这里主要介绍一下客户价值划分，它是衡量客户价值和客户创造利益能力的工具。主要是通过了客户在最近一次消费的时间距离当前时间的间隔以及消费频率和消费金额三项指标来描述客户的价值情况。
客户的价值可以在帮助中心可以看到，它主要是分成了八类，也就是需要通过rfn模型去对各个客户进行分类，将其分为八类。
这里回到spas pro，这里是有一个案例数据，它有四个变量。
·第一个是各个客户的名称，也就是客户id。
·第二个是最近一次消费时间的间隔。
·第三个是消费频率。消费频率是指顾客在一定时间内消费的次数，消费金额是顾客在一定时间内消费的金额。这里就可以将变量进行拖入。
下面有一些参数。
·首先是设置rfn得分，它是有两种选择，一个是按照spas pro的规则，另外一个由用户自动来设置。这里设置rfn的得分是为了将刚才拖入的一些定量变量，然后将其划分为五个等级。
比如这里举个例子，比如消费金额是在八十以下的就认为等级为一，在八十到一百二之间就认为等级为二，在一百二到一百六之间就认为等级为三，在一百六到两百之间就认为等级为四，在两百以上就认为等级为五。一次就可以将刚才拖入的消费金额进行分项操作，将其划分为五个等级。
而这里的自动设置rfn得分是根据了定量变量的百分之二十分位数、百分之四十分位数、百分之六十分位数、百分之八十分位数来划分成了五个区间，也就是五个等级。
·这里还有另外一个参数是进行原始数据处理，可以打开看一下，这个时候拖入框进行了一些变化，发现刚才的消费时间间隔以及消费频率是消失了，变成了消费时，这相当于改变了拖入数据的形式。
这里看到知乎上的一篇文章，一般情况来说，这里的rfn三个值是需要自己来计算的，但是一般拿到的原始数据是没有进行这一步的计算，而是将各个用户在每一次消费情况完全记录了下来。
比如这里小明在这段时间内是消费了两次，然后就一次记录了下来，其中包括了消费时间和消费金额。根据这些值是可以计算出在这段时间内小明是消费了两次以及消费金额，然后对消费金额进行求和，还有最近一次消费的时间间隔。
这次还要给定当前时间是二零二零年一月三十号，而最开始的时候是消费了两次，以及消费金额，然后对消费金额进行求和，还有最近一次消费的时间间隔。
这次还要给定当前时间是二零二零年一月三十号。近一次消费时间也就是二零二零年一月二十六号，由此可以计算出最近一次消费时间间隔为四天。
回到spas pro，这里同样的就是要拖入消费时间、消费金额还有所影响。这里有一个时间变量是让我们去输入当前的时间日期，也就是这边的二零二零年一月三十号。这里还是按照第一种输入形式进行运算。
点击开始分析，这里可以看到输出结果一是将刚刚的rfm三个值进行了分级，分成了五个等级。这里就是用到了二十四、六十、八十的分位数将其进行划分，就是均匀划分。
测试结果二是rfn得分不图，也就是上面的各个等级的累计百分比。结果三是rfn类别的分类情况。这里就是告诉刚刚将定量变量划分成了五个等级，但是现在又需要进行一次划分，就需要将五个等级再划分成两个等级，其中分为低价值和高价值。
这里是根据这五个得分的均值来进行划分，划分为低价值和高价值。输出结果四也就是输出结果三的可视化输出结果五就是汇总表了。
首先就是可以看到最后的三列就是原始数据，这里是需要进行划分成五个等级，得到了rfn三个得分。再对这五个等级进行了再一次的划分，划分成了两个类别，也就是低价值和高价值。
根据好fm分别是处于低价值还是高价值就可以判断是什么类型的客户，就比如第一个用户就属于重要挽留客户。最后一个结果也就是可以总体看到当前客户的价值情况，其中重要价值客户还是比较多的。