RFM模型的理解

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于RFM模型的理解的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

• 1、用RFM模型劃分用戶等級(jí)

• 2、用戶價(jià)值分層——基于RFM模型的研究分析

• 3、用戶體系搭建（二）——如何用RFM劃定用戶層級(jí)

• 4、rfm模型的三個(gè)指標(biāo)是什么?

一、用RFM模型劃分用戶等級(jí)

如何對(duì)用戶進(jìn)行等級(jí)分層，我們需要了解一個(gè)最常用的客戶分類模型，那就是RFM模型。

RFM模型是在客戶關(guān)系管理（CRM）分析模式中最受關(guān)注和應(yīng)用的模型之一。它主要通過最近一次消費(fèi)（recency）、消費(fèi)頻率（frequency）、消費(fèi)金額（monetary）這三個(gè)維度的用戶行為來對(duì)用戶進(jìn)行分層。RFM分別是這三個(gè)英文單詞的首字母縮寫。通過這一模型，企業(yè)可以動(dòng)態(tài)地掌握用戶對(duì)企業(yè)的長(zhǎng)期價(jià)值，甚至預(yù)測(cè)客戶的終身價(jià)值。

R（recency）指最近的消費(fèi)時(shí)間。最近一次消費(fèi)時(shí)間越近，說明這個(gè)用戶近期是活躍的，對(duì)企業(yè)是有印象的。最近一次消費(fèi)距當(dāng)下時(shí)間越久，就越說明這個(gè)用戶可能沉睡或流失了，需要企業(yè)通過客戶關(guān)懷、營(yíng)銷活動(dòng)去觸達(dá)他，想辦法將他再次激活，盡量挽回這個(gè)用戶。

F（frequency）指消費(fèi)頻率。消費(fèi)頻率越高，消費(fèi)也越活躍，代表用戶對(duì)企業(yè)或品牌越認(rèn)可，對(duì)企業(yè)貢獻(xiàn)的銷售價(jià)值越大。反之，消費(fèi)頻率低，甚至用戶只來了一次后就再也沒來，說明用戶不活躍，相應(yīng)的貢獻(xiàn)價(jià)值也就少了。這時(shí)候企業(yè)就需要進(jìn)行反思，他到底是不是企業(yè)的真正目標(biāo)用戶，是不是“薅羊毛”的用戶，又或者是不是企業(yè)的產(chǎn)品和服務(wù)有問題，傷害到了他?？傊?，企業(yè)需要針對(duì)消費(fèi)頻率這一數(shù)據(jù)進(jìn)行分析研究，找到原因，并想辦法解決。

M（monetary）指一段時(shí)間內(nèi)的消費(fèi)金額。消費(fèi)金額高，既說明用戶對(duì)企業(yè)產(chǎn)品的需求大，也能反映用戶的消費(fèi)能力，同時(shí)還說明對(duì)企業(yè)和品牌的認(rèn)可。在一段時(shí)間內(nèi)，消費(fèi)金額跟消費(fèi)頻率呈正相關(guān)，消費(fèi)頻率越高，累計(jì)的消費(fèi)金額也會(huì)越高。

企業(yè)通過這三個(gè)維度合理評(píng)估用戶的長(zhǎng)期價(jià)值，把用戶分為不同的等級(jí)，并對(duì)不同等級(jí)的用戶投入不同的資源和時(shí)間來維護(hù)，這樣就能讓公司的資源效果實(shí)現(xiàn)最大化。

過去，互聯(lián)網(wǎng)沒有如此發(fā)達(dá)，傳統(tǒng)企業(yè)沒有實(shí)現(xiàn)數(shù)字化，企業(yè)很難抓取用戶的實(shí)時(shí)數(shù)據(jù)，沒辦法實(shí)時(shí)掌握用戶動(dòng)態(tài)、群體畫像，很難做精細(xì)化運(yùn)營(yíng)管理。而現(xiàn)在，無論是投廣告、做活動(dòng)，還是依靠微信、社群、小程序、App，都能實(shí)時(shí)獲得大量數(shù)據(jù)，并且有了成熟的CRM軟件之后，企業(yè)能夠輕松地對(duì)用戶消費(fèi)數(shù)據(jù)進(jìn)行分析，進(jìn)而做出正確的決策。

