會(huì)員rfm分析成功案例（會(huì)員價(jià)值rfm模型）

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于會(huì)員rfm分析成功案例的問題，以下是小編對此問題的歸納整理，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)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

• 1、用戶體系搭建（二）——如何用RFM劃定用戶層級

• 2、數(shù)據(jù)分析方法3—RFM分析模型

• 3、RFM模型如何實(shí)際應(yīng)用？

• 4、評估客戶價(jià)值的三種模型：RFM、CLV、顧客社交價(jià)值模型

一、用戶體系搭建（二）——如何用RFM劃定用戶層級

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RFM模型的描述，說的比較復(fù)雜，簡單的來講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，

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)，對于Order_id、User_id等需要注意變量長度，讓這兩個(gè)字段完全展示。

另外對于，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

二、數(shù)據(jù)分析方法3—RFM分析模型

        對于一個(gè)新上線產(chǎn)品的前期運(yùn)營，我們一般的做法都是做活動(dòng)、上新品、蹭熱點(diǎn)、做營銷、不斷地去拓展新的客戶。但是這種做法收效卻不容樂觀，真正獲取的用戶沒有幾個(gè)，最終都便宜了羊毛黨。其實(shí)客戶在不同階段的需求是不一樣的，有的客戶圖便宜，有的客戶看新品，有的客戶重服務(wù)。所以我們想要運(yùn)營好一個(gè)產(chǎn)品，就需要對客戶精細(xì)化運(yùn)營。

     精細(xì)化運(yùn)營最經(jīng)典的用戶分群工具就是RFM模型，RFM模型是衡量用戶價(jià)值和用戶創(chuàng)新能力的經(jīng)典工具，主要是由用戶最近一次購買時(shí)間、消費(fèi)頻次、消費(fèi)金額組成。

        RFM模型是衡量客戶價(jià)值和客戶潛在價(jià)值的重要工具和手段，RFM是Rencency（最近一次消費(fèi)），F(xiàn)requency（消費(fèi)頻率），Monetary（消費(fèi)金額）組合而成，此模型對于運(yùn)營、銷售、財(cái)務(wù)、市場來說都比較重要。

R值（Recency）： 最近一次消費(fèi)

        表示用戶最近一次消費(fèi)距離現(xiàn)在的時(shí)間，消費(fèi)時(shí)間越近的客戶價(jià)值越大，1年前消費(fèi)過的用戶肯定沒有1月前消費(fèi)過的用戶價(jià)值大，是衡量用戶價(jià)值的一個(gè)指標(biāo)。

        基于R值的大小，可以看出上表中的客戶2是最有價(jià)值的，客戶3是最沒有價(jià)值的，但是如果就此說明客戶2是最有價(jià)值，而客戶3是沒有價(jià)值的是不成立的，對于客戶價(jià)值我們不能僅看R值，還需要考慮F值和M值。這里我們只舉出4個(gè)客戶為例，但在真實(shí)的客戶場景中，我們可以把客戶按照周、月、季、年等維度的占比詳細(xì)來觀察出R的趨勢變化。

F值（Frequency）： 消費(fèi)頻率

        消費(fèi)頻率是指用戶在統(tǒng)計(jì)周期內(nèi)購買商品的次數(shù)，經(jīng)常購買的用戶也就是熟客，其價(jià)值比偶爾來一次的客戶價(jià)值大

        基于F值的大小，可以看出客戶4的價(jià)值最大，客戶1的價(jià)值最小，但是如果考慮R值和M值就不能這樣認(rèn)為。其實(shí)客戶對于產(chǎn)品的復(fù)購的核心因素是類目。有的類目產(chǎn)品復(fù)購率高（食品類）主要是食品屬于易耗品，消耗周期短，購買的頻率高，相對容易產(chǎn)生重復(fù)性購買。而有的類目產(chǎn)品復(fù)購率低（家電類），消耗周期長，購買頻次低。建議在對F值進(jìn)行統(tǒng)計(jì)時(shí)對于不同的類目要有相應(yīng)的統(tǒng)計(jì)周期。

