rfm模型分類的8種客戶類型

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于rfm模型分類的8種客戶類型的問題，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、【分析方法or思維】RFM模型——用戶價(jià)值分析

• 2、常用的分析方法及模型有哪些?

• 3、客戶識別的rfm模型指的是什么

• 4、基于RFM的客戶價(jià)值分析報(bào)告

一、【分析方法or思維】RFM模型——用戶價(jià)值分析

  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，模型主要是利用客戶的最近一次消費(fèi)（Recency）、總體消費(fèi)頻率（Fequency）以及消費(fèi)全額（Monetary）3項(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。 RFM代表近度，頻率和額度，這些指標(biāo)表征了客戶的一些消費(fèi)行為和習(xí)慣。頻率和額度會影響客戶的生命周期價(jià)值，新近度會影響保留率，而保留率是忠誠度的衡量標(biāo)準(zhǔn)。

   RFM是一種客戶細(xì)分技術(shù)，用以幫助營銷人員快速識別用戶類型及群體分類，并幫助營銷人員根據(jù)客戶細(xì)分類型的共性、個(gè)性提供一定的營銷策略。因而，RFM的最終成果是客戶的分類及分類分析。

二、常用的分析方法及模型有哪些?

1、RFM模型

RFM分析是客戶關(guān)系分析中一種簡單實(shí)用客戶分析方法，將最近一次消費(fèi)、消費(fèi)頻率、消費(fèi)金額這三個(gè)要素構(gòu)成了數(shù)據(jù)分析最好的指標(biāo)，衡量客戶價(jià)值和客戶創(chuàng)利能力。

RFM分析也就是通過這個(gè)三個(gè)指標(biāo)對客戶進(jìn)行觀察和分類，針對不同的特征的客戶進(jìn)行相應(yīng)的營銷策略。

R——最后交易距離當(dāng)前天數(shù)（Recency）

F——累計(jì)交易次數(shù)（Frequency）

M——累計(jì)交易金額（Monetary）

在這三個(gè)制約條件下，我們把M值大，也就是貢獻(xiàn)金額最大的客戶作為“ 重要客戶 ”，其余則為“ 一般客戶 "和” 流失客戶 “，基于此，我們產(chǎn)生了8種不同的客戶類型：

重要價(jià)值客戶 ：復(fù)購率高、購買頻次高、花費(fèi)金額大的客戶，是價(jià)值最大的用戶。

重要保持客戶 ：買的多、買的貴但是不常買的客戶，我們要重點(diǎn)保持；

重要發(fā)展客戶 ：經(jīng)常買、花費(fèi)大但是購買頻次不多的客戶，我們要發(fā)展其多購買；

重要挽留客戶 ：愿意花錢但是不常買、購買頻次不多的客戶，我們要重點(diǎn)挽留；

一般價(jià)值客戶 ：復(fù)購率高、購買頻次高，但是花費(fèi)金額小的客戶，屬于一般價(jià)值；

一般保持客戶 ：買的多但是不常買、花錢不多，屬于一般保持客戶；

一般發(fā)展客戶 ：經(jīng)常買，但是買不多、花錢也不多，屬于一般發(fā)展客戶；

一般挽留客戶 ：不愿花錢、不常買、購買頻次不高，最沒有價(jià)值的客戶；

下面是我用 FineBI 做的RFM模型可視化儀表板，可以通過RFM模型對客戶的終生價(jià)值做一個(gè)合理的預(yù)估，基于一個(gè)理想的客戶特征來衡量現(xiàn)實(shí)中客戶價(jià)值的高低，通過此類分析，定位最有可能成為品牌忠誠客戶的群體，讓我們把主要精力放在最有價(jià)值的用戶身上。

波士頓模型最初是一個(gè)時(shí)間管理模型，按照緊急、不緊急、重要、不重要排列組合分成四個(gè)象限，以此便于對時(shí)間進(jìn)行有效的管理。

運(yùn)用在客戶分析中，也就是利用銷售額和利潤這兩個(gè)重要指標(biāo)分為四個(gè)象限，對我們的客戶進(jìn)行分組。我們將這兩個(gè)維度作為橫縱坐標(biāo)軸分為四個(gè)象限，將產(chǎn)品或者服務(wù)分為下面四種類型：