在實(shí)際應(yīng)用中，我們可以將RFM這三個(gè)維度，每個(gè)維度一分為二，大寫字母代表高，小寫字母代表低。這樣一來就得到8組用戶分類。

重要價(jià)值客戶：最近消費(fèi)時(shí)間近、消費(fèi)頻次和消費(fèi)金額都很高，他們是企業(yè)的VIP客戶。

重要發(fā)展客戶：最近消費(fèi)時(shí)間較近、消費(fèi)金額高，但頻次不高，忠誠(chéng)度不高。他們是很有消費(fèi)潛力的用戶，需要重點(diǎn)發(fā)展。

重要保持客戶：最近一次消費(fèi)時(shí)間較遠(yuǎn)，但曾經(jīng)一段時(shí)間內(nèi)消費(fèi)頻次和金額都很高，說明他過去是個(gè)忠誠(chéng)客戶，企業(yè)需要主動(dòng)和他聯(lián)系，嘗試激活。

重要挽留客戶：最近消費(fèi)時(shí)間較遠(yuǎn)、消費(fèi)頻次不高，但消費(fèi)金額高，這些可能是將要流失或者已經(jīng)流失的用戶，企業(yè)應(yīng)當(dāng)采取挽留措施。

后面的一般價(jià)值客戶、一般發(fā)展客戶、一般保持客戶、一般挽留客戶相比前面四組的重要性會(huì)低一些。在實(shí)際成交客戶中，如果對(duì)這8組客戶維度進(jìn)行簡(jiǎn)化分類，我們可以把他們分為A、B、C三個(gè)等級(jí)。這樣，企業(yè)員工在維護(hù)時(shí)會(huì)更好地理解、操作。

總而言之，企業(yè)在人格上對(duì)用戶要一視同仁，尊重用戶，友善相待，但是在商業(yè)服務(wù)上則要區(qū)別對(duì)待。企業(yè)不要試圖給所有用戶一樣的服務(wù)，而是要將更高級(jí)的服務(wù)提供給那些更認(rèn)可企業(yè)、能帶來更高價(jià)值的用戶。

二、用戶價(jià)值分層——基于RFM模型的研究分析

• R（Recency）：消費(fèi)間隔，最近一次距離上次消費(fèi)的時(shí)間間隔

• F（Frequency）：消費(fèi)頻次，一段時(shí)間（1個(gè)月/1年...）內(nèi)的消費(fèi)總次數(shù)

• M（Monetary）：消費(fèi)金額，一段時(shí)間（1個(gè)月/1年...）內(nèi)的消費(fèi)總金額

      RFM模型是用戶價(jià)值研究中的經(jīng)典模型，基于近度（Recency），頻度（Frequency）和額度（Monetory）這3個(gè)指標(biāo)對(duì)用戶進(jìn)行聚類，找出具有潛在價(jià)值的用戶, 從而輔助商業(yè)決策，提高營(yíng)銷效率。RFM作為一種數(shù)據(jù)驅(qū)動(dòng)的客戶細(xì)分技術(shù)，可幫助營(yíng)銷人員做出更明智的戰(zhàn)略性決策，使?fàn)I銷人員能夠快速識(shí)別用戶并將其細(xì)分為同類群體，并針對(duì)性制定個(gè)性化的營(yíng)銷策略，提高用戶的參與度和留存率。

      RFM建模所需要的數(shù)據(jù)源是相對(duì)簡(jiǎn)單的，只用到了購買記錄中的時(shí)間和金額這兩個(gè)字段。我們基于交易數(shù)據(jù)中用戶的最后一次的購買時(shí)間，購買的次數(shù)以和頻率，以及平均/總消費(fèi)額對(duì)每個(gè)用戶計(jì)算了三個(gè)維度的標(biāo)準(zhǔn)分。然后我們對(duì)于三個(gè)維度賦予了不同的權(quán)重，再基于加權(quán)后的分值應(yīng)用K-Means進(jìn)行聚類，根據(jù)每種人群三個(gè)維度與平均值之間的高低關(guān)系，確定哪些是需要保持用戶，哪些是需要挽留的用戶，哪些是需要發(fā)展的用戶等。在將這些客戶圈出之后，便可以對(duì)不同客戶群使用不同針對(duì)性地營(yíng)銷策略（引導(dǎo)，喚醒等），提高復(fù)購率與轉(zhuǎn)化率。值得注意的是，三個(gè)維度的權(quán)重制定并沒有統(tǒng)一的標(biāo)準(zhǔn)，比較通用的方法是用層次分析法(AHP)，實(shí)際場(chǎng)景結(jié)合行業(yè)以及具體公司的特點(diǎn)進(jìn)行因地制宜、因人而異的優(yōu)化。

