正文

rfm模型分別代表

發(fā)布時間：2023-04-08 05:59:17 稿源：創(chuàng)意嶺閱讀： 126

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于rfm模型分別代表的問題，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、工作計劃、工作報告、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，寫出的就越詳細，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、基于RFM分析的客戶細分！讓市場營銷事半功倍！
2、RFM模型如何實際應(yīng)用？
3、如何分析RFM模型才能最有效，才能真正起到精細化運營的作用？
4、rfm模型在客戶細分中有什么作用

rfm模型分別代表

一、基于RFM分析的客戶細分！讓市場營銷事半功倍！

市場和運營往往絞盡腦汁做活動、上新品、蹭熱點、做營銷，拓渠道，不斷開發(fā)客戶、做回訪維系客戶感情，除了少數(shù)運氣好的之外，大部分效果寥寥，這是為何？這年頭做營銷這么難嗎？

聰明的營銷人員知道“ 了解客戶 ”和“ 客戶細分 ”的重要性。營銷人員不僅要著眼于創(chuàng)造更多的訪問量和點擊量（無論是郵件還是站點）以提高客戶獲取，還必須遵循從提高點擊率（CTR）轉(zhuǎn)變?yōu)樘岣弑Ａ?，忠誠度并建立客戶關(guān)系的新范式。與其將整個客戶群作為一個整體進行分析，不如將其劃分為同類群體，了解每個群體的特征，并使他們參與相關(guān)的活動，而不是僅根據(jù)客戶年齡或地理位置進行客戶細分。而 RFM分析是市場營銷人員分析客戶行為的最流行、最簡單、最有效的客戶細分方法之一。

R（Recency）最近一次消費時間：表示用戶最近一次消費距離現(xiàn)在的時間（或截止到統(tǒng)計周期）。消費時間越近的客戶價值越大。1年前消費過的用戶肯定沒有1周前消費過的用戶價值大。

F（Frequency）消費頻率：消費頻率是指用戶在統(tǒng)計周期內(nèi)購買商品的次數(shù)，經(jīng)常購買的用戶也就是熟客，價值肯定比偶爾來一次的客戶價值大。

M（Monetary）消費金額：消費金額是指用戶在統(tǒng)計周期內(nèi)消費的總金額，體現(xiàn)了消費者為企業(yè)創(chuàng)利的多少，自然是消費越多的用戶價值越大。

簡言之， RFM代表近度，頻率和額度，每個值都與某些關(guān)鍵客戶特征相對應(yīng)。這些RFM指標(biāo)是客戶行為的重要指標(biāo)，因為頻率和額度會影響客戶的生命周期價值，新近度會影響保留率，而保留率是忠誠度的衡量標(biāo)準。

如果是缺乏金錢交易方面的業(yè)務(wù)，例如收視率，讀者人數(shù)等，可以使用" Engagement "(參與度)代替Monetary。如官網(wǎng)的訪問頻次，微信的交互情況，郵件打開率等。這將導(dǎo)致使用RFE 而不是 RFM。此外，可以根據(jù)指標(biāo)例如跳出率，訪問時長，訪問的頁面數(shù)，每頁所花費的時間等來將Engagement參數(shù)定義為一個綜合值。

• 購買的時間越近，顧客對促銷的反應(yīng)越積極

• 顧客購買的頻率越高，他們就越投入和越滿意

• 消費金額區(qū)分了大筆支出的消費者和低價值的購買者

• 想要提高回購率和留存率，需要時刻警惕R值

RFM分析可幫助營銷人員找到以下問題的答案：

• 誰是您最有價值的客戶？

• 導(dǎo)致客戶流失率增多的是哪些客戶？

• 誰有潛力成為有價值的客戶？

• 你的哪些客戶可以保留?

• 您哪些客戶最有可能對參與度活動做出響應(yīng)？

• 誰是你不需要關(guān)注的無價值客戶？

• 針對哪些客戶制定哪種發(fā)展、保留、挽回策略？

通過RFM分析，可以幫助營銷人員實現(xiàn)客戶細分；衡量客戶價值和客戶利潤創(chuàng)收能力；識別優(yōu)質(zhì)客戶；指定個性化的溝通和營銷服務(wù)；為更多的營銷決策提供有力支持。

那RFM分析應(yīng)如何開始呢？

由于R值、F值、M值存在量級之間的差距，無法直觀的通過加減或平均來衡量用戶價值，這里我們介紹一種評分方式，根據(jù)三組數(shù)據(jù)各個值的特性，采用5分制為各個數(shù)據(jù)賦予一個評分值。

讓我們通過一個客戶交易的樣本數(shù)據(jù)集來演示一個簡單的RFM分析是如何工作的：

為了對此示例進行RFM分析，讓我們看看如何根據(jù)每個RFM屬性分別對客戶進行排名，然后對這些客戶進行評分。假設(shè)我們使用RFM值從1到5對這些客戶進行排序，R值的評分機制是R值越大，評分越小。

