RFM(Recency, Frequency, Monetary) 분석 노드를 사용하면 얼마나 최근에 사용자로부터 구매했는지(최근), 얼마나 자주 구매했는지(빈도) 및 모든 트랜잭션에서 얼마나 소비했는지(구매총액)를 조사하여 최고의 고객이 될 수 있는 고객을 정량적으로 판별할 수 있습니다.

RFM 분석의 추론은 제품 또는 서비스를 한 번 구매한 고객이 다시 구매하는 경향이 있다는 것입니다. 분류된 고객 데이터는 사용자가 요구하는 대로 조정된 구간화 기준이 있는 여러 개의 구간으로 분할됩니다. 각 구간에서 고객에게 점수가 지정되고 이러한 점수가 결합되어 전체 RFM 점수를 제공합니다. 이 점수는 각 RFM 모수에 대해 작성된 구간에 대한 고객의 소속을 나타냅니다. 이 구간화된 데이터는 사용자의 요구를 충분히 충족시킬 수 있습니다. 예를 들어, 가장 빈번한 높은 값의 고객을 식별하거나 추가 모델링 및 분석을 위해 플로우에 전달될 수 있습니다.

단, RFM 점수를 분석하고 순위를 매기는 기능이 유용한 도구이기는 하지만 이를 사용할 때 특정 요인을 인식하고 있어야 합니다. 가장 높은 순위의 고객을 대상으로 하려는 유혹이 있을 수 있으나 해당 고객에게 지나치게 구매를 요구하는 경우 분노를 표출하거나 실제로는 반복 비즈니스가 실패할 수 있습니다. 또한 낮은 점수의 고객을 무시하는 대신 더 나은 고객으로 만들 수 있도록 노력해야 합니다. 반대로 높은 점수 단독으로는 시장에 따라 반드시 판매 전망이 높음을 나타내지 않을 수 있습니다. 예를 들어, 최근 범주에서 매우 최근에 구매했음을 의미하는 구간 5에 속하는 고객은 자동차 또는 텔레비전과 같은 비싸고 오래 사용하는 제품을 판매하려는 사람에게는 최선의 목표 고객이 아닐 수 있습니다.

RFM 통합 및 RFM 분석 노드는 독립적 구간화를 사용하기 위해 설정됩니다. 즉, 해당 값 또는 다른 두 측정값에 관계없이 RFM(Recency, Frequency, Monetary) 값의 각 측정값에 대한 데이터를 순위화하고 구간화합니다.