RFM因素：

• R值越高，顧客的有效期越近，對(duì)商家活動(dòng)的響應(yīng)越積極

• F值越高，顧客的消費(fèi)頻次越高，對(duì)商家的忠誠(chéng)度就越高

• M值越高，顧客的消費(fèi)能力越高，對(duì)商家貢獻(xiàn)度就越高

• 想要提高復(fù)購率和留存率，需要時(shí)刻警惕R值

RFM分析：

• 誰是您最有價(jià)值的客戶？

• 導(dǎo)致客戶流失率增多的是哪些客戶？

• 誰有潛力成為有價(jià)值的客戶？

• 你的哪些客戶可以保留?

• 您哪些客戶最有可能對(duì)參與度活動(dòng)做出響應(yīng)？

• 誰是你不需要關(guān)注的無價(jià)值客戶？

• 針對(duì)哪些客戶制定哪種發(fā)展、保留、挽回策略？

      通過RFM模型，可以幫助營(yíng)銷人員實(shí)現(xiàn)客戶細(xì)分；衡量客戶價(jià)值和客戶利潤(rùn)創(chuàng)收能力；識(shí)別優(yōu)質(zhì)客戶；指定個(gè)性化的溝通和營(yíng)銷服務(wù)；為更多的營(yíng)銷決策提供有力支持。

數(shù)據(jù)導(dǎo)入：使用python的pandas.read_csv導(dǎo)入樣本數(shù)據(jù)。

缺失值校驗(yàn)：因數(shù)據(jù)為生產(chǎn)真實(shí)的交易數(shù)據(jù)，質(zhì)量相對(duì)較高，缺失值較低。

極值校驗(yàn)：第一份樣本數(shù)據(jù)獲取的用戶訂單實(shí)付金額，其中會(huì)存在優(yōu)惠或補(bǔ)差支付，同時(shí)因就餐人數(shù)不一致，產(chǎn)生的的訂單消費(fèi)也會(huì)存在較大的差異，造成極致波動(dòng)、標(biāo)準(zhǔn)差值較大，因此需對(duì)金額進(jìn)行處理，以人均消費(fèi)額替代訂單支付金額，可去掉10元以下、萬元以上的交易訂單。

獲取RFM值：使用 groupby獲取RFM值

獲取RFM評(píng)分值：數(shù)據(jù)離散，pandas.cut

實(shí)驗(yàn)數(shù)據(jù)RFM分值占比

說明：F、M分布不均勻，極值差異大，經(jīng)數(shù)據(jù)探查知曉該商戶開通了企業(yè)團(tuán)餐業(yè)務(wù)，企業(yè)會(huì)給員工發(fā)放補(bǔ)貼，導(dǎo)致員工呈現(xiàn)較高的消費(fèi)頻次，該類用戶的消費(fèi)行為絕大程度依賴于企業(yè)，在實(shí)際的RFM模型可踢出此類訂單，降低此類人群的分值，其次數(shù)據(jù)中的M值為客戶實(shí)付金額，該商戶支持預(yù)定、會(huì)餐、大小桌，同一單的消費(fèi)群體不同，或可使用人均消費(fèi)總額作為M值。

RFM數(shù)據(jù)合并，建立R、F、M數(shù)據(jù)框：pandas+numpy

計(jì)算RFM綜合分值：權(quán)重法

權(quán)重值主要賦值方法可分為主觀賦權(quán)法、客觀賦權(quán)法，如下：

主觀賦權(quán)法：主要由專家經(jīng)驗(yàn)得到權(quán)數(shù)，然后對(duì)指標(biāo)進(jìn)行綜合評(píng)價(jià)。是一種結(jié)合性方法，易操作，存在一定主觀性。常用方法：層次分析法AHP、權(quán)值因子判斷表法、德爾菲法、模糊分析法、二項(xiàng)系數(shù)法、環(huán)比評(píng)分法、最小平方法、序關(guān)系分析法等。

客觀賦權(quán)法：依據(jù)歷史數(shù)據(jù)研究指標(biāo)之間的相關(guān)關(guān)系或指標(biāo)與評(píng)估結(jié)果的影響關(guān)系來綜合評(píng)價(jià)。這是定量研究，無須考慮決策者主觀意愿和業(yè)務(wù)經(jīng)驗(yàn)，計(jì)算方法較為復(fù)雜。常用方法：主成分分析、因子分析、熵值法、變異系數(shù)法、均方差法、回歸分析法等。