M值（Monetary）： 消費(fèi)金額

消費(fèi)金額是指用戶在統(tǒng)計(jì)周期內(nèi)消費(fèi)的總金額，體現(xiàn)了消費(fèi)者對于企業(yè)的價(jià)值。

        基于M值的大小，可以看出客戶4的價(jià)值最高，客戶1的價(jià)值最低，M值同上面的R值、F值類似，單一的值并不能說明客戶的好壞，三者結(jié)合才能更好地精細(xì)化用戶，對購買產(chǎn)品的用戶合理的分隔，采用不同的機(jī)制去運(yùn)營。

RFM模型的主觀細(xì)分

        根據(jù)RFM模型值得大小對客戶進(jìn)行細(xì)分，如下表所示，將客戶分為了8部分去運(yùn)營，對于不同的細(xì)分人群采取不同的運(yùn)營策略，在實(shí)際的應(yīng)用場景中，店鋪可以根據(jù)自己店鋪的實(shí)際情況來細(xì)分人群，購買人群多的就分多個(gè)人群，購買人群少的就少分幾個(gè)人群，具體的情況根據(jù)店鋪來定。

RFM模型的量化細(xì)分

        上面的模型細(xì)分主要是根據(jù)RFM值的大小進(jìn)行模糊的細(xì)分，而如果想要更細(xì)地對人群進(jìn)行劃分，就需要對RFM進(jìn)行量化處理，一般采用的方式有

1、根據(jù)經(jīng)驗(yàn)定義權(quán)重

RFM值=a*R值+b*F值+c*M值

對于其中的權(quán)重a,b,c則需要經(jīng)驗(yàn)豐富的業(yè)務(wù)人員來判斷

2、歸一化處理

將RFM的值進(jìn)行歸一化處理，公式為

RFM值=R1值+F1值+M1值

上面的R1,F1,M1都是歸一化處理過后的值

3、AHP層次分析得出權(quán)重值

RFM值=a1*R值+a2*F值+a3*M值

a1,a2,a3的值是AHP層次分析得出的權(quán)向量值

具體參考鏈接

最終按照得出值的大小進(jìn)行人群細(xì)分，得出不同的人群

三、RFM模型如何實(shí)際應(yīng)用？

這是一個(gè)人人都可以上手的模型，不管你是運(yùn)營、銷售、財(cái)務(wù)、市場等等，RFM模型是一個(gè)很通用，又有一套科學(xué)理論的商業(yè)模型。這是一篇我花了五小時(shí)的教程（真的是寫到崩潰，幸好我熬下來了，給大家分享實(shí)實(shí)在在可上手的干貨）數(shù)據(jù)源準(zhǔn)備只需四個(gè)字段：客戶名稱、交易日期、交易次數(shù)/頻率、交易金額。如果你手頭剛好有這樣的數(shù)據(jù)源不妨試試做這個(gè)模型吧。下面三頁是介紹什么是RFM，后面是全部的實(shí)操教程，Tableau和Excel通用操作，我保證你看了能立馬上手。如何通過訂單數(shù)據(jù)，分析用戶的基本屬性用戶的訂單上都有訂餐地址，通過對于訂餐地址的統(tǒng)計(jì)，我們可以查詢到不同條件組合下的用戶分布，甚至能知道喜歡謀道菜的用戶都在哪里。舉個(gè)簡單的例子，下圖表示的是普通可樂和健怡可樂的用戶分布，類似的用戶數(shù)據(jù)挖掘，還可以根據(jù)復(fù)購構(gòu)成、復(fù)購用戶跨平臺(tái)使用情況、性別組成做更精細(xì)化的分析。值得注意的是，數(shù)據(jù)平臺(tái)間的差異還是蠻大的，除了跨平臺(tái)分析也需要分平臺(tái)對比，有利于針對不同平臺(tái)做出不同的營銷策略。上面這些最基本的用戶屬性對于精細(xì)化運(yùn)營還是不夠的。因?yàn)檫@些信息無法幫助你解決下面四個(gè)問題——