明星類 ：增長率高、占有率高，代表著十分成功的產(chǎn)品，是主打的明星產(chǎn)品；

金牛類 ：增長率低、占有率高，已經(jīng)占據(jù)了市場但是沒有發(fā)展空間的產(chǎn)品，屬于現(xiàn)金牛產(chǎn)品；

問題類 ：增長率高、占有率低，說明用戶需求高，但是本身產(chǎn)品有問題，需要改進(jìn)優(yōu)化；

瘦狗類 ：增長率低、占有率低，市場不認(rèn)可的失敗產(chǎn)品，需要盡快去除；

我們?nèi)绱朔诸惖哪康恼且鶕?jù)波士頓矩陣，將一些沒有發(fā)展前景和市場潛力的產(chǎn)品盡快淘汰掉，保證明星產(chǎn)品和現(xiàn)金牛產(chǎn)品的份額，從而搭配好產(chǎn)品或者業(yè)務(wù)的整個(gè)市場布局。

FineBI制作的波士頓模型實(shí)際使用：

如圖所示，每個(gè)銷售大區(qū)與每個(gè)銷售年份下的客戶分布，通過篩選數(shù)據(jù)，我們得到我們想要的客戶信息。而波士頓矩陣則是一個(gè)非常有力的工具，可以幫助我們將雜亂無序的東西組塊整理，在使用矩陣的的時(shí)候，盡量選取縱向和橫向毫無關(guān)聯(lián)要素來分析，這樣才能發(fā)揮矩陣分塊整理的作用。

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)。

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，也有會加上投入成本，價(jià)值變化率和利率變化等等。

比較實(shí)用簡單的是這種：

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：

帕累托原則，又稱二八原則，是關(guān)于效率與分配的判斷方法。帕累托法則是指在任何大系統(tǒng)中，約80%的結(jié)果是由該系統(tǒng)中約20%的變量產(chǎn)生的。應(yīng)用在企業(yè)中，就是80%的利潤來自于20%的項(xiàng)目或重要客戶。

模型的解釋：當(dāng)一個(gè)企業(yè)80%利潤來自于20%的客戶總數(shù)時(shí)，這個(gè)企業(yè)客戶群體是健康且趨于穩(wěn)固的。 當(dāng)一個(gè)企業(yè)80%利潤來自大于20%的客戶總數(shù)時(shí)，企業(yè)需要增加大客戶的數(shù)量。當(dāng)一個(gè)企業(yè)80%利潤來自小于20%的客戶群時(shí)，企業(yè)的基礎(chǔ)客戶群需要拓展與增加。

模型的實(shí)際使用，某商場品牌商的銷售額。

一共10家客戶，5家客戶（50%）提供了80%的銷售額，這就說明需要增加大品牌客戶數(shù)量。

帶來大量銷售額的客戶必須認(rèn)真對待和維護(hù)，如果客戶數(shù)量大，尤其需要列出重點(diǎn)客戶重點(diǎn)跟進(jìn)，把有限的精力放在創(chuàng)造利潤大的客戶上。

5、漏斗模型

漏斗模型本質(zhì)是分解和量化，為了方便大家理解，這里以營銷漏斗模型舉例：

也就是說營銷的環(huán)節(jié)指的是從獲取用戶到最終轉(zhuǎn)化成購買這整個(gè)流程中的一個(gè)個(gè)子環(huán)節(jié)，相鄰環(huán)節(jié)的轉(zhuǎn)化率則就是指用數(shù)據(jù)指標(biāo)來量化每一個(gè)步驟的表現(xiàn)。

所以整個(gè)漏斗模型就是先將一個(gè)完整的購買流程拆分成一個(gè)個(gè)步驟，然后用轉(zhuǎn)化率來衡量每一個(gè)步驟的表現(xiàn)，最后通過異常的數(shù)據(jù)指標(biāo)找出有問題的環(huán)節(jié)，然后解決該環(huán)節(jié)的問題，最終達(dá)到提升整體購買轉(zhuǎn)化率的目的，所以漏斗模型的核心思想可以歸為分解和量化。

比如分析電商的轉(zhuǎn)化，我們要做的就是監(jiān)控每個(gè)層級上的用戶轉(zhuǎn)化，尋找每個(gè)層級的可優(yōu)化點(diǎn)。對于沒有按照流程操作的用戶，專門繪制他們的轉(zhuǎn)化模型，縮短路徑提升用戶體驗(yàn)。

PEST，也就是政治（Politics）、經(jīng)濟(jì)（Economy）、社會（Society）、技術(shù)（Technology），能從各個(gè)方面把握宏觀環(huán)境的現(xiàn)狀及變化趨勢，主要用戶行業(yè)分析。

