3-13 RFM分析[フィールド設定タブ]
1.ノードの目的
前段で算出されたRFMの値から顧客のグルーピングを行います。
R（リーセンシ＝最後の購買から何日経過した）
F（フリークエンシ＝何日購買した）
M（マネタリー＝幾ら購買した）
RFM分析とは
顧客をRFMの値（しきい値または相対評価）でグルーピング（リストセグメント）し販促対象の判断基準にします。
最初に購入したアイテムや入会からの期間などの指標と組み合わせる場合もあります。なおカタログ通販では郵送するカタログにコストが生じるためR（休眠していないか）を最重視します。またFとMが極度に相関する場合にはどちらかのみを利用します。
＊RFM集計ノードはノードリファレンス2-13です。併せてご覧ください。
2.解説動画
3.クイックスタート
*途中まではノードリファレンス2-13RFM集計と同じです。
顧客の1年分の取引履歴（ID付POSデータ）から顧客毎にRFMスコアを求めます。
＊入力データは[5.参考情報]からダウンロードできます。
[可変長ファイル]から[RFM集計]、[テーブル]の順に接続します。
[RFM集計]ノードを編集します。顧客IDと日付と金額をそれぞれ設定します。基準日はデータ取得の翌日を想定して2022-01-01にしています。
[テーブル]を実行します。RFMの３つのスコアが集計されました。リーセンシは少ないほど休眠リスクが少なく、フリークエンシとマネタリーは多いほど優良顧客と言えます。
[RFM分析]ノードをバインドします。
[RFM分析]ノードを確認します。
[テーブル]ノードを実行します。RとFとMの値を通信簿のように５段階で相対評価しています。5がTopの2割を意味します。RFMスコアはスコアというよりも5✖️5✖️5の125のセグメント番号で、販促対象を管理するのに利用します。
4.Tips
RFMの閾値をノードで確認
RFMノードを利用しないで計算する
同じ日に複数の購買をしているレコードを処理するために２段階で集計ノードを利用します。
まず顧客毎の日毎の計算をします。
続いて顧客毎です。先の計算により行数が購買日数（フリークエンシ）になります。
リーセンシーを分析日と最大日付の差から求めます。
RFM分析ノードと同じように5分位でグループ化します。
リーセンシーは値が小さいほど評価が高いので1から5の値を反転させます。
結果が出ました。正確にはフィールド（列）の順序を[フィールド順序]ノードで整えると終了です。
5.参考情報
利用データ
右クリックでリンク先を保存してください。
SPSS ModelerでRFM分析を解説している書籍
ノードのヘルプ
SPSS Modeler 逆引きストリーム集（データ加工）
SPSS Modeler ノードリファレンス目次