正文

rfm分析方法（rfm分析法怎么做）

發(fā)布時(shí)間：2023-04-14 03:48:16 稿源：創(chuàng)意嶺閱讀： 87

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于rfm分析方法的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)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(yè)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、如何使用SPSS Modeler進(jìn)行RFM分析
2、客戶價(jià)值如何分析？看看這個(gè)RFM模型分析吧
3、用戶體系搭建（二）——如何用RFM劃定用戶層級(jí)
4、如何分析RFM模型才能最有效，才能真正起到精細(xì)化運(yùn)營(yíng)的作用？

rfm分析方法（rfm分析法怎么做）

一、如何使用SPSS Modeler進(jìn)行RFM分析

在軟件下方的“源”面板中選擇“可變文件”節(jié)點(diǎn)，把數(shù)據(jù)讀入到節(jié)點(diǎn)中。

在軟件下方的“源”面板中選擇“排序”節(jié)點(diǎn)，根據(jù)顧客ID進(jìn)行排序，排序的目的是為加快計(jì)算速度。

在軟件下方的“源”面板中選擇“RFM匯總”節(jié)點(diǎn)，進(jìn)行RFM匯總，此處注意，如果要查看匯總結(jié)果，要選擇一個(gè)表節(jié)點(diǎn)查看，否則無(wú)法運(yùn)行。

在軟件下方的“源”面板中選擇“RFM分析”節(jié)點(diǎn)，運(yùn)行進(jìn)行RFM分析，分析的結(jié)果是每個(gè)顧客的RFM得分。

在軟件下方的“源”面板中選擇“排序”、“樣本”節(jié)點(diǎn)對(duì)顧客的得分進(jìn)行排序并選擇出前n名的顧客ID，篩選的出的顧客為重點(diǎn)顧客，可以作為促銷目標(biāo)用戶。

二、客戶價(jià)值如何分析？看看這個(gè)RFM模型分析吧

相信很多企業(yè)都希望服務(wù)好客戶，促進(jìn)銷售轉(zhuǎn)化，最好能對(duì)產(chǎn)品和品牌產(chǎn)生黏性，長(zhǎng)期購(gòu)買。于是絞盡腦汁去維護(hù)客戶關(guān)系，但往往不是很理想，無(wú)感的依舊無(wú)感。為什么？因?yàn)椴煌目蛻粝M(fèi)需求不一樣。因此，對(duì)不同的客戶進(jìn)行價(jià)值劃分，可以更好地幫助業(yè)務(wù)部門進(jìn)行精準(zhǔn)營(yíng)銷，為不同的客戶定制不同的營(yíng)銷策略，以提高轉(zhuǎn)化率。

那么如何對(duì)客戶價(jià)值進(jìn)行分析呢？這里我們可以通過(guò)RFM模型對(duì)客戶進(jìn)行細(xì)分：

R：最近一次消費(fèi)（Recency），指客戶最近交易日期距離當(dāng)前天數(shù)。

F：消費(fèi)頻率（Frequency），表示客戶在一定時(shí)期內(nèi)的購(gòu)買次數(shù)。

M：消費(fèi)金額（Monetary），表示客戶在一定時(shí)期內(nèi)消費(fèi)的平均金額。

通過(guò)這樣的模型對(duì)客戶價(jià)值劃分后，我們可以將客戶類型細(xì)分成：重要價(jià)值客戶、重要發(fā)展客戶、重要保持客戶、重要挽留客戶、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，如下圖所示：

借助上圖所示的RFM模型分析，企業(yè)可以很直觀的了解到不同客戶所對(duì)應(yīng)的價(jià)值。若想清晰的掌握不同客戶類型下的客戶數(shù)量及其所帶來(lái)的銷售額情況，我們可以借助下圖幫助用戶直觀統(tǒng)計(jì)出不同類型客戶的情況：