宏觀環(huán)境又稱一般環(huán)境，是指影響一切行業(yè)和企業(yè)的各種宏觀力量。

對宏觀環(huán)境因素作分析時(shí)，由于不同行業(yè)和企業(yè)有其自身特點(diǎn)和經(jīng)營需要，分析的具體內(nèi)容會有差異，但一般都應(yīng)對政治、經(jīng)濟(jì)、技術(shù)、社會，這四大類影響企業(yè)的主要外部環(huán)境因素進(jìn)行分析。

政治環(huán)境：政治體制、經(jīng)濟(jì)體制、財(cái)政政策、稅收政策、產(chǎn)業(yè)政策、投資政策等。

社會環(huán)境：人口規(guī)模、性別比例、年齡結(jié)構(gòu)、生活力式、購買習(xí)慣、城市特點(diǎn)等。

技術(shù)環(huán)境：折舊和報(bào)廢速度、技術(shù)更新速度、技術(shù)傳播速度、技術(shù)商品化速度等。

經(jīng)濟(jì)環(huán)境：GDP 及增長率、進(jìn)出口總額及增長率、利率、匯率、通貨膨脹率、消費(fèi)價(jià)格指數(shù)、居民可支配收入、失業(yè)率、勞動生產(chǎn)率等。

5W2H，即為什么（Why）、什么事（What）、誰（Who）、什么時(shí)候（When）、什么地方（Where）、如何做（How）、什么價(jià)格（How much），主要用于用戶行為分析、業(yè)務(wù)問題專題分析、營銷活動等。

該分析方法又稱為七何分析法，是一個(gè)非常簡單、方便又實(shí)用的工具，以用戶購買行為為例：

Why：用戶為什么要買？產(chǎn)品的吸引點(diǎn)在哪里？

What：產(chǎn)品提供的功能是什么？

Who：用戶群體是什么？這個(gè)群體的特點(diǎn)是什么？

When：購買頻次是多少？

Where：產(chǎn)品在哪里最受歡迎？在哪里賣出去？

How：用戶怎么購買？購買方式什么？

How much：用戶購買的成本是多少？時(shí)間成本是多少？

SWOT分析法也叫態(tài)勢分析法，S （strengths）是優(yōu)勢、W （weaknesses）是劣勢，O （opportunities）是機(jī)會、T （threats）是威脅或風(fēng)險(xiǎn)。

SWOT分析法是用來確定企業(yè)自身的內(nèi)部優(yōu)勢、劣勢和外部的機(jī)會和威脅等，通過調(diào)查列舉出來，并依照矩陣形式排列，然后用系統(tǒng)分析的思想，把各種因素相互匹配起來加以分析。

運(yùn)用這種方法，可以對研究對象所處的情景進(jìn)行全面、系統(tǒng)、準(zhǔn)確的研究，從而將公司的戰(zhàn)略與公司內(nèi)部資源、外部環(huán)境有機(jī)地結(jié)合起來。

4P即產(chǎn)品（Product）、價(jià)格（Price）、渠道（Place）、推廣（Promotion），在營銷領(lǐng)域，這種以市場為導(dǎo)向的營銷組合理論，被企業(yè)應(yīng)用最普遍。

可以說企業(yè)的一切營銷動作都是在圍繞著4P理論進(jìn)行，也就是將：產(chǎn)品、價(jià)格、渠道、推廣。通過將四者的結(jié)合、協(xié)調(diào)發(fā)展，從而提高企業(yè)的市場份額，達(dá)到最終獲利的目的。

產(chǎn)品：從市場營銷的角度來看，產(chǎn)品是指能夠提供給市場，被入們使用和消費(fèi)并滿足人們某種需要的任何東西，包括有形產(chǎn)品、服務(wù)、人員、組織、觀念或它們的組合。

價(jià)格：是指顧客購買產(chǎn)品時(shí)的價(jià)格，包括基本價(jià)格、折扣價(jià)格、支付期限等。影響定價(jià)的主要因素有三個(gè):需求、成本與競爭。

渠道：是指產(chǎn)品從生產(chǎn)企業(yè)流轉(zhuǎn)到用戶手上全過程中所經(jīng)歷的各個(gè)環(huán)節(jié)。

促銷：是指企業(yè)通過銷售行為的改變來刺激用戶消費(fèi)，以短期的行為（比如讓利、買一送一，營銷現(xiàn)場氣氛等等)促成消費(fèi)的增長，吸引其他品牌的用戶或?qū)е绿崆跋M(fèi)來促進(jìn)銷售的增長。廣告、宣傳推廣、人員推銷、銷售促進(jìn)是一個(gè)機(jī)構(gòu)促銷組合的四大要素。

