的得分，距離當前日期越近，得分越高。例如5分制。
FS：基于交易頻率計算的得分，交易頻率越高，得分越高。如5分制。
MS：基于交易金額計算的得分，交易金額越高，得分越高。如5分制。
RFM總分值：RFM=RS*100+FS*10+MS*1
RFM分析的主要作用：
識別優質客戶�？梢灾付▊�性化的溝通和營銷服務，為更多的營銷決策提供有力支持。能夠衡量客戶價值和客戶利潤創收能力。
二、MingCRM RFM分析
MingCRM的決策分析通過客戶價值比較、RFM分析、客戶引薦能力分析識別分析客戶價值。
客戶價值比較把分類指標（客戶類型、會員類型、發展階段、停用原因）與消費指標（消費次數、消費金額、平均單價）、服務指標（退貨次數、退貨金額）相結合，通過日期選擇比較一段時間內的客戶價值。
客戶引薦能力分析統計分析一段時間的客戶引薦次數和被引薦人的消費能力。移動互聯網日益普及，MingCRM微信公眾號、微信商城、微信小程序商城、微信直播上線運營，轉發和分享成為企業吸客的主要工具，引薦能力分析顯得更具價值和必要。
RFM分析根據RFM模型算法，生成RFM價值多維分析視圖。
更多內容，請致電北京大明咨詢：400-668-9690
