::SinRain:: Simple Dream Easy Go

　　根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三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(Frenquency)
• 消费金额(Monetary)

RFM可以用来提高客户的交易次数。业界常用的DM(直接邮寄)，常常一次寄发成千上万封邮购清单，其实这是很浪费钱的。根据统计(以一般邮购日用品而言)，如果将所有R(Recency)的客户分为五级，最好的第五级回函率是第四级的三倍，因为这些客户刚完成交易不久，所以会更注意同一公司的产品信息。如果用M(Monetary)来把客户分为五级，最好与次好的平均回复率，几乎没有显著差异。

　　有些人会用客户绝对贡献金额来分析客户是否流失，但是绝对金额有时会曲解客户行为。因为每个商品价格可能不同，对不同产品的促销有不同的折扣，所以采用相对的分级(例如R、F、M都各分为五级)来比较消费者在级别区间的变动，则更可以显现出相对行为。企业用R、F的变化，可以推测客户消费的异动状况，根据客户流失的可能性，列出客户，再从M（消费金额）的角度来分析，就可以把重点放在贡献度高且流失机会也高的客户上，重点拜访或联系，以最有效的方式挽回更多的商机。 

漏斗模型：
是页面点击流数据仓库的一个重要的应用，类似漏斗过滤一样的，有效用户点击越来越少。
用户在发生试图交易的时候，页面流程越长 流失率越大。
如果某个页面的流失率超过一个伐值，可以判定这个页面的UE有严重的BUG需要修复。

运维的最重要的KPI是活跃会员总数，所以监控其波动 和分析其变动原因是YY团队很重要的一个保障工作，但是核心的工作是提升KPI。引导客户使用新的应用场景是提升用户参与度的一个
持续活跃率：指老用户在最近的一个统计周期内又活跃的比例，反应了用户粘滞度的大小。对老手最好的策略就是不用除了人文关怀之外的任何策略。

DM要做的事情就是把YY的事情量化，DW要做的事情就是把量化的事情用合适合理的形式展现给内部用户。