记忆RFM模型的方法
悲剧地发现已经把业务部分忘得差不多了。虽然RFM模型还有印象，但是其中8个客户维度叫不出名字。
学到这一课的时候刚好复习一下，强化记忆。分享一下我对这8个部分的记忆方法。
R：recency，最近一次消费
F：frequency，消费频率
M：monetary，消费金额
1、区分“重要”和“一般”：有钱的大佬比较重要
每个维度最前面都有一个副词修饰，要么是“重要”，要么是“一般”。
这个词的划分维度就是M（money！）。钱多的重要，钱少的一般。
2、R近F多，有价值；R远F少，要挽留
划分好重要和一般，接下来“客户”前的定语有四个，根据R和F定位不同象限。
R近F多的客户，最近才买过产品，且买的频率很多，说明经常光顾，有价值；
R远F少的客户，许久没来了，很少买产品，最好能够挽留他们。
3、R近F少，有潜力，可发展
最近买过产品，但购买频次很少的客户，可能才刚刚了解我们的产品，并对此很感兴趣。
随着时间的推移，他们可能购买频次会不断增加，说明很有潜力，能够持续发展为有价值的客户。
4、R远F多，要唤回，保持联系！
最近没有买过产品，但曾经多次购买的客户，可能因各种原因放弃了产品。
最好能和他们保持联系，唤回他们。
结合上面三点用象限图来表示：
分清这四个再结合M，很轻松就记住啦！
练习中的小补充
还有2处个人觉得秦老师可能讲得有点问题的地方。
1、分层问题
秦老师在课程中把‘111’定义为‘重要价值客户’，我认为有问题。
我们算R的时候，是（最晚时间-order_dt）的负数，R越大距今越远。这里R>R.mean()意味着时间过了很久了，并不是最近的。
因此R的1应该改成0，‘011’才是重要价值客户。
↑ 我的分法。
2、按lebal用户分层，聚合时看人数应该用count()函数，而不是sum()
得到一般挽留客户14138人，为最多的一类。这个结论才比较符合上下文以及实际业务。
（这里我求了RFM的人均值）
（本来想学一学plot画个图的，然而水平不够……山高路远，道阻且长！！加油加油！！）
