基于浙江省纸箱厂购买瓦楞纸的订单购买数据，根据用户购买金额、购买频率、购买间隔等数据算法进行综合评分，通过合理的模型识别识别高价值客户，为精细化营销合理的用户粘性分析，帮助本行业企业进行精准营销，深度分析用户购买力、购买粘性等，用户综合评分越高，说明用户粘性越高。根据纸箱厂购买瓦楞纸板用户分析数据，能更精准地预测区域市场需求，可以分析出区域性的包装需求变化（如电商旺季影响）、原材料价格走势，形成有价值的行业报告。
在自研的纸包装数据中台中，通过对订单的相关数据，进行加工、分析，最终生成上述数据。1、数据来源：企业内部订单数据。2、数据处理：RFM数据模型， 通过对用户最近一次购买的时间间隔评分R，购买频率评分F，购买金额评分M进行评分处理。1.计算每个用户的 “最近购买时间距离数据分析日天数”，最近购买时间距离数据分析日天数 = 分析日期 - 最后一次下单日期-1，统计所有用户的 “最近购买时间距离数据分析日天数”，找出最大值，记为 “最大购买时间间隔”，计算时间间隔评分 R = （最大购买时间间隔 - 最近购买时间距离数据分析日天数）/ 最大购买时间间隔；2.统计每个用户最近购买次数，即 “最近消费频率”，找出所有用户中 “最近消费频率” 的最大值，记为 “最高消费频率”，计算消费频率评分 F= 最近消费频率 / 最高消费频率；统计每个用户最近累计购买金额，即 “最近购买金额”，找出所有用户中 “最近购买金额” 的最大值，记为 “最高购买金额”，计算购买金额评分 M = 最近购买金额 / 最高购买金额。最后进行整合RFM=3*R+3*F+4*M（四舍五入保留小数点后两位）得出用户综合评分,综合评分在0-10分之间，综合评分越高，用户粘性越高。
| 字段名 | 类型 | 描述 |
|---|---|---|
用户编号 |
-- | -- |
省份 |
-- | -- |
分析日期 |
-- | -- |
最后一次下单日期 |
-- | -- |
最近购买时间距离数据分析日天数（天） |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 用户编号 | 000448,000322,000026,000155,000238 |
| 省份 | 浙江省,浙江省,浙江省,浙江省,浙江省 |
| 分析日期 | 2025年12月17日,2025年12月17日,2025年12月17日,2025 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/8423054