如圖，我們可以看到，一般挽留客戶與一般發(fā)展客戶的數(shù)量最多，但其所帶來(lái)的銷售價(jià)值并不高，而重要價(jià)值客戶所占數(shù)量不多，但卻為企業(yè)帶來(lái)了最大的收益價(jià)值。因此，企業(yè)可在面對(duì)不同類型的客戶時(shí)，采取不同的銷售策略，為企業(yè)帶來(lái)更大的收益價(jià)值。

在對(duì)客戶價(jià)值分析的過(guò)程中，我們還可以結(jié)合其他圖表對(duì)客戶進(jìn)行分析，聯(lián)動(dòng)篩選出想要了解的客戶情況：

如上圖所示，我們可以借助此分析報(bào)表，篩選過(guò)濾出任意一家或多家客戶的月度銷售額、成本、平均單價(jià)、所購(gòu)買的商品種類、筆數(shù)等指標(biāo)數(shù)據(jù)的變化趨勢(shì)，以及客戶所購(gòu)買的物料具體明細(xì)，幫助企業(yè)更清晰了解不同客戶的銷售價(jià)值，以此采取不同的銷售應(yīng)對(duì)策略。

當(dāng)然，上述圖表僅供參考，在實(shí)際中可另行修改設(shè)計(jì)。該分析模型制作完成后，借助數(shù)林BI對(duì)數(shù)據(jù)進(jìn)行自定義更新設(shè)置后，后續(xù)數(shù)據(jù)可自動(dòng)可從用友或金蝶系統(tǒng)中獲取，幫助我們減少定期重復(fù)做表的繁瑣，減輕工作量，從而提高工作效率。

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(guò)RFM解決和劃定用戶群體，但是很少有詳細(xì)說(shuō)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(guò)一個(gè)客戶的近期購(gòu)買行為、購(gòu)買的總體頻率以及花了多少錢3項(xiàng)指標(biāo)來(lái)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(shuō)的比較復(fù)雜，簡(jiǎn)單的來(lái)講RFM是通過(guò)統(tǒng)計(jì)用戶最近購(gòu)買時(shí)間（R），購(gòu)買的次數(shù)（F），購(gòu)買的金額（M）這三個(gè)維度來(lái)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(guò)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(gòu)買時(shí)間、最近購(gòu)買次數(shù)、消費(fèi)金額。但是在實(shí)際工作中也會(huì)有問(wèn)題是我們要計(jì)算每個(gè)用戶的購(gòu)買時(shí)間、購(gòu)買次數(shù)費(fèi)事費(fèi)力，所以一般也可以通過(guò)統(tǒng)計(jì)訂單來(lái)進(jìn)行計(jì)算。

當(dāng)我們通過(guò)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(kāi)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(kāi)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(guò)來(lái)。

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、如何分析RFM模型才能最有效，才能真正起到精細(xì)化運(yùn)營(yíng)的作用？

舉一個(gè)互聯(lián)網(wǎng)餐飲的例子~來(lái)證明如何分析RFM模型：

如何通過(guò)外賣訂單數(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(guò)對(duì)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，甚至能知道喜歡某道菜的用戶都在哪里。類似的用戶數(shù)據(jù)挖掘，還可以根據(jù)復(fù)購(gòu)構(gòu)成、復(fù)購(gòu)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，有利于針對(duì)不同平臺(tái)做出不同的營(yíng)銷策略。

上面這些最基本的用戶屬性對(duì)于精細(xì)化運(yùn)營(yíng)還是不夠的。因?yàn)檫@些信息無(wú)法幫助你解決下面四個(gè)問(wèn)題——

1.誰(shuí)是我的重要價(jià)值客戶，他們都有什么特點(diǎn)？

2.誰(shuí)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(shuí)是我的重要發(fā)展客戶，他們都有什么特點(diǎn)？

4.誰(shuí)是我的重要挽留客戶，他們都有什么特點(diǎn)？

2.如何通過(guò)RFM模型，為用戶分群，實(shí)現(xiàn)精細(xì)化運(yùn)營(yíng)

