RFM是传统的数据分析模型。
RFM模型是衡量用户价值和用户创利能力的重要模型。也就是说RFM模型可以用于对用户的价值进行分类。
RFM是Recency（最近一次消费），Frequency（消费频率）、Monetary（消费金额），共有三个指标。
R：最近一次消费记录到当前时间的间隔。
F：一个时间段内用户消费频率。
M：一定时间内用户累计消费金额。
RFM与时间有关，因此很多同学在取数的时候会纠结时间怎么分；严格来说，越柴米油盐，消费频次本身越高的业务，取的时间应该越短。最典型的就是生鲜，人天天都要吃饭，7天不吃可能就有问题；普通的快消品零售可能取30天，类似服装百货零售可能取90天；当然，更多的做法是按月取，比如R按月取，F、M算最近一年内的数值。
通过三个维度的组合计算，能判定出用户的好坏，然后采取对应措施。
例子
比如我开了一家超市，马斯克今天来超市里买东西了，距离他上次来光顾已经一个月了，那么在这里马斯克的 R 就是一个月。而与之相比，贝索斯今天也来超市购物了，昨天他刚来过，贝索斯的 R 就是一天。光光看在 R 上的表现，贝索斯比马斯克更好一些。
对于 F ，假如规定这个时间跨度是一年，马斯克这一年里只来了 2 次，那么在这一年里，马斯克的消费频率就是 2 次。假如在这一年里，贝索斯每天都来超市买东西，那么贝索斯的消费频率就是 365 次。所以贝索斯在 F 的表现比马斯克更好。
但是呢，马斯克虽然 R 为一个月，但他上一次来消费了 10 万元，这一次来也消费了 10 万元。而贝索斯虽然每天都来，但每天只消费了 10 元，一年总共消费了 3k 多元，所以马斯克在 R 上的表现要比贝索斯更好。
更多参考
https://wiki.mbalib.com/wiki/RFM模型