rmf模型說明
rmf模型是客戶管理中，常被用來衡量客戶價值和客戶創利能力的重要方法。它主要考量三個指標：
最近一次消費-recency：近期購買的客戶傾向於再度購買
消費頻率-frequency：經常購買的客戶再次購買概率高
消費金額-monetary：消費金額較多的客戶再次消費可能性更大
根據上述三個維度，對客戶做細分，假定每個維度劃分成五個等級，得到客戶的r值（1-5），f值（1-5），m值（1-5）。那麼客戶就被分作5*5*5
或者進一步針對不同的業務場景，對r、f、m賦予不同權重wr、wf、wm，得到每個使用者的得分：w=wr*r+wf*f+wm*m。根據最終得分w排序，再劃分等級，採用不用的營銷策略。
rfm模型其實很簡單，其重點應該是在：一，如何做劃分，不管是針對三個維度的劃分還是三個維度取不同權重的和w的劃分，都要依據實際業務場景情況確定。二，針對不同的客戶群如何選定合適的營銷手段，這個則需要對每個客戶群體有正確的解讀，並且對實際業務場景理解比較深入。
參考：
r語言實現rmf
用來做分析的資料應該是一段時間裡累計的客戶的消費記錄，每筆記錄至少需要客戶名稱、消費時間、消費金額三個要素。
用r生成模擬隨機消費記錄資料。客戶編號為1000-1999共100人，消費記錄10000條，消費記錄產生時間在2014-01-01到2015-12-29之間。
sales
sales.dates
sales
names(sales)
str(sales)#檢視data.frame的格式
根據上述消費記錄，得到recency、frequency、monetary的值。
sales$距離時間
根據上述說明，對三個維度每個維度劃分為5個層次，做均值劃分。並給r、f、m分別賦權重0.5,0.3,0.2來求客戶最終得分，客戶最終得分在1-5之間。
#均值劃分
對receny、frequency、monetary標準化後，以權重權重0.5,0.3,0.2來求客戶最終得分，客戶最終得分在0-1之間。
#標準化後劃分
以上用到的權重需要根據實際情況考量選定。得到的客戶評分rankrmf，是客戶細分的乙個參考依據，實際場景中，我們可能還有客戶的其他資料，可以綜合來看。
參考：
向量自回歸模型（VAR）及其R語言實現
自行google，很詳細，也很簡單 主要是 分析和內生變數間影響狀況分析。個人拙見，不是標準模板 選擇合適的變數 granger因果檢驗，進一步觀察變數間的關聯性，最好做雙向檢驗，不過也有人說單向就足夠了，這就人之間人智者見智了 選擇var模型滯後階數 擬合var模型 脈衝響應分析 方差分解 分析 ...
R語言實現KNN 演算法
knn是機器學習中最簡單的分類演算法之一 就是把每乙個測試樣本跟訓練樣本中的每乙個樣本求他們的歐式距離，然後選出最小的幾個，裡面哪乙個類多 這個測試樣本就屬於哪乙個類 用r語言自帶的iris 寫了一下 data iris length iris 1 idx sample 150,100 train ...
R語言實現ochiia係數
讀取資料 檢視資料型別 mode mydata 資料格式轉換 列表 list 轉換矩陣 matrix mydata as.matrix mydata 計算公式 m matrix mydata,nrow 72,ncol 72,byrow false n matrix 1 5184,nrow 72,nc...