先说说RFM模型，主要是三个特征：
最近一次消费 (Recency)
消费频率 (Frequency)
消费金额 (Monetary)
这个模型可以较好将人群分类。现在数据是一年顾客的购买记录，特点是购买频率不稳定，新老用户混)，每次购买金额不高。如果使用rfm模型，消费金额并不会呈现预期的多类化，新用户可能会因为时间窗口的选择被忽略。
针对以上原因，先只研究消费频率。客户购买具有周期性、季节性，这两代表不同意思。周期性的描述应该是每天购买一次或者每两天购买一次，季节性的描述是顾客只在某个特定时间段购买，但是一般来说，如果研究季节性客户并且做聚类，聚类中心会有很多，不利于分群，还是以研究周期性客户为目标。周期性包括了季节性客户，并且可以通过分类后通过某类周期性客户找到季节性客户。
每天都有新增客户，一个月还留存的新客户，购买一个月的老客户，业务意义以及对应的商业策略是不一样的。因此需要考虑新老客户。
综合考虑，从RFM模型得到启发，在给定一年顾客数据的情况下，对顾客购买频率定下两个特征对客户进行分群分类：
购买月数 (Recency)
购买频率 (Frequency)
购买频率计算公式：
可购买月数的解释，假设某名客户第一次购买产品超过1年，可购买月数为12；假设客户自第一次购买产品6个月，可购买月数为6。如此计算，这个指标可以区分新老用户以及购买频繁的程度了。
欢迎有更深的探讨，请留言
