这里要考虑几个问题：
    为什么要使用三个维度？
    为什么选择的三个维度？
    这三个维度有无优先级？
    这个三个维度应该怎么选择具体的范围？

    RFE模型基于用户的普通行为（非转化或交易行为）产生，它跟RFM类似都是使用三个维度做价值评估。 RFE 模型是根据会员最近一次访问时间R（ Recency）、访问频率 F（Frequency）和页面互动度 E（Engagements）计算得出的RFE得分。 其中：

    • 最近一次访问时间 R（ Recency）： 会员最近一次访问或到达网站的时间。
    • 访问频率 F（ Frequency）：用户在特定时间周期内访问或到达的频率。
    • 页面互动度 E（ Engagements）：互动度的定义可以根据不同企业的交互情况而定，例如可以定义为页面 浏览量、下载量、 视频播放数量等。

    在RFE模型中， 由于不要求用户发生交易， 因此可以做未发生登录、 注册等匿名用户的行为价值分析， 也可以做 实名用户分析。 该模型常用来做用户活跃分群或价值区分， 可用于内容型（例如论坛、新闻、资讯等）企业的会员 分析。
    RFM和 RFE模型的实现思路相同， 仅仅是计算指标发生变化。 对于RFE的数据来源， 可以从企业自己监控的用户行为日志获取，也可以从第三方网站分析工具获得。

    在得到用户的RFE得分之后， 跟 RFM 类似也可以有两种应用思路：
    思路 1：基于三个维度值做用户群体划分和解读，对用户的活跃度做分析。 RFE得分为 313 的会员说明其访问频率 低， 但是每次访问时的交互都非常不错， 此时重点要做用户回访频率的提升， 例如通过活动邀请、 精准广告投放、会员活动推荐等提升回访频率。
    思路 2：基于RFE的汇总得分评估所有会员的活跃度价值， 并可以做活跃度排名； 同时，该得分还可以作为输入维 度跟其他维度一起作为其他数据分析和挖掘模型的输入变量， 为分析建模提供基础。

    参考文献：宋天龙. 《Python数据分析与数据化运营 》