1.誰是我的重要價(jià)值客戶，他們都有什么特點(diǎn)。

2.誰是我需要重點(diǎn)保持聯(lián)系的客戶，他們都有什么特點(diǎn)。

3.誰是我的重要發(fā)展客戶，他們都有什么特點(diǎn)。

4.誰是我的重要挽留客戶，他們都有什么特點(diǎn)。想要解答這個(gè)問題，我們需要?jiǎng)佑酶唠A的分析模型，去挖掘有效信息。如何通過RFM模型，為用戶分群，實(shí)現(xiàn)精細(xì)化運(yùn)營RFM模型是一個(gè)被廣泛使用的客戶關(guān)系分析模型，主要以用戶行為來區(qū)分客戶，RFM分別是：R = Recency最近一次消費(fèi)F = Frequency 消費(fèi)頻率M = Monetary 消費(fèi)金額需要詳細(xì)了解以上三個(gè)指標(biāo)定義的，可以去戳度娘，教科書式的RFM區(qū)分，會(huì)將維度再細(xì)分出5份，這樣就能夠細(xì)分出5x5x5=125類用戶，再根據(jù)每類用戶精準(zhǔn)營銷。

四、評估客戶價(jià)值的三種模型：RFM、CLV、顧客社交價(jià)值模型

筆者一直從事于用戶運(yùn)營領(lǐng)域，很多情況下都是要在資源有限情況下，去最大化的撬動(dòng)效益，如何挖掘能創(chuàng)造最大價(jià)值的客戶就是用戶運(yùn)營的最基礎(chǔ)工作了。這個(gè)和基于用戶價(jià)值的細(xì)分模型基本上是一個(gè)意思，注意本文討論的用戶價(jià)值指的是用戶對企業(yè)創(chuàng)利能力的衡量，而不是傳統(tǒng)營銷學(xué)理論中企業(yè)為客戶提供的價(jià)值。

本文我們會(huì)來談?wù)劤Ｓ玫膸讉€(gè)衡量客戶價(jià)值的模型，以及它們的區(qū)別和應(yīng)用場景。

提到如何衡量客戶價(jià)值，RFM基本上是頭腦中第一個(gè)想到的模型，也是大部分運(yùn)營人員都會(huì)接觸到的。根據(jù)Arthur Hughes的研究，發(fā)現(xiàn)客戶的數(shù)據(jù)中有三個(gè)非常重要的指標(biāo)：

這三個(gè)指標(biāo)非常有意思，我們可以從中將用戶的活躍度，忠誠度和消費(fèi)能力評估出來，如下圖：

按照案例中的情況，我們分別將R\F\M三個(gè)值都再細(xì)分成了4個(gè)等級，現(xiàn)在大家可以思考一下：000代表了什么客戶，她與004的區(qū)別在哪里？她們的價(jià)值是否不同，是否要區(qū)分維護(hù)？

在下面的表格里，我會(huì)列舉當(dāng)中一些具有明顯特征的用戶價(jià)值細(xì)分，大家可以好好體會(huì)一下：

最后以一個(gè)問題，結(jié)束對RFM的探討，大家認(rèn)為040與004，哪個(gè)價(jià)值更大些呢？

我們知道并不是所有的顧客都具備相同的價(jià)值，如果企業(yè)能夠?qū)Ｗ⒂谀切┛梢詭碜畲笪磥砝娴目蛻?，就可以?shí)現(xiàn)更好的運(yùn)營。所以企業(yè)必須識別出這些客戶，CLV是對客戶未來利潤的有效預(yù)測，它還有另外一個(gè)名字，叫做LTV （life time value)。

實(shí)際上這個(gè)模型在中小企業(yè)的具體運(yùn)營中應(yīng)用到的不多，更多是在做年度規(guī)劃，年度財(cái)務(wù)核算，或者企業(yè)戰(zhàn)略中會(huì)較為常見的使用，以站在企業(yè)的戰(zhàn)略層面去考慮顧客價(jià)值與投入之間的關(guān)系。

