在客户关系管理的分析模式中，RFM是被广泛应用的一个数据模型。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。通常来说，在近期的时间段消耗金额较大，购买频次较多且最近有购买过产品的用户的转化意愿会更高，这部分的用户价值较高。由此我们可以扩展出以下三个问题：哪些用户最近与网站有过互动或购买过商品？哪些用户会经常购买商品？哪些用户参与了高价值的转化？ 基于这些问题的分析可以称之为RFM分析。该分析模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。具体分析理论可见：http://webdataanalysis.net/web-quantitative-analysis/e-commerce-rfm/。
        RFM分析原来多用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的行业，只要任何有数据记录的消费都可以被用于分析。那么对于电子商务网站来说，网站数据库中记录的详细的交易信息，同样可以运用RFM分析模型进行数据分析，尤其对于那些已经建立起客户关系管理(CRM)系统的网站来说，其分析的结果将更具意义。但昨于CRM通常只可以提供用户的基本信息与订单数据，无法把用户、订单和流量来源的数据关联起来进行分析，比如你想知道哪些渠道可以给你带来重要价值用户，这在CRM系统中是无法分析的。而Google Analytics是一个功能强大的流量和用户行为的分析平台，那么可不可以使用Google Analytics收集RFM的数据并进行分析呢？这是可以的，以下是具体的操作方法。
        RFM分析模型主要由三个指标组成：
        l  最近一次消费的时间(Recency)——需要配置用户最近一个订单产生时间的自定义维度。在订单完成时写入一个日期，这是一个基于用户的自定义维度，若用户之前有下过订单，那么新订单产生的日期值将覆盖早期的购买日期。如果你已配置过电商跟踪，那么这个自定义维度在GTM后台配置即可。注意的是这里不建议直接调用用户电脑的本地时间，因为网站用户可能来自全球多个国家，各个国家的时区不同，日期也可能不一样，建议统一调用一个特定时区的日期。
        l  消费频率(Frequency)——使用GA里电商报告现成的Unique Purchases指标即可。
        l  消费金额(Monetary)——使用GA里电商报告现成的Revenue指标即可。
        根据需求的内容，我们还需要跟踪以下维度和指标。
        因为RFM是基于用户的分析，我们还必须把这些指标与用户关联起来。因此我们还要收集用户ID的信息。以下是用户ID的数据收集思路。
        l  用户ID——在用户注册或登录时，调用跟踪代码收集用户ID的信息，并把用户ID以cookie的形式写入浏览器，用户退出时用户ID仍存在于浏览器中。然后在GTM后台设置调用用户ID值。这是一个用户级的自定义维度，可用于聚合指定用户的所有流量来源和行为数据。
        把收集到的数据做成自定义报告，如下图所示，你可以看到每一个用户的流量来源是什么，最近的订单发生的时间是什么时候，该用户在所选的时间段时购买过几次，产生的销售是多少。

        根据这些数据我们可以把用户分成8类，如下图所示。这样我们就可以有针对性地对重要的客户进行重点推广。