创建模型
该功能仅旗舰版支持。
营销场景下，企业对客户的精细化运营变成一件日益重要的事情。目前已经有许多成熟的模型广泛应用于识别、理解和优化客户关系管理策略，综合利用这些模型指导营销决策能够帮助企业深入理解客户需求、优化资源配置、精细化运营，最终提升客户满意度和企业的盈利能力。
平台目前内置了几款模型场景，帮助用户快速构建客户模型，并快速实现客户价值优化的分析。
平台封装两类模型：客户价值模型、生命周期模型。其中，客户价值模型包括RFM模型，生命周期模型包括APMDR模型、AIPL模型、AARRR模型。
创建RFM模型
RFM模型是一种通过客户的R消费间隔（Recency）、F消费频率（Frequency）、M消费金额（Monetary）三项指标来衡量客户价值的手段。
- R：最近一次消费 (Recency)，指客户最近一次消费的时间，反应客户活跃度
- F：消费频率 (Frequency)，顾客在限定期间内所购买的次数，反应客户忠诚度
- M：消费金额 (Monetary)，顾客在限定期间内所消费的金额，反应客户贡献度
通过单个客户的指标与对比值（整个客户群体的平均值，或指定值）相比较，得出该客户在群体中的相对价值水平，综合三项指标将客户群体划分为8种类型，从而便于为不同类型的客户采取有针对性的运营手段。
模型创建包括三部分：基本信息、模型规则、模型更新规则设置。其中，基本信息负责定义模型名称、模型描述。其他设置项内容较多，详见后文。
模型规则配置
系统支持针对R、F、M三个参数进行取值规则的定义，也可将其中一个参数关闭，针对剩下的两个有需要的参数做模型配置。
先定义每个参数的取值规则、模型取值、模型更新规则信息：
（1）参数取值规则定义
| 配置项 | 配置说明 |
|---|---|
| 选择标签 | 针对配置的参数选择对应的标签，仅支持选择数值型标签 注：所选标签需要先发布并进行过数据更新 |
| 数值特征 | 基于选择的标签展示对应的箱形图分析结果，用于指导区间赋值 例：所选的消费间隔标签中位数为7天，则可将标签值细分为两层：min-7，7-max |
| 取值方式 | 支持针对数据进行区间赋值，或是直接使用原始值做数据判断。取值结果将用于和参数对比值进行对比，进一步将模型参数划分为高、低两个等级。【区间赋值】1. 按标签原始值划分区间赋予分值，可以划分成2-5个区间赋分。赋值框采用左闭右开的方式进行分数计算。2. 采用区间赋值方式，分数越大代表模型参数水平越高，模型值结果越好。配置消费间隔数据时，记得给间隔时间小的数据赋予更高的分数。3. 区间赋值支持设置0-99分【原始值】1. 将直接将原始值与参数对比值进行对比，基于对比结果将模型参数划分为高、低两个等级2. 基于模型参数定义，R的数值越小，模型参数水平越高；F、M的数值越大，模型参数水平越高 |
| 参数对比值 | 参数对比值是衡量客户在单个参数下的价值基准。参数对比支持直接使用平均值或是自定义标准。 |
（2）模型取值定义
每个参数最终会生成高、低两个参数值，对开启的参数的值的自由组合将生成2^n个模型值。即：若开启2个参数，将生成2*2=4个模型值；若3个参数均开启，将生成2*2*2=8个模型值。
配置完成后，可通过底部的「预估人数」功能对数据做预计算，系统基于最新分区的实体表做实时计算，生成实例结果的模型值分布情况数据。
（3）模型更新规则定义
模型数据支持周期更新、手动更新。周期更新的配置项与标签配置相同，此处不做赘述。
模型数据更新成功后，可基于RFM模型对客户做价值分析。
创建生命周期模型
内置的生命周期模型包括APMDR模型、AIPL模型、AARRR模型三种。其中AARRR模型侧重于建立客户对产品的直接经济价值及其转介绍价值，AIPL模型侧重于建立客户对产品的品牌价值。AARRR、AIPL模型更多的站在产品角度进行生命周期价值评价，APMDR模型则更多的站在客户角度进行生命周期评价。APMDR侧重于建立客户对单个细分产品的生命周期管理，强调了对客户生命周期后期的管理。
模型基本概念介绍
- APMDR模型
根据客户在不同生命周期阶段具有的不同客户价值，开展具有针对性的客户经营服务活动。
- A（Acquisition ）：获取期
- P（Promotion ）：提升期
- M（Maturity ）：成熟期
- D（Decline）：衰退期
- R（Retain）：挽留期
- AIPL模型
将用户对品牌的认知量化的一个营销模型，实现品牌人群资产定量化、链路化。
- A（Awareness）：代表品牌认知人群，一般指与品牌被动发生接触的人群，例如品牌广告触达和品类词搜索的人。
- I（Interest）：代表品牌兴趣人群，一般指与品牌主动发生接触的人群，例如广告点击、浏览品牌/店铺主页、参与品牌互动、浏览产品详情页加购收藏的人。
- P（Purchase）：代表品牌购买人群，包括发生过购买行为的人。
- L（Loyalty）：代表品牌忠诚人群，例如购买人群中，发生了复购行为或对品牌有正面评价、分享的人。
- AARRR模型
AARRR分别代表了五个单词，又分别对应了产品生命周期中的五个阶段：
- Acquisition [获取]: 用户从不同渠道来到你的产品
- Activation [激活]:用户在你的产品上完成了一个核心任务(并有良好体验)
- Retention [存留]:用户回来继续不断的使用你的产品
- Revenue [收益]:用户在你的产品上发生了可使你收益的行为
- Referral [推荐]: 用户通过你的产品，推荐引导他人来使用你的产品
模型配置
三个生命周期模型的配置规则大体相同，系统会根据所选的生命周期模型预置模型值，用户也可在此基础上对模型值的名称及数量做调整。
模型创建包括三部分：基本信息、模型规则、模型更新规则设置。其中，基本信息、模型更新规则整体定义内容与RFM模型类似，模型规则配置主要是基于选定的标签做条件过滤，具体配置如下：
基于选择的模型，系统会预置模型值：
- APMDR模型：获取期、提升期、成熟期、衰退期、挽留期
- AIPL模型：认知、兴趣、购买、忠诚
- AARRR模型：获取、激活、存留、收益、推荐
在预置的模型值基础上，用户可以新建/删除模型值，最多支持创建6个模型值，最少支持配置1个模型值。
可选择已发布、历史进行过数据更新的标签进行模型值定义条件配置。最多支持5层切或关系的配置。模型值将基于实例的最新标签结果进行计算（实体表的最新结果）。
规则配置完成后，可通过「预估人数」功能进行模型值分布评估，以帮助确定分布规则定义的有效性。
模型数据更新成功后，可基于APMDR模型对客户做生命周期分析。
模型详情
模型创建后，可点击模型名称进入模型详情中查看模型配置信息，可通过更新状态查看模型数据最新更新状态。
可点击「更新」立即更新数据。
创建模型后，可前往任务中心查看任务运行情况（任务管理、群组实例）。