這里需要特別說明的是，CLV考慮了完整的客戶生命周期，包含客戶獲取和客戶流失，也就是它計(jì)算的不只是眼前顧客已經(jīng)產(chǎn)生的價(jià)值，還預(yù)測了未來價(jià)值。

CLV的計(jì)算公式有非常多，有的會(huì)非常復(fù)雜，主要在流失率這個(gè)環(huán)節(jié)和影響因素就相當(dāng)多，也有會(huì)加上投入成本，價(jià)值變化率和利率變化等等。

我認(rèn)為比較實(shí)用簡單的是這種：

注意此公式對群體有效，對個(gè)體精準(zhǔn)度較低，因?yàn)閭€(gè)體流失率影響因素太多，而群體流失率卻是可以統(tǒng)計(jì)的。

那對于CLV的應(yīng)用，可以從以下兩個(gè)模型來看，將企業(yè)的最優(yōu)客戶與不值得投入的客戶區(qū)分出來：

最后也以一個(gè)問題，結(jié)束對CLV的探討，大家認(rèn)為這個(gè)公式實(shí)際應(yīng)用中如何提高計(jì)算的精度呢？

（1）顧客社交活躍度模型

其實(shí)這個(gè)是我寫這篇文章的初衷，實(shí)際上在我目前的工作中，單獨(dú)用以上基于顧客消費(fèi)屬性來給顧客做價(jià)值判斷和細(xì)分已經(jīng)很少見了。在目前新的商業(yè)環(huán)境下，品牌與用戶不僅僅是消費(fèi)購物，推送產(chǎn)品的關(guān)系，而更多是互動(dòng)與彼此認(rèn)知。單個(gè)用戶自帶的傳播屬性和影響力，反而收到了越來越多的重視和運(yùn)用。

用平實(shí)的語言來說，顧客的價(jià)值不僅僅是她給企業(yè)直接帶來的現(xiàn)金利潤，也應(yīng)當(dāng)考慮用戶對企業(yè)美譽(yù)度，傳播度的價(jià)值影響。

最近看到的對于顧客社交價(jià)值測算的模型還是非常有用處的，分享給大家。

這個(gè)模型用于區(qū)分品牌的社交活躍度用戶，這部分用戶在對于品牌ugc內(nèi)容產(chǎn)出，社區(qū)活躍度上起到很大貢獻(xiàn)。

（2）顧客影響力模型

這個(gè)模型在于找到品牌中的影響力人群，目前的KOL影響力毋庸置疑，如果品牌能從自身用戶中發(fā)覺培養(yǎng)，定能起到四兩撥千斤的作用。

以上就是三種常見的用戶價(jià)值分析模型，那在日常運(yùn)用中，還是要化繁為簡，考慮實(shí)際運(yùn)用場景，選擇適合的運(yùn)用模型。

這里給到大家的建議是將模型計(jì)算的結(jié)果標(biāo)簽化放在每個(gè)用戶身上，比如：用戶A，可以給她貼上“活躍度高，影響力弱，可獲利客戶”等等，那么在實(shí)際運(yùn)用中，即可靈活根據(jù)標(biāo)簽篩選人群，進(jìn)行營銷策略。

以上就是關(guān)于會(huì)員rfm分析成功案例相關(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和內(nèi)容。

推薦閱讀：

會(huì)員排行榜（會(huì)員排行榜根據(jù)什么排名）

百度網(wǎng)盤超級會(huì)員一天（網(wǎng)盤哪個(gè)好用永久免費(fèi)）

抖趣的會(huì)員怎么退（抖趣的會(huì)員怎么退掉）

華為全內(nèi)存快照與一致性快照（華為全內(nèi)存快照與一致性快照哪個(gè)好）

小紅書高清視頻怎么上傳（小紅書高清視頻怎么上傳抖音）