数据下的客户与价值分析大数据下，客户分析的核心是什么？——解决实际问题

一、客户购买行为随机模型中隐藏着哪些秘密？
随机模型除了显示购买频率概率、平均金额概率的密度分配，还隐藏着购买频率、平均金额的状态移转期望值和概率这两个秘密，等待被揭示。

二、预测下期产品成本和关系营销费用
CRM毛利 = 购买金额 - 产品成本 - 关系营销费用。费用数据没有及时填写进CRM系统，例如“机会-产品”中未及时填写或更新产品/销售价/成本价，造成统计时产品成本=0.00、毛利率=100%；或者极特殊的数据没有排除，例如上期毛利率为负值。该情况也需要对个别客户的下期毛利率进行手工修正。

三、完整客户关系生命周期内的客户价值
客户价值 = CRM毛利 = 购买金额 - 产品成本 - 关系营销费用。在完整客户关系生命周期内(从建立关系到未流失的最近一期)，分析客户今后价值的意义远远大于分析客户历史价值，因此通常所讲的客户价值分析是对客户今后的价值进行分析。
确定客户分析目的，具体是为了降低成本？增加收入？优化用户体验？提升营销效果？用户针对性管理？
确定目的后开始选择合适的数据，然后搭建模型，最后得出结果，并用数据可视化解读。大数据时代，客户数据分析应用成为企业发展的重中之重。
RFM方法是国际上最成熟、最为接受的客户价值分析方法，RFM实际上是一整套分析方法中的部分内容，但最具代表性，其它还包括客户购买行为随机模型、马可夫链状态移转矩阵方法、贝氏机率推导状态移转概率方法、回归拟合方法等。

它具体的技术原理又是如何呢？使用RFM方法(最近购买日Recency, 各期购买频率Frequency,各期平均单次购买金额Monetary)能够科学地预测老客户(有交易客户)今后的购买金额，再对销售毛利率、关系营销费用进行推算，就能按年、按季、按月分析出今后几期的客户价值。

在这里，客户价值指CRM毛利。CRM毛利 = 购买金额 - 产品成本 -关系营销费用。