如上表所示，我們按“Recency”對客戶進行了排序，最新的購買者排在首位。由于為客戶分配的分數(shù)是1-5，因此前20％的客戶（客戶ID為12、11、1）的“Recency”分數(shù)為5，接下來的20％（客戶ID為15、2、7）的分數(shù)為4 ，以此類推。

同樣，我們可以根據(jù)客戶購買從高到低的“Frequency”對其進行排序，將前20％的“Frequency”得分分配為5，依此類推。對于“Monetary”因素，對前20％的客戶（消費最多的）分配5分，最低的20％得分為1。這些F和M得分總結(jié)如下：

RFM得分

最后，我們可以將這些客戶的R、F和M排名結(jié)合起來得到一個匯總的RFM得分。下表中顯示的該RFM得分是各個R，F(xiàn)和M得分的平均值，是通過對每個RFM屬性賦予相等的權(quán)重來獲得的。

這種簡單的將客戶從1-5排序的方法最多會產(chǎn)生125個不同的RFM單元(5x5x5)，范圍從111（最低）到555（最高）。每個RFM單元的大小不同，依據(jù)客戶的關(guān)鍵習(xí)慣，被捕獲為RFM得分以得出客戶細分，營銷人員依據(jù)不同得分的客戶制定相應(yīng)的策略。

顯然，針對不同行業(yè)的企業(yè)如果僅根據(jù)他們的購買或參與行為將每個客戶的R，F(xiàn)和M得分平均以獲得RFM細分市場并不公平。這類平均值只適合于均類數(shù)據(jù)，對于一些不規(guī)則數(shù)據(jù)，平均值會造成很大的誤差，因此，根據(jù)您的業(yè)務(wù)性質(zhì)，您可以科學(xué)增加或減少每個RFM變量的相對重要性，以得出最終分數(shù)。例如：

1 .耐用消費品行業(yè)

每筆交易的Monetary通常較高，但Frequency和Recency較低。例如，你不能指望客戶每月購買一臺冰箱或空調(diào)。在這種情況下，市場營銷人員應(yīng)該更重視Monetary和Recency方面，而不是Frequency方面。

2 .時裝/化妝品等零售業(yè)務(wù)

每月搜索和購買產(chǎn)品的客戶將有更高的Recency和Frequency得分而不是Monetary得分。因此，可以通過給R和F得分賦予比M更大的權(quán)重來計算RFM得分。

3 .視頻平臺等內(nèi)容apps

追劇狂人相比一般消費者擁有更長的觀看時長。對于這些狂熱者，“參與度”和Frequency可以比Recency給予更多的重視，而對于一般人群，可以對Recency和Frequency給予比Engagement更高的權(quán)重，以得出RFE得分。

此外，企業(yè)需要針對自己的行業(yè)特點靈活變通指標(biāo)的采用。比如在金融行業(yè)，最近一次購買時間可能并不適用，此時可以考慮采用金融產(chǎn)品持有時間來代替R，這樣更能體現(xiàn)用戶與金融企業(yè)建立聯(lián)系時間的長短。

還有一個問題是：如果每個RFM單元都被視為一個細分，那么營銷人員將無法單獨分析所有這125個客戶細分市場。因此，通常采用的RFM模型是將這三個維度指標(biāo)劃分到三維正方體中。

在以上的RFM評分示例中，我們已經(jīng)分別計算R、F、M評分；現(xiàn)在我們進一步分別獲得R、F、M的平均值；然后將各個變量高于平均分的定義為“高”，低于平均分的定義為“低”；根據(jù)三個變量“高”“低”的組合來定義客戶類型；如“高”“高”“高”為高價值客戶。

通常，我們通過三維正方體來可視化RFM分析結(jié)果。這使用戶可以更輕松地理解得分，以提供更易于管理和直觀的細分。

如上面的RFM模型所示，因為有三個變量，所以要使用三維坐標(biāo)系進行展示，X軸表示Recency，Y 軸表示Frequency，Z軸表示Monetary，坐標(biāo)系的8個象限分別表示8類用戶。

現(xiàn)在，讓我們討論如何解釋RFM細分，以了解這些用戶的行為，并提出一些有效的營銷策略。

• 重要價值客戶是您的最佳客戶，他們是那些最新購買，最常購買，并且花費最多的消費者。提供VIP服務(wù)和個性化服務(wù)，獎勵這些客戶，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)展客戶是您的近期客戶，消費金額高，但平均頻率不太高，忠誠度不高。提供會員或忠誠度計劃或推薦相關(guān)產(chǎn)品以實現(xiàn)向上銷售并幫助他們成為您的忠實擁護者和高價值客戶。

• 重要保持客戶是指那些經(jīng)常購買、花費巨大，但最近沒有購買的客戶。向他們發(fā)送個性化的重新激活活動以重新連接，并提供續(xù)訂和有用的產(chǎn)品以鼓勵再次購買。