因樣本數(shù)據(jù)分布不均勻，故手動(dòng)賦權(quán)重值，去除部分極值。

結(jié)論：以近90天的消費(fèi)活躍來看，用戶消費(fèi)頻次集中在1-6次，呈現(xiàn)出極佳的復(fù)購率?？梢葬槍?duì)消費(fèi)一次的人群進(jìn)行特征分析。比如針對(duì)人群的流動(dòng)性，若流動(dòng)人群占比較大，可進(jìn)一步推廣特色菜吸引客戶，若周邊人群占比較高，可基于復(fù)購人群的特征進(jìn)行分析，同時(shí)平臺(tái)可提供該類人群近期消費(fèi)偏好，供商家參考，制定針對(duì)性方案。

      了解RFM定義后，將3個(gè)指標(biāo)作為坐標(biāo)系的XYZ坐標(biāo)軸，從空間上切割成8類，作為用戶的價(jià)值分層，如下圖：

用戶價(jià)值分層說明：

上面我們已經(jīng)計(jì)算得到各個(gè)用戶的RFM分值，接下來要依據(jù)分值進(jìn)行分類。

定義RFM 的分值等級(jí)

使用pyecharts繪制玫瑰圖：

結(jié)論：商家顧客表現(xiàn)出來的忠誠(chéng)度較高，但新客獲取能力較低。但是單純看分層占比，并沒有實(shí)際意義，可以基于價(jià)值分層與其他特征關(guān)聯(lián)分析進(jìn)行精準(zhǔn)投放。如下圖（網(wǎng)絡(luò)參考圖，本期實(shí)驗(yàn)并未涉及其他特征）所示：

      用戶畫像是基于用戶信息與行為衍生出來的特征屬性，用戶的準(zhǔn)入信息是用戶的主觀特征，是一種既定的事實(shí)，通過對(duì)用戶行為的采集、研究，刻畫出單個(gè)用戶的特征。其意義在于基于某一事物對(duì)群里特征進(jìn)行分類，有效的體現(xiàn)事物的合適人群；同時(shí)針對(duì)群里特征的偏愛、習(xí)慣研究，可以刻畫出用戶的需求，實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷。

      用戶畫像的基礎(chǔ)成分來源于用戶的準(zhǔn)入信息（會(huì)員注冊(cè)時(shí)的登記信息），更多的特征數(shù)據(jù)來源于用戶的各類行為，而RFM模型便是基于用戶消費(fèi)行為提煉出來的價(jià)值指標(biāo)。通過對(duì)各個(gè)價(jià)值分層的群體特征研究，可以有效提升獲客能力以及針對(duì)各類人群實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷。

      市場(chǎng)和運(yùn)營(yíng)往往絞盡腦汁做活動(dòng)、上新品、蹭熱點(diǎn)、做營(yíng)銷，拓渠道，不斷開發(fā)客戶、做回訪維系客戶感情，除了少數(shù)運(yùn)氣好的之外，但大多效果寥寥，這是為何？

      經(jīng)驗(yàn)豐富的營(yíng)銷人員都知道“了解客戶”和“客戶細(xì)分”的重要性。營(yíng)銷人員不僅要著眼于創(chuàng)造更多的訪問量和點(diǎn)擊量以提高客戶獲取，還必須遵循從提高點(diǎn)擊率（CTR）轉(zhuǎn)變?yōu)樘岣弑Ａ?，忠誠(chéng)度并建立客戶關(guān)系的新范式。與其將整個(gè)客戶群作為一個(gè)整體進(jìn)行分析，不如將其劃分為同類群體，了解每個(gè)群體的特征，并使他們參與相關(guān)的活動(dòng)，而不是僅根據(jù)客戶年齡或地理位置進(jìn)行客戶細(xì)分。而RFM分析是市場(chǎng)營(yíng)銷人員分析客戶行為的最流行、最簡(jiǎn)單、最有效的客戶細(xì)分方法之一。

針對(duì)RFM分層用戶制定相應(yīng)的營(yíng)銷策略:

      • 重要價(jià)值客戶是您的最佳客戶，他們是那些最新購買，最常購買，并且花費(fèi)最多的消費(fèi)者。提供VIP服務(wù)和個(gè)性化服務(wù)，獎(jiǎng)勵(lì)這些客戶，他們可以成為新產(chǎn)品的早期采用者，并有助于提升您的品牌。