邏輯樹又稱問題樹、演繹樹或分解樹等。它是把一個(gè)已知問題當(dāng)成“主干”，然后開始考慮這個(gè)問題和哪些相關(guān)問題有關(guān)，也就是“分支”。邏輯樹能保證解決問題的過程的完整性，它能將工作細(xì)分為便于操作的任務(wù)，確定各部分的優(yōu)先順序，明確地把責(zé)任落實(shí)到個(gè)人。

邏輯樹的使用必須遵循以下三個(gè)原則：

要素化：把相同的問題總結(jié)歸納成要素。

框架化：將各個(gè)要素組織成框架。遵守不重不漏的原則。

關(guān)聯(lián)化：框架內(nèi)的各要素保持必要的相互關(guān)系，簡單而不獨(dú)立。

AARRR模型是所有運(yùn)營人員都要了解的一個(gè)數(shù)據(jù)模型，從整個(gè)用戶生命周期入手，包括獲取（Acquisition）、激活（Activition）、留存（Retention）、變現(xiàn)（Revenue）和傳播（Refer）。

每個(gè)環(huán)節(jié)分別對應(yīng)生命周期的5個(gè)重要過程，即從獲取用戶，到提升活躍度，提升留存率，并獲取收入，直至最后形成病毒式傳播。

三、客戶識別的rfm模型指的是什么

RFM模型。

即：

最近一次消費(fèi)(Recency)

消費(fèi)頻率(Frequency)

消費(fèi)金額(Monetary)

在眾多的客戶關(guān)系管理(CRM)的分析模式中，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。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三項(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。

四、基于RFM的客戶價(jià)值分析報(bào)告

項(xiàng)目背景

在面向客戶制定運(yùn)營策略、營銷策略時(shí)，我們希望針對不同的客戶推行不同的策略，實(shí)現(xiàn)精準(zhǔn)化運(yùn)營，以期獲取最大的轉(zhuǎn)化率。精準(zhǔn)化運(yùn)營的前提是客戶分類。通過客戶分類，對客戶群體進(jìn)行細(xì)分，區(qū)別出低價(jià)值客戶、高價(jià)值客戶，對不同的客戶群體開展不同的個(gè)性化服務(wù)，將有限的資源合理地分配給不同價(jià)值的客戶，實(shí)現(xiàn)效益最大化。在客戶分類中，RFM模型是一個(gè)經(jīng)典的分類模型，模型利用通用交易環(huán)節(jié)中最核心的三個(gè)維度——最近消費(fèi)(Recency)、消費(fèi)頻率(Frequency)、消費(fèi)金額(Monetary)細(xì)分客戶群體，從而分析不同群體的客戶價(jià)值。

項(xiàng)目目標(biāo)

本項(xiàng)目借助某電商客戶數(shù)據(jù)，探討如何對客戶群體進(jìn)行細(xì)分，以及細(xì)分后如何利用RFM模型對客戶價(jià)值進(jìn)行分析。在本項(xiàng)目中，主要希望實(shí)現(xiàn)以下三個(gè)目標(biāo)：1.借助某電商客戶數(shù)據(jù)，對客戶進(jìn)行群體分類；2.比較各細(xì)分群體的客戶價(jià)值；3.對不同價(jià)值的客戶制定相應(yīng)的運(yùn)營策略。

分析過程

1.數(shù)據(jù)預(yù)覽  

我們的源數(shù)據(jù)是訂單表，記錄著用戶交易相關(guān)字段

通過數(shù)據(jù)可以發(fā)現(xiàn)，訂單狀態(tài)有交易成功和退款關(guān)閉的，檢查是否還有其他情況

只有這兩種情況，后續(xù)清洗中需剔除退款訂單。然后觀察數(shù)據(jù)類型與缺失情況

訂單一共28833行，沒有缺失，付款日期是時(shí)間格式，實(shí)付金額、郵費(fèi)和購買數(shù)量是數(shù)值型，其他均為字符串類型

2. 數(shù)據(jù)清洗

(1)剔除退款

(2)關(guān)鍵字段提取：提取RFM模型所需要的買家昵稱，付款時(shí)間，實(shí)付金額

(3)關(guān)鍵字段構(gòu)造：構(gòu)建模型所需的三個(gè)字段，R(最近一次購買時(shí)間間隔),F(購買頻次),M(平均或累計(jì)購買金額)

