前言：数据分析是帮助企业从数据中洞察商机，发现高价值和高增长的客户，是现阶段所有企业都关心的问题。
背景
面对激烈的市场竞争，各个集装箱运输公司都推出更优惠、更优质的营销合约来吸引更多的客户，一方面要和头部客户建立牢固的合作关系，另外一方面还要挖掘具有发展潜力的客户。在有限的营销资源和服务能力的情况下，达到企业价值的最大化。
案例目标：识别客户价值，通过集装箱运输客户数据识别不同价值的客户
为什么要进行客户价值分析？
客户规模、利润贡献度等不同，不同客户对企业贡献的价值具有差异性，对于很多企业，80%的利润往往是20%的客户提供的。企业就有必要对客户进行分类并区别对待，采取不同的服务政策与管理策略，使企业有限的资源进行优化配置，以实现高产出。
客户分类体系对于客户服务和市场营销活动极为重要，集运当前有160余万个客户，这远远超过了人工手段进行价值和分类管理的极限。因此，建立一个量化的价值和分类体系，通过系统可以有效地加强我们对客户的分类和管理，帮助我们合理使用有限的市场营销资源。
带来的价值
本落地应用后，帮助客户和营销部门使用量化手段进行客户分类管理，结合客户特点进行分类，帮助市场营销部门根据客户特征不同开展具有针对性的营销活动。
帮助客户和营销管理人员及时获取潜在的客户流失预警。
实现思路
根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有3个神奇的要素，这3个要素构成了数据分析最好的指标：最近一次消费 (Recency)、消费频率 (Frequency)、消费金额 (Monetary)。
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。
RFM作为客户价值的通用模型，在一些特殊行业，需要进一步结合行业特点灵活的运用，才能体现其价值。在航运业，消费金额M并不能真是反映客户的价值，例如3000海里的海运费（M较高）带来的价值可能没有300海里的海运费（M较低）高，但是3000海里的运输很可能有助于空箱平衡。
根据我们集装箱运输行业的特点，专门设计了LRFMC模型进行客户价值的模型分析，其中LRFMC分别指：
| 项目 | 单位 | 说明 |
|---|---|---|
| L | 月 | 客户和我们的合作时间间隔，反映客户可能的活跃总时长； |
| R | 月 | 最近运输日期距当前时间的间隔，反映当前的活跃状态； |
| F | 个 | 舱单个数（消费频度），反应客户的忠诚度； |
| M | 箱*海里 | 舱单的TEU*海里，反应了客户的运输需求； |
| C | 百分比 | 收入/平均收入，如为淡季，则额外为1.2倍。淡季：航线航次均价和年度均价偏差>=-20%则定义为淡季。 |