      • 重要發(fā)展客戶：近期客戶，消費(fèi)金額高，但平均頻率不太高，忠誠(chéng)度不高。提供會(huì)員或忠誠(chéng)度計(jì)劃或推薦相關(guān)產(chǎn)品以實(shí)現(xiàn)向上銷售并幫助他們成為您的忠實(shí)擁護(hù)者和高價(jià)值客戶。

      • 重要保持客戶：經(jīng)常購買、花費(fèi)巨大，但最近沒有購買的客戶。向他們發(fā)送個(gè)性化的重新激活活動(dòng)以重新連接，并提供續(xù)訂和有用的產(chǎn)品以鼓勵(lì)再次購買。

      • 重要挽回客戶：曾經(jīng)光顧，消費(fèi)金額大，購買頻率低，但最近沒有光顧的顧客。設(shè)計(jì)召回策略，通過相關(guān)的促銷活動(dòng)或續(xù)訂帶回他們，并進(jìn)行調(diào)查以找出問題所在，避免將其輸給競(jìng)爭(zhēng)對(duì)手。

      •一般價(jià)值客戶：最近購買，消費(fèi)頻次高但消費(fèi)金額低的客戶，需要努力提高其客單價(jià)，提供產(chǎn)品優(yōu)惠以吸引他們。

      • 一般發(fā)展客戶：最近購買，但消費(fèi)金額和頻次都不高的客戶?？商峁┟赓M(fèi)試用以提高客戶興趣，提高其對(duì)品牌的滿意度。

      • 一般保持客戶：很久未購買，消費(fèi)頻次雖高但金額不高的客戶?？梢蕴峁┓e分制，各種優(yōu)惠和打折服務(wù)，改變宣傳方向和策略與他們重新聯(lián)系，而采用公平對(duì)待方式是最佳。

      • 一般挽留客戶：RFM值都很低的客戶。針對(duì)這類客戶可以對(duì)其減少營(yíng)銷和服務(wù)預(yù)算或直接放棄。

      此外，目前的RFM分析中，一般給與M值更高的權(quán)重，如果一般挽留客戶與一般發(fā)展客戶占據(jù)多數(shù)，說明公司的用戶結(jié)構(gòu)不是很合理，需要盡快采取措施進(jìn)行優(yōu)化。

三、用戶體系搭建（二）——如何用RFM劃定用戶層級(jí)

RFM是很傳統(tǒng)的數(shù)據(jù)分析模型，幾乎所有文章都會(huì)提到它，然而市面上RFM模型很多只是講解了如何通過RFM解決和劃定用戶群體，但是很少有詳細(xì)說明RFM模型的計(jì)算方式，本文講解RFM模型的含義及應(yīng)用以及如何使用SPSS計(jì)算RFM模型。

1、RFM模型概述

RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。在眾多的 客戶關(guān)系管理 的分析模式中，RFM模型是被廣泛提到的。該機(jī)械模型通過一個(gè)客戶的近期購買行為、購買的總體頻率以及花了多少錢3項(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。（摘自百度百科）

以上是百度百科對(duì)RFM模型的描述，說的比較復(fù)雜，簡(jiǎn)單的來講RFM是通過統(tǒng)計(jì)用戶最近購買時(shí)間（R），購買的次數(shù)（F），購買的金額（M）這三個(gè)維度來描述用戶在群體中的位置。對(duì)于這三個(gè)維度的描述具體如下：

基于這三個(gè)維度，將每個(gè)維度分為高低兩種情況，我們構(gòu)建出了一個(gè)三維的坐標(biāo)系。

通過圖表很直觀的發(fā)現(xiàn)，我們把客戶分為了2的三次方也就是8個(gè)群體。

2、RFM模型取數(shù)方法

根據(jù)RFM模型的定義，我們可以很容易的推導(dǎo)出，RFM模型的數(shù)據(jù)取數(shù)內(nèi)容主要包括三個(gè)字段即：最近購買時(shí)間、最近購買次數(shù)、消費(fèi)金額。但是在實(shí)際工作中也會(huì)有問題是我們要計(jì)算每個(gè)用戶的購買時(shí)間、購買次數(shù)費(fèi)事費(fèi)力，所以一般也可以通過統(tǒng)計(jì)訂單來進(jìn)行計(jì)算。

