接下來，讓我來講講除了提供需求單位想要的資料外，資料分析師還可以做什麼提供可協助決策的建議。
以下我來談談 RFM, NES 跟 Cohort 這3個分析法吧 ~

RFM

這個分析法大致上就是把會員分別標上3個層級的指標，分別是 :

• R : Recency, 最後一次消費離目前多近的程度
• F : Frequency, 分析時間區間中，所消費的次數
• M : Monetary, 分析時間區間中，總花費的金額

怎麼切呢？通常是把所有會員，分別將這3個指標從程度最高排到低來切等份，通常是三等份。
那麼每個會員就會有 RFM 貼標了，後續就可以讓行銷人員，找出他們所想進行推廣的受眾，比如 Recency 不用這麼近，那就抓中等的那群人吧 ~ 他們該回來了，Frequency 想抓前二個等份，而 Monetary 這次的行銷活動不管，只要應該要回來的人有回來就好。那就是抓 Recency 是 2(中等的那群)、Frequency 是 1(1是消費頻率最高) & 2、Monetary 1~3 的貼標都抓，這樣你就有受眾了。
當然還有很多可以微調的部份，比如你不想要等份，你想指定數值來切。或是將其中一個指標換成公司較重要的指標。
可以參考我過去在 kaggle 上做的 RFM 分析程式碼 : https://www.kaggle.com/code/liviachen/e-commerce-data-etl-rfm-model

NES

這個就有趣了，我一開始在國外的文章沒有看過這個分析法，但是我當時的主管希望我也做一個這樣的分析。
在不知會有什麼效果的情況下做了這個分析.. 覺得蠻有趣的，善用的話也許可以幫助公司即早拉回快跑票的客戶。
又來了喔，這個也是分群，不過它不是在每個會員身上貼標 - 它是把每個會員分別貼上 New(新會員) Existing (現有活躍會員) Sleeping(沉睡會員)

• 新會員 : 也許是最近一個月來成為會員的人，看每個公司如何定義
• 現有活躍會員 : 將會員各別過去購買的期間算出後，來看看他是否仍在購買週期中，是的話是現有活躍會員
• 沉睡會員 : 一樣計算出各別會員購買的週期後，已超出週期者，就是進入沉睡了

不過沉睡會員還可以再區分他睡的週期多深來進行喚醒，當然行銷人員也可能鎖定的會是現有活躍會員。

Cohort

最後，Cohort 長怎樣呢？

這邊，我只有截部份的圖而已，過去我主要是用來將每個週期(天 or 週 or 月)加入的新會員，看看他們的各自留存率。
也就是，如果新的行銷 campaign 上了，或是網站或 APP 新功能上了，對於不同區間進來的會員留存率是否會產生不同的變化呢？這樣子的更動到底是好還是不好呢？也許可以用 Cohort 來一探究竟。

• 註 : 為什麼只針對會員來進行分析嗎？難道還沒註冊成會員就不是人了嗎 ~
  -> 因為會員才有資料可以進行推播跟聯繫啊 ~