　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(lái)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，百度會(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(yíng)銷……顯然125類用戶已超出普通人腦的計(jì)算范疇了，更別說(shuō)針對(duì)125類用戶量體定制營(yíng)銷策略。實(shí)際運(yùn)用上，我們只需要把每個(gè)唯獨(dú)做一次兩分即可，這樣在3個(gè)維度上我們依然得到了8組用戶。

重要價(jià)值客戶（111）：最近消費(fèi)時(shí)間近、消費(fèi)頻次和消費(fèi)金額都很高，必須是VIP??！

重要保持客戶（011）：最近消費(fèi)時(shí)間較遠(yuǎn)，但消費(fèi)頻次和金額都很高，說(shuō)明這是個(gè)一段時(shí)間沒(méi)來(lái)的忠實(shí)客戶，我們需要主動(dòng)和他保持聯(lián)系。

重要發(fā)展客戶（101）：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，很有潛力的用戶，必須重點(diǎn)發(fā)展。

重要挽留客戶（001）：最近消費(fèi)時(shí)間較遠(yuǎn)、消費(fèi)頻次不高，但消費(fèi)金額高的用戶，可能是將要流失或者已經(jīng)要流失的用戶，應(yīng)當(dāng)基于挽留措施。

rfm分析方法（rfm分析法怎么做）

3.如何在BDP個(gè)人版上建立RFM模型，幫助用戶分群

這時(shí)候可能會(huì)有朋友問(wèn)了，天啦，你這個(gè)三維模型，我沒(méi)辦法用BDP來(lái)建表格了。所以我們需要做的是將三維模型二維化，我們將R域切一塊出來(lái)（即在近30天有復(fù)購(gòu)的用戶中做分析），壓扁了就會(huì)看到。

上方的表示或許還是太學(xué)術(shù)了，簡(jiǎn)單的說(shuō)

第一步：先挑出來(lái)近1個(gè)月的復(fù)購(gòu)用戶。

第二步：近1個(gè)月內(nèi)復(fù)購(gòu)用戶的平均實(shí)付金額做縱軸。

第三步：近1個(gè)月內(nèi)復(fù)購(gòu)用戶的購(gòu)買次做橫軸，生成表格。

第四步，你需要自己在這個(gè)表格上劃紅線。

rfm分析方法（rfm分析法怎么做）

橫著的紅線，代表著你認(rèn)為來(lái)吃飯的客人平均每餐該花多少錢，我這里設(shè)定的值是25元，叫外賣25都沒(méi)付到，對(duì)我而言是低消費(fèi)金額（低M）用戶。

豎著的紅線，代表著你認(rèn)為復(fù)購(gòu)多少次的客人，是你的高頻用戶。外賣點(diǎn)餐流動(dòng)率很大，一個(gè)用戶每個(gè)月能在一家店點(diǎn)三次以上的菜，對(duì)我而言即是高頻。

這樣，BDP個(gè)人版上的RFM模型就建立好了。這個(gè)RFM模型在實(shí)操時(shí)有什么用呢？舉個(gè)例子

比如對(duì)圈用戶群發(fā)短信轉(zhuǎn)化只有不到1%時(shí)，你可以用RFM做個(gè)分析，只選取R值高的用戶(最近2周到最近一個(gè)月內(nèi)消費(fèi)的用戶），轉(zhuǎn)化率可以由1%提升到10%。

這也意味著，以往6元/訂單將下降到0.6元/訂單。掌柜們是愿意花600元給10000個(gè)用戶發(fā)短信，得到100個(gè)訂單，還是愿意花48元給800人發(fā)短信得到80個(gè)訂單，相信大家一定會(huì)選后者。

而整體的RFM區(qū)分，則能夠幫掌柜們針對(duì)不同的用戶發(fā)不同的短信，短信的開(kāi)頭是用“好久不見(jiàn)”、還是用“恭喜你成為VIP”，就得看時(shí)重要保持客戶還是重要價(jià)值用戶了。只有能區(qū)分用戶，才能走向精細(xì)化運(yùn)營(yíng)。

以上就是關(guān)于rfm分析方法相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)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。