當(dāng)我們通過訂單進(jìn)行統(tǒng)計(jì)時(shí)需要包含以下字段

當(dāng)我們準(zhǔn)備好以上數(shù)據(jù)時(shí)就可以開始準(zhǔn)備計(jì)算RFM模型

考慮不少人不是很了解SPSS，下面也將包含一些SPSS基礎(chǔ)功能的講解

1、設(shè)置度量標(biāo)準(zhǔn)

SPSS分為數(shù)據(jù)視圖和變量視圖，在開始前需要在變量視圖中設(shè)置數(shù)據(jù)類型

SPSS中數(shù)據(jù)類型包括度量、名義、序號(hào)，

2、設(shè)置變量類型及寬度

變量類型是定義該變量是何種類，點(diǎn)擊類型彈出變量類型選擇彈窗

寬度定義變量的展示位數(shù)，對(duì)于Order_id、User_id等需要注意變量長(zhǎng)度，讓這兩個(gè)字段完全展示。

另外對(duì)于，Create_time這一字段應(yīng)選用日期這一類型并選擇yyyy:mm:dd

我們可以直接將excel里的數(shù)據(jù)直接復(fù)制過來。

4、選擇分析模型分析

Step1：選擇分析模型

完成數(shù)據(jù)準(zhǔn)備后選擇 直銷——RFM分析，不同漢化版本翻譯可能稍有不同

Step2：選擇數(shù)據(jù)格式

由于我們使用的是訂單記錄，所以我們選用交易數(shù)據(jù)

Stpe4:SPSS執(zhí)行RFM分析

SPSS完成分析后，會(huì)生成一個(gè)新的數(shù)據(jù)文件，記錄每個(gè)客戶的最近一次交易日期、交易總次數(shù)、交易總金額、RS/FS/MS分值、RFM匯總分值。

RFM匯總分值=RS分值 100+FS分值 10+MS分值。

選用分析—描述統(tǒng)計(jì)——描述這一方法計(jì)算RS\FS\MS均值

最終可得如下結(jié)果

選擇"重新編碼為不同變量"，先對(duì)客戶的RS進(jìn)行高低轉(zhuǎn)化。

依據(jù)上表，逐個(gè)設(shè)置各客戶類型所對(duì)應(yīng)的數(shù)據(jù)規(guī)則。

設(shè)置客戶類型=1的數(shù)據(jù)規(guī)則，操作如下：

重復(fù)以上操作設(shè)定不同數(shù)據(jù)類型

最后將將客戶類型編碼1、2、3、4、5、6、7、8轉(zhuǎn)換成實(shí)際客戶類型：

最終，可得出如下結(jié)果

四、rfm模型的三個(gè)指標(biāo)是什么?

根據(jù)美國(guó)數(shù)據(jù)庫營(yíng)銷研究所Arthur Hughes的研究，客戶數(shù)據(jù)庫中有3個(gè)神奇的要素，這3個(gè)要素構(gòu)成了數(shù)據(jù)分析最好的指標(biāo)：

1、最近一次消費(fèi)

最近一次消費(fèi)意指上一次購買的時(shí)候——顧客上一次是幾時(shí)來店里、上一次根據(jù)哪本郵購目錄購買東西、什么時(shí)候買的車，或在你的超市買早餐最近的一次是什么時(shí)候。

理論上，上一次消費(fèi)時(shí)間越近的顧客應(yīng)該是比較好的顧客，對(duì)提供即時(shí)的商品或是服務(wù)也最有可能會(huì)有反應(yīng)。營(yíng)銷人員若想業(yè)績(jī)有所成長(zhǎng)，只能靠偷取競(jìng)爭(zhēng)對(duì)手的市場(chǎng)占有率，而如果要密切地注意消費(fèi)者的購買行為，那么最近的一次消費(fèi)就是營(yíng)銷人員第一個(gè)要利用的工具。

歷史顯示，如果能讓消費(fèi)者購買，他們就會(huì)持續(xù)購買。這也就是為什么，0至3個(gè)月的顧客收到營(yíng)銷人員的溝通信息多于3至6個(gè)月的顧客。

2、消費(fèi)頻率

消費(fèi)頻率是顧客在限定的期間內(nèi)所購買的次數(shù)。我們可以說最常購買的顧客，也是滿意度最高的顧客。如果相信品牌及商店忠誠(chéng)度的話，最常購買的消費(fèi)者，忠誠(chéng)度也就最高。增加顧客購買的次數(shù)意味著從競(jìng)爭(zhēng)對(duì)手處偷取市場(chǎng)占有率，由別人的手中賺取營(yíng)業(yè)額。

