数据分析立足于分析的方法，颇具指导思路，错误的分析方法会得出错误的结论。
除了分析方法还要对行业的技术指标进行了解，就像电路中的各个元件是存在技术指标的，这些指标决定了什么情况下用什么元件，（应该针对元件指标设计雷达图，这样选型的时候就很方便了），比如数据化运营包括会员数据化运营，商品数据化运营，流量数据化运营，内容数据化运营四个方面，会员价值分析是其中的数据分析应用之一。
针对用户价值分析的开始节点是对用户进行价值细分，以b2c模式对订单交易为例，可以得到基于订单交易的价值度模型更适合运营需求。
rfm模型
主流的是rfm模型，用户价值模型，是区分用户价值的重要衡量依据，作为营销效果的关键指标之一。RFM主要包括，最近一次购买时间，购买频率，购买金额，有这三个维度可以评估客户当前时期订单的活跃价值，作为用户的权重存在。
- 模型实现过程
- 确定截止时间点，将此时间点向前选取一段时间，收集会员的记录
- 找到每个会员id对应的最近一次消费的时间，将会员id作为索引进行group，累计近期的订单总数作为购买次数的频率维度数据，购买金额则选取用户的总消费金额及订单总金额。至此rfm的原始数据已经提取完毕。
对于平台而言，购买频率和购买金额越高越好，最近购买时间越近越有价值，使用五分位发对数据进行区分，这样就可以得到每个用户的三个维度的量化数据，三项分数的组合就是模型的总体分数。
- 模型总分数的评价体系
- 直接形成字符串
- 三项进行加权后相加得到新的汇总值，实际上相当与归一化
- 将每个用户的消费时间，消费频率，消费金额和全体用户的算数平均进行计算，得到含用户三个维度的离散率，按照二值分类进行处理，将得到8个种类的分类，对这消费金额可以进一步分为两类客户，一般价值客户和重要客户，对消费频率和消费时间可以分为价值客户，保持客户，发展客户和挽留客户。
相应指标的分析方法
方法一：例如得分为212的会员往往购买频率较低，针对购买频率低的客户定期发送促销活动邮件；针对得分为321的会员虽然购买频率高但是订单金额低等，这些客户往往具有较高的购买粘性，可以考虑通过关联或搭配销售的方式提升订单金额。基于RFM汇总得分评估所有会员的价值度价值，并可以做价值度排名；同时，该得分可以作为输入维度跟其他维度一起作为其他数据分析和挖掘模型的输入变量，为分析建模提供基础。
方法二：例如RFM值分别为3、1、2；RFM各自加权为R值0.5，F值0.4，M值0.2，则RFM评分=（ R值0.5）+（F值0.4）+（M值0.2）
方法三：'111':'重要价值客户',
'011':'重要保持客户',
'101':'重要发展客户',
'001':'重要挽留客户',
'110':'一般价值客户',
'010':'一般保持客户',
'100':'一般发展客户',
'000':'一般挽留客户'