首先構(gòu)造R值，思路是按買家昵稱分組，選取付款日期最大值

為了得到最終的R值，用今天減去每位用戶最近一次付款時(shí)間，就得到R值了，這份訂單是7月1日生成的，所以這里我們把“2019-7-1”當(dāng)作“今天”

然后處理F,即每個(gè)用戶累計(jì)購買頻次( 明確一下單個(gè)用戶一天內(nèi)購買多次訂單合并為一次訂單 )

思路：引入一個(gè)精確到天的日期標(biāo)簽，依照“買家昵稱”和“日期標(biāo)簽”分組，把每個(gè)用戶一天內(nèi)的多次下單合并，再統(tǒng)計(jì)購買次數(shù)

最后處理M,本案例M指用戶平均支付金額，可以通過總金額除以購買頻次計(jì)算出來

三個(gè)指標(biāo)合并

3. 維度打分 

維度確認(rèn)的核心是分值確定。RFM模型中打分一般采取5分制，依據(jù)數(shù)據(jù)和業(yè)務(wù)的理解，進(jìn)行分值的劃分

R值依據(jù)行業(yè)經(jīng)驗(yàn)，設(shè)置為30天一個(gè)跨度，區(qū)間左閉右開

F值和購買頻次掛鉤，每多購買一次，分值多加一分

M值我們按照50元的一個(gè)區(qū)間來進(jìn)行劃分

這一步我們確定了一個(gè)打分框架，每一個(gè)用戶的每個(gè)指標(biāo)，都有其對應(yīng)的分值

4. 分值計(jì)算 

(1)算出每個(gè)用戶的R,F,M分值

(2)簡化分類結(jié)果  

通過判斷每個(gè)客戶的R,F,M值是否大于平均值，來簡化分類結(jié)果。0表示小于平均值，1表示大于平均值，整體組合下來有8個(gè)分組

5.客戶分層

RFM經(jīng)典分層按照R,F,M每一項(xiàng)指標(biāo)是否高于平均值，把用戶劃分為8類

Python實(shí)現(xiàn)思路如下：先定義一個(gè)人群數(shù)值，將之前判斷的R,F,M是否大于均值的三個(gè)值加起來

人群數(shù)值是數(shù)值類型，位于前面的0會自動略過，比如1代表001的高消費(fèi)喚回客戶人群，10對應(yīng)010的一般客戶

然后在python中定義一個(gè)判斷函數(shù)，通過判斷人群數(shù)值，來返回對應(yīng)的分類標(biāo)簽

數(shù)據(jù)解讀與建議：

首先查看各類用戶占比情況

然后查看不同類型客戶消費(fèi)金額貢獻(xiàn)占比

最后導(dǎo)出數(shù)據(jù)，在tableau中數(shù)據(jù)可視化展示

通過數(shù)據(jù)可視化后，我們可以發(fā)現(xiàn)：

1.客戶流失情況嚴(yán)重，高消費(fèi)喚回客戶，流失客戶占比超過總客戶的50%

2.高消費(fèi)喚回客戶和頻次深耕客戶的金額總占比約66%，這兩部分客戶是消費(fèi)的重點(diǎn)客戶

3.流失客戶和新客戶的總?cè)藬?shù)占比約38%，但金額總占比只有約13%

建議：

1.針對高消費(fèi)喚回客戶，流失客戶采用喚回策略，推送相關(guān)信息，發(fā)禮品券等挽留客戶

2.針對高消費(fèi)喚回客戶和頻次深耕客戶，考慮繼續(xù)挖掘其消費(fèi)特性，如喜愛購買的產(chǎn)品，消費(fèi)的時(shí)間段，后續(xù)據(jù)此加強(qiáng)店鋪產(chǎn)品與時(shí)間段的改進(jìn)，最大程度留住這兩部分客戶

3.針對流失客戶和新客戶金額總占比低，建議推出一些低價(jià)產(chǎn)品，用來拉取新客戶，保證店鋪的活躍性。

以上就是關(guān)于rfm模型分類的8種客戶類型相關(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，客服也會為您講解更多精彩的知識和內(nèi)容。

推薦閱讀：

colourful的音標(biāo)（colourful的音標(biāo)怎么寫）

rfm模型怎么做

surf怎么讀音發(fā)音（surf怎么讀）

黑料不打料腎虛十八連（黑料不打烊腎虛十八連是什么）

主機(jī)號和主機(jī)地址一樣嗎（主機(jī)號和主機(jī)地址一樣嗎）