登录后查看消息通知
遇见数据集
浙江食间百态电子商务有限公司

浙江食间百态电子商务有限公司

企业

浙江食间百态电子商务有限公司成立于2023年,属零售业,主营食品生产。面向客户价值分析、零售消费、RFM模型等领域提供数据服务,开放广东省糕点消费客户分级评价数据(客户价值分析、零售消费)、辽宁省糕点消费客户分级评价数据(客户价值分析、RFM模型)、黑龙江省糕点消费客户分级评价数据(客户关系管理、零售业分析),支撑品质管理与工艺优化。

客户价值分析零售消费客户分层模型零售服务
成立于 2023 年浙江省853633478@qq.com

数据概览

21
数据集总量
261
总浏览量
0
关注人数
2026-01-02
最近更新
分类统计

相关机构

  • 杭
    杭州沄涞科技有限公司
    拥有数据集:130个
    企业
  • 杭
    杭州信萃科技有限公司
    拥有数据集:96个
    企业
  • 账
    账王(杭州)科技有限公司
    拥有数据集:95个
    企业
  • 杭
    杭州汝艺教育科技有限公司
    拥有数据集:50个
    企业
  • 湖
    湖州丽可珑服饰有限公司
    拥有数据集:48个
    企业

数据集列表

湖北省糕点消费客户分级评价数据
客户分析
RFM模型
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-25 更新50
山东省糕点消费客户分级评价数据
客户价值分析
零售业分析
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-17 更新150
浙江省糕点消费客户分级评价数据
客户价值分析
零售消费
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-17 更新60
河南省糕点消费客户分级评价数据
客户细分
RFM模型
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-17 更新130
黑龙江省糕点消费客户分级评价数据
客户关系管理
零售业分析
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-17 更新210
辽宁省糕点消费客户分级评价数据
客户价值分析
RFM模型
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-17 更新200
四川省糕点消费客户分级评价数据
客户细分
零售业分析
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-17 更新160
河北省糕点消费客户分级评价数据
客户细分
RFM模型
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-17 更新170
广西壮族自治区糕点消费客户分级评价数据
客户价值管理
消费行为分析
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-17 更新50
福建省糕点消费客户分级评价数据
客户价值管理
零售分析
采集销售记录表中购买糕点的数据,通过客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元, 采用 RFM 模型对客户进行价值评级,实现精准化运营,通过对购买糕点客户价值管理,满足不同价值客户的个性化需求。对A级客户,每个月进行一次回访维护,对B级客户,每个季度进行一次回访维护,对C级客户每半年进行一次回访维护,对D级客户每年进行一次回访维护。另外可以为本客户群体高度重叠企业提供不同价值类型的客户个性化服务的数据支持。对从销售记录表中采集到的数据进行脱敏、降噪、清洗、聚集、分析。2、数据加工:运用RFM模型结合客户在2025年7月1日距离2025年8月30日间隔的距离最近一次消费时间天数R天、客户在2025年7月1日至2025年8月30日之间消费件数F和客户在2025年7月1日至2025年8月30日之间消费金额M元的得分排名对客户进行一个综合排名,最终得出一个RFM总评分。a.提取出最近一次消费时间距离当前分析时间的天数R、客户在2025年7月1日距离2025年8月30日之间消费件数F和客户在2025年7月1日距离2025年8月30日之间消费金额M元进行分类,最近一次消费时间间隔最短的客户排在最上面。按照从1-5评分,前20%的客户获得5分,接下来的20%用户获得4分,再下来20%的客户为3分,再下来20% 的客户为2分,最后20% 的客户为1分。 b.根据客户在2025年7月1日距离2025年8月30日消费件数F从高到底依次对用户进行分类,前20%的客户在用户活动频率的分数为5,以此类推。 C, 根据客户在2025年7月1日距离2025年8月30日消费金额M元,前20%的客户在消费金额的分数为5,以此类推。消费金额最少的20%客户则分数为1。 RFM得分=0.3*(R得分)+0.3*(F得分)+0.4*(M得分) 评分大于等于4分的为A级客户,大于等于3小于4的为B级客户,大于等于2小于3的为C 级客户,低于2的为D级客户。
浙江省数据知识产权登记平台2025-12-15 更新100
关于我们
遇见数据集——让每个数据集都被发现,让每一次遇见都有价值。
数发科官网www.sfktec.com
联系我们
selectdataset@iotsh.com.cn
商业合作
数据驱动未来,携手共赢发展
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
热门搜索