Můžete použít uzel Recency, Frequency, Monetary (RFM) Analysis k určení kvantitativně určit, které zákazníci budou pravděpodobně nejlepší tím, že zkoumají, jak nedávno od vás naposledy zakoupili (recency), jak často nakupovali (četnost) a kolik utratili za všechny transakce (peněžní).

Zdůvodnění analýzy RFM je to, že zákazníci, kteří si zakoupí produkt nebo službu, se s vyšší pravděpodobností koupí znovu. Data zákazníků zařazená do kategorií jsou rozdělena do několika přihrádek se seřizovací kritérii, která se upraví podle vašich potřeb. V každém z přihrádek jsou zákazníkům přiřazeni skóre; tato skóre jsou poté kombinována s cílem poskytnout celkové skóre RFM. Toto skóre je reprezentací členství zákazníka v přihrádkách vytvořených pro každý z parametrů RFM. Tato vazebná data mohou být dostatečná pro vaše potřeby, například tím, že identifikují nejčastější zákazníky s vysokou hodnotou. Případně může být předán v rámci toku pro další modelování a analýzu.

Všimněte si však, že i když schopnost analyzovat a hodnotit skóre RFM je užitečný nástroj, musíte si být vědomi určitých faktorů při používání tohoto nástroje. Objevují se pokušení zaměřit se na zákazníky s nejvyšším hodnocením, avšak přílišné dohadování těchto zákazníků by mohlo vést k zášti a ke skutečnému pádu v oblasti opakování obchodu. Je také třeba pamatovat na to, že zákazníci s nízkými výsledky by neměly být přehlíženy, ale místo toho lze pěstovat, aby se staly lepší zákazníci. Naopak vysoké výsledky samy o sobě nemusí nutně odrážet dobrou prodejní vyhlídku, a to v závislosti na trhu. Například zákazník v koši č. 5 pro rektnost, což znamená, že si koupili velmi nedávno, nemusí být vlastně nejlepším cílovým zákazníkem pro někoho prodávajícího drahé, delší produkty, jako jsou automobily nebo televize.

Uzly RFM Aggregate a RFM Analysis jsou nastaveny tak, aby používaly nezávislé binning; to znamená, že jsou očíslované a binární data pro každé měřítko aktuálnosti, frekvence a peněžní hodnota bez ohledu na jejich hodnoty nebo jiná dvě opatření.