分類：

根據(jù)這個(gè)指標(biāo)，我們又把客戶分成五等分，這個(gè)五等分分析相當(dāng)于是一個(gè)“忠誠(chéng)度的階梯”(loyalty ladder)，如購買一次的客戶為新客戶，購買兩次的客戶為潛力客戶，購買三次的客戶為老客戶，購買四次的客戶為成熟客戶，購買五次及以上則為忠實(shí)客戶。

其訣竅在于讓消費(fèi)者一直順著階梯往上爬，把銷售想象成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。

3、消費(fèi)金額

消費(fèi)金額是所有數(shù)據(jù)庫報(bào)告的支柱，也可以驗(yàn)證“帕雷托法則”(Pareto’s Law)——公司80%的收入來自20%的顧客。

它顯示出排名前10%的顧客所花費(fèi)的金額比下一個(gè)等級(jí)者多出至少2倍，占公司所有營(yíng)業(yè)額的40%以上。如看累計(jì)百分比的那一欄，我們會(huì)發(fā)現(xiàn)有40%的顧客貢獻(xiàn)公司總營(yíng)業(yè)額的80%；而有60%的客戶占營(yíng)業(yè)額的90%以上。

最右的一欄顯示每一等分顧客的平均消費(fèi)，表現(xiàn)最好的 10%的顧客平均花費(fèi)1195美元，而最差的10%僅有18美元 。

應(yīng)用意義

RFM模型較為動(dòng)態(tài)地顯示了一個(gè)客戶的全部輪廓，這對(duì)個(gè)性化的溝通和服務(wù)提供了依據(jù)，同時(shí)，如果與該客戶打交道的時(shí)間足夠長(zhǎng)，也能夠較為精確地判斷該客戶的長(zhǎng)期價(jià)值(甚至是終身價(jià)值)，通過改善三項(xiàng)指標(biāo)的狀況，從而為更多的營(yíng)銷決策提供支持。

在RFM模式中，R(Recency)表示客戶購買的時(shí)間有多遠(yuǎn)，F(xiàn)(Frequency)表示客戶在時(shí)間內(nèi)購買的次數(shù)，M (Monetary)表示客戶在時(shí)間內(nèi)購買的金額。一般的分析型CRM著重在對(duì)于客戶貢獻(xiàn)度的分析，RFM則強(qiáng)調(diào)以客戶的行為來區(qū)分客戶。

RFM非常適用于生產(chǎn)多種商品的企業(yè)，而且這些商品單價(jià)相對(duì)不高，如消費(fèi)品、化妝品、小家電、錄像帶店、超市等；

它也適合在一個(gè)企業(yè)內(nèi)只有少數(shù)耐久商品，但是該商品中有一部分屬于消耗品，如復(fù)印機(jī)、打印機(jī)、汽車維修等消耗品；RFM對(duì)于加油站、旅行保險(xiǎn)、運(yùn)輸、快遞、快餐店、KTV、行動(dòng)電話信用卡、證券公司等也很適合。

RFM可以用來提高客戶的交易次數(shù)。業(yè)界常用的DM(直接郵寄)，常常一次寄發(fā)成千上萬封郵購清單，其實(shí)這是很浪費(fèi)錢的。

根據(jù)統(tǒng)計(jì)(以一般郵購日用品而言)，如果將所有R(Recency)的客戶分為五級(jí)，最好的第五級(jí)回函率是第四級(jí)的三倍，因?yàn)檫@些客戶剛完成交易不久，所以會(huì)更注意同一公司的產(chǎn)品信息。如果用M(Monetary)來把客戶分為五級(jí)，最好與次好的平均回復(fù)率，幾乎沒有顯著差異。

以上就是關(guān)于RFM模型的理解相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。

推薦閱讀：

rfm模型怎么做

rfm數(shù)據(jù)分析模型（rfm分析表）

渲染方式surfaceview和Tex

文化產(chǎn)業(yè)創(chuàng)意策劃書（文化產(chǎn)業(yè)創(chuàng)意策劃書模板）

教育建筑景觀設(shè)計(jì)要點(diǎn)（教育建筑景觀設(shè)計(jì)要點(diǎn)總結(jié)）