预测模型
RFM模型
用最近一次购买有多远、买过几次、花了多少，把人划进高价值、待唤醒与沉睡三档占用；占用是客户人数，不是货架上某张成品卡的被选份额。
这篇能回答什么
RFM（Recency–Frequency–Monetary）回答的是「账本上的人现在值不值得运营」。Recency 看距最近一笔订单过了多久，Frequency 看窗口内买了几笔，Monetary 看累计或客单金额。三分位或五分位打分后，把格子收成少量标签。本页结果表用类别 A / B / C 承接三档客户占用：A 是近、勤、金额够的核心；B 是金额或频次还在、但 Recency 开始发黄的待唤醒；C 是窗口内几乎不再回来的沉睡盘。
教学占用有效客户 233：A 63 人（27.04%），B 68 人（29.18%），C 102 人（43.78%）。C 最大，说明这份账本里沉睡盘比核心盘厚，运营名单应先写唤醒规则，而不是先写「核心客群占四成」。
什么时候不该用
桌上只有选择任务、要估计三张成品卡谁会被拿走时，用联合分析CBC：那是选择次数除以任务数，单位是份额，不是客户分层。没有订单日、只有面积单价，用K-Means 或层次聚类。要预测下一期销量，用预测分析 或 Auto ARIMA。客户号、发票号不能当金额。
如何选择方法
先问数据是不是「一人一行的交易摘要」。有最近购买日、次数、金额 → RFM。有选择任务、属性水平 → CBC。有一堆定量画像、没有时间戳 → 聚类。有月销量、要外推 → 预测过程。不要把 CBC 的 52% 轮廓份额改名叫高价值客户。
RFM模型：客户键 + Recency + Frequency + Monetary；输出三档占用、各维分段与综合分。
联合分析CBC：成品卡被选次数，单位是选择份额，不看距上次下单几天。
K-Means / 层次聚类：无时间戳的定量分群，簇名不是 Recency 五分位。
预测分析：把销量往前推，不给每个人贴忠诚标签。
输入、输出与限制
输入
最小账本是客户粒度：一列能识别人，一列最近购买日期（或距观察日的天数），一列购买次数，一列金额。窗口要事先写死（例如「观察日前 365 天」）。文本与设计示例没有订单账本，上传它只为熟悉工作台；本页人数以结果表为准。
客户键：1 列；只用于去重，不进分位。
Recency：日期或天数；天数越小，R 分越高。
Frequency / Monetary：非负定量；次数与金额不要和单价、折扣率混在同一角色。
输出
结果表按类别 A/B/C 给出占用人数与占比，合计有效 N=233。A/B/C 是互斥分层，三人档加总 100%。另有占用柱图。综合分或五分位明细若出现在工作台附加列，以表内切点说明为准。
产品限制
窗口内只有一笔的新客 Recency 很好、Frequency=1，不要自动封「冠军」。
客户键被认成编号时整列拒绝，改角色而不是改列名骗过画像。
退货、取消单应先从金额与次数里剔除，否则 Monetary 被退款抬高。
图强调三档高低，精确人数看表。
案例
研究问题。 会员运营要在「发券给核心盘」和「召回沉睡盘」之间排期。手头是观察日前一年的订单摘要：每人一行，含最近下单日、年内笔数、实付合计。问题不是三款手机谁更好卖，而是这 233 个账号各坐在哪一档。
有效客户 233。核心档 A 63 人（27.04%）；待唤醒 B 68 人（29.18%）；沉睡盘 C 102 人（43.78%）。B+C 合计 72.96%，说明「还在买」的人不到三分之一。下载文本与设计表只能练上传，复现占用请换成客户摘要并指定三个定量角色。
在 StatsX 中操作
步骤 1 · 先把订单塌成客户行
一行一人。最近购买日、年内次数、实付合计三列齐。不要把明细行直接丢进 RFM，否则同一人会被算成多个 Recency。
步骤 2 · 画像里把客户键挪出分析框
客户号应显示为标识。日期列是时间，次数与金额是定量。把发票号、优惠券码从金额角色拿开。
步骤 3 · 目录点选 RFM模型
搜索「RFM」或「客户价值」。适合标记只说明能跑，不说明你的列真的是 Recency。
步骤 4 · 把三指标放进对应角色
Recency、Frequency、Monetary 各一列。观察窗口写进方法（例如 365 天）。运行后把 A/B/C 对上核心 / 待唤醒 / 沉睡。
步骤 5 · 先读占用再写名单
核对 63+68+102=233。C 若仍是最大档，召回规则先于加码核心。不要把 27.04% 抄进「新产品份额」。
如何阅读输出
下表是三档客户占用，分母是账本里能算齐 R/F/M 的 233 人。类别 A（核心）63 人、27.04%；类别 B（待唤醒）68 人、29.18%；类别 C（沉睡）102 人、43.78%。三人档加总 100%，一个人只进一档。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| 客户价值划分(RFM) | 类别 A | 频数 | 63 |
| 客户价值划分(RFM) | 类别 B | 频数 | 68 |
| 客户价值划分(RFM) | 类别 C | 频数 | 102 |
| 客户价值划分(RFM) | 合计 | 有效样本 N | 233 |
| 客户价值划分(RFM) | 类别 A | 占比(%) | 27.04 |
| 客户价值划分(RFM) | 类别 B | 占比(%) | 29.18 |
| 客户价值划分(RFM) | 类别 C | 占比(%) | 43.78 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
和 CBC 对读：CBC 的类别 C 是某张成品卡被选中的次数占比，分母是选择任务；这里的类别 C 是沉睡客户人数占比，分母是客户。把 43.78% 写成「沉睡盘会拿走四成货架」是单位错误。CBC 可以在同一群人里再跑，但两张表不能加减。
读表顺序：有效客户 → 三档是否互斥加总 → 哪一档最厚 → 待唤醒是否大到必须单独规则。本例 C 厚、A 只有 63 人，把全部预算砸进「冠军关怀」会漏掉 102 个沉睡账号。分层办学、渠道时，各自用该层 N 重算占用，禁止把 27.04 套到每一个门店。
理论与公式
记客户 i 的最近购买距观察日 t_0 为 r_i 天，窗口内次数 f_i、金额 m_i。五分位打分（1 最低、5 最高）时 Recency 要反向：天数越小分越高。
本页把格子收成三档占用。一种可读规则：A = R\ge4 且 F\ge4 且 M\ge4；C = R\le2 且 F\le2；其余进 B。切点改了必须改标签。占用 p_g=n_g/N，本例 n_A=63、n_B=68、n_C=102、N=233。CBC 份额是 n_c^{\mathrm{choice}}/N_{\mathrm{task}}，生成过程不同，不能代入上式。
注意事项
观察日一变，所有 Recency 一起平移，跨年对比要先对齐窗口。
只买一次的新客不要和「高 F 高 M 却很久没来」的流失客共用一张券。
金额含税、含运、含退款，档位会跳；与财务对账时先约定口径。
占用没有标准误：A 比 B 少 5 人，不能写成「核心显著更少」。
选择实验的份额、满意度三档、价位占用，都不是 RFM 标签。
常见问题
参考文献
Hughes, A. M. Strategic Database Marketing. McGraw-Hill.
Blattberg, R. C., Kim, B. D., Neslin, S. A. Database Marketing. Springer.
Fader, P. S., Hardie, B. G. S., Lee, K. L. RFM and CLV: Using iso-value curves for customer base analysis[J]. Journal of Marketing Research, 2005, 42(4): 415–430.
科特勒, 凯勒. 营销管理[M]. 格致出版社.