RFM模型的思考

近一段时间我一直在思考一个问题，对于RFM模型来说，更多的灌入了很多的不同理念，不管是RFM模型的变形分析或者是延展评测，其实无非是由拿到的数据进行设定同时产生预测结果。但就目前我看到的结果来说，很多时候，我们认为我们拿到的数据量足够大、足够多。如果我们站到互联网的高层来说，信息交换与传递的过程，我们实际上收集到的信息页仅仅是一小部分内容。那么对于RFM模型来说，任何一家公司都无法正常理解和使用这个模型来考评分析自己当前的预期效果。作为一名资深的数据分析人员，对于我们的业务非常了解，对于各个部门的需求方案非常明确，但市场永远不能按照同一既定的计划去进行，原因就在于业务的信息传递性的差异，如果反过来来说，公司各部门的信息交换性非常强，对于技术的压力就相对来说比较大。在这里，我只能设想一个比较完美的公司，拥有整套的预测技术人员来不断完善数据，不光靠自己收集到的信息，同时也拥有一定的数据来源，所以我的第一个疑问就在于此： 什么样的数据交换时间对于公司来说才是个最优交换时间？1天？0.5天？还是1小时？

RFM模型对于经济学的指导意义之所以重大的主要原因在于，它能反映出公司一段时期内我们是否拥有优质的客户，同时拥有潜在的客户，每当面对决策者的进行判断的时候，我们则更应该明白他们真正需要的数据到底是什么？其实对于现在的技术来说，同比、环比的数据我们做的简单，但理解数据上真正的意义是非常难的事情。那么我们换个角度去考虑一下，站在业务部门的逻辑去设定产生的结果和数据提供的结果。就举例我现在的电商公司为例吧，业务部门说一套，技术部门做一套，尽管根据业务部门的要求，技术部门已经完成了基础业务的要求，但在我看来还差的很远，原因我仔细分析了一下有几点问题：1. 业务部门分析的内容永远比技术部门掌握的数据要多；2. 业务部门复杂的分析方法是否能被技术部门所接受？3. 已经被熟知的业务数据在公司只发挥一小部分作用，更多的数据未被显示出来；既然抛出了3个问题，那么对应的技术决策就来了，对于大数据来说，我们现阶段的样本数据仅仅是注册会员，这个是前期的最基本的数据分析模式和应用控制内容，也是前期运营体系里必不可少的主要构成部分，那么之后呢？第二个疑问随之诞生：数据的演变载体应该是哪些？派生载体又由哪些构成成分呢？

最后，我想用理性的批判思想去问自己，RFM模型真的有那么神奇吗？其实现在很多人应该理解人均产能的概念，也就是说，在一段时间里，工作能力的强弱是非常有必要考究的，不能一味的说产能高的公司发展就好，但一定是人均产能低的公司就会被淘汰。那么是否可以根据人均产能来判断公司的各种杠杆模型来设计RFM模型呢？

问题已经拆分，欢迎大家参与探讨交流！

什么样的数据交换时间对于公司来说才是个最优交换时间？ 

http://www.cognoschina.net/club/thread-97547-1-1.html

能否根据人均产能判断公司各种杠杆模型来设计RFM模型呢？

http://www.cognoschina.net/club/thread-97551-1-1.html

数据演变载体应该是哪些？派生载体由哪些构成成分？ 

http://www.cognoschina.net/club/thread-97549-1-1.html