• 重要挽回客戶是那些曾經(jīng)光顧，消費金額大，購買頻率低，但最近沒有光顧的顧客。設(shè)計召回策略，通過相關(guān)的促銷活動或續(xù)訂帶回他們，并進行調(diào)查以找出問題所在，避免將其輸給競爭對手。

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

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

• 一般保持客戶是指很久未購買，消費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，而采用公平對待方式是最佳。

• 一般挽留客戶是指RFM值都很低的客戶。針對這類客戶可以對其減少營銷和服務(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；

• 如果您的公司中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行優(yōu)化。

RFM是一種數(shù)據(jù)驅(qū)動的客戶細分技術(shù)，可幫助營銷人員做出更明智的戰(zhàn)略性決策。使?fàn)I銷人員能夠快速識別用戶并將其細分為同類群體，并針對他們制定差異化和個性化的營銷策略。這反過來又提高了用戶的參與度和留存率。

通常，數(shù)據(jù)分析師會借助CRM系統(tǒng)或者BI工具來實現(xiàn)RFM分析。

如需了解更多，歡迎訪問怡海軟件官網(wǎng) https://www.frensworkz.com/

二、RFM模型如何實際應(yīng)用？

這是一個人人都可以上手的模型，不管你是運營、銷售、財務(wù)、市場等等，RFM模型是一個很通用，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的教程（真的是寫到崩潰，幸好我熬下來了，給大家分享實實在在可上手的干貨）數(shù)據(jù)源準備只需四個字段：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)源不妨試試做這個模型吧。下面三頁是介紹什么是RFM，后面是全部的實操教程，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，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)購用戶跨平臺使用情況、性別組成做更精細化的分析。值得注意的是，數(shù)據(jù)平臺間的差異還是蠻大的，除了跨平臺分析也需要分平臺對比，有利于針對不同平臺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化運營還是不夠的。因為這些信息無法幫助你解決下面四個問題——

1.誰是我的重要價值客戶，他們都有什么特點。

2.誰是我需要重點保持聯(lián)系的客戶，他們都有什么特點。

3.誰是我的重要發(fā)展客戶，他們都有什么特點。

4.誰是我的重要挽留客戶，他們都有什么特點。想要解答這個問題，我們需要動用更高階的分析模型，去挖掘有效信息。如何通過RFM模型，為用戶分群，實現(xiàn)精細化運營RFM模型是一個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F = Frequency 消費頻率M = Monetary 消費金額需要詳細了解以上三個指標(biāo)定義的，可以去戳度娘，教科書式的RFM區(qū)分，會將維度再細分出5份，這樣就能夠細分出5x5x5=125類用戶，再根據(jù)每類用戶精準營銷。

rfm模型分別代表

三、如何分析RFM模型才能最有效，才能真正起到精細化運營的作用？

舉一個互聯(lián)網(wǎng)餐飲的例子~來證明如何分析RFM模型：

如何通過外賣訂單數(shù)據(jù)，分析用戶的基本屬性；

用戶的訂單上都有訂餐地址，通過對于訂餐地址的統(tǒng)計，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)購構(gòu)成、復(fù)購用戶跨平臺使用情況、性別組成做更精細化的分析。值得注意的是，數(shù)據(jù)平臺間的差異還是蠻大的，有利于針對不同平臺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化運營還是不夠的。因為這些信息無法幫助你解決下面四個問題——

1.誰是我的重要價值客戶，他們都有什么特點？

2.誰是我需要重點保持聯(lián)系的客戶，他們都有什么特點？

3.誰是我的重要發(fā)展客戶，他們都有什么特點？

4.誰是我的重要挽留客戶，他們都有什么特點？

2.如何通過RFM模型，為用戶分群，實現(xiàn)精細化運營

　RFM模型是一個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

F = Frequency 消費頻率

M = Monetary 消費金額

需要詳細了解以上三個指標(biāo)定義的，百度會將維度再細分出5份，這樣就能夠細分出5x5x5=125類用戶，再根據(jù)每類用戶精準營銷……顯然125類用戶已超出普通人腦的計算范疇了，更別說針對125類用戶量體定制營銷策略。實際運用上，我們只需要把每個唯獨做一次兩分即可，這樣在3個維度上我們依然得到了8組用戶。

重要價值客戶（111）：最近消費時間近、消費頻次和消費金額都很高，必須是VIP??！

重要保持客戶（011）：最近消費時間較遠，但消費頻次和金額都很高，說明這是個一段時間沒來的忠實客戶，我們需要主動和他保持聯(lián)系。

重要發(fā)展客戶（101）：最近消費時間較近、消費金額高，但頻次不高，忠誠度不高，很有潛力的用戶，必須重點發(fā)展。

重要挽留客戶（001）：最近消費時間較遠、消費頻次不高，但消費金額高的用戶，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模型分別代表