rfm模型怎么分析

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于rfm模型怎么分析的問題，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RFM模型劃分用戶等級

• 2、基于RFM模型用戶價(jià)值分析（K-Means聚類）

• 3、用戶價(jià)值分層——基于RFM模型的研究分析

• 4、基于RFM分析的客戶細(xì)分！讓市場營銷事半功倍！

一、用RFM模型劃分用戶等級

如何對用戶進(jìn)行等級分層，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)可以動態(tài)地掌握用戶對企業(yè)的長期價(jià)值，甚至預(yù)測客戶的終身價(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、營銷活動去觸達(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，代表用戶對企業(yè)或品牌越認(rèn)可，對企業(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。總之，企業(yè)需要針對消費(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)金額也會越高。

企業(yè)通過這三個(gè)維度合理評估用戶的長期價(jià)值，把用戶分為不同的等級，并對不同等級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)掌握用戶動態(tài)、群體畫像，很難做精細(xì)化運(yùn)營管理。而現(xiàn)在，無論是投廣告、做活動，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)忠誠客戶，企業(yè)需要主動和他聯(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低一些。在實(shí)際成交客戶中，如果對這8組客戶維度進(jìn)行簡化分類，我們可以把他們分為A、B、C三個(gè)等級。這樣，企業(yè)員工在維護(hù)時(shí)會更好地理解、操作。

總而言之，企業(yè)在人格上對用戶要一視同仁，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、基于RFM模型用戶價(jià)值分析（K-Means聚類）

本次分析數(shù)據(jù)來源CDNow網(wǎng)站的用戶在1997年1月1日至1998年6月30日期間內(nèi)購買CD訂單明細(xì)，對訂單明細(xì)進(jìn)行RFM模型的K-Means 聚類分析并提出運(yùn)營策略建議

-- 每個(gè)數(shù)據(jù)一共4列，分別是用戶ID、訂單時(shí)間、訂單數(shù)量、訂單金額，數(shù)據(jù)類型都是數(shù)值型

-- 刪除255個(gè)重復(fù)值

-- 共有80個(gè)，訂單數(shù)均為1，可能是未付款訂單或免費(fèi)活動，沒有明顯價(jià)值，可以剔除

-- 數(shù)據(jù)集的時(shí)間在1997-01-01到1998-06-30日，因此將此次觀察日期定義為1998年6月30日

RFM模型的定義：R為最近一次下單時(shí)間，F(xiàn)為購買頻次，M為購買金額。提取所需要的字段信息：

-- 完成數(shù)據(jù)預(yù)處理

利用K-means算法對客戶進(jìn)行聚類

結(jié)合業(yè)務(wù)，分析客戶特征，分析客戶價(jià)值

-- 在K=4、5的時(shí)候SSE曲線趨于平緩，再用輪廓系數(shù)看一下

-- 選擇最高點(diǎn)K=4進(jìn)行聚類

R：最近消費(fèi)時(shí)間 F：消費(fèi)頻次 M：消費(fèi)金額

經(jīng)分析，把客戶群體分為以下4類：

第1類人群：占比28.73%，RMF三個(gè)值都比較低，屬于低價(jià)值用戶

第2類人群：占比3.6%，F(xiàn)和M較高，R低，屬于重要保持用戶

第3類人群：占比67.52%（最多），R值較高，屬于一般發(fā)展用戶

第4類人群：只有22人，F(xiàn)和M特別高，R低，屬于高價(jià)值的重要保持用戶

用戶特點(diǎn)及策略：

（1）重要保持用戶：

消費(fèi)次數(shù)（F）和消費(fèi)金額（M）高，最近消費(fèi)時(shí)間（R）低

是公司的高價(jià)值用戶，對公司貢獻(xiàn)最大，所占比例小，主要目標(biāo)是促進(jìn)提高滿意度，延長用戶生命周期。可采取個(gè)性化營銷，如設(shè)計(jì)VIP服務(wù)、提供高質(zhì)量產(chǎn)品、與客戶互動了解情況等，促進(jìn)用戶回流。

（2）重要發(fā)展用戶： 消費(fèi)次數(shù)（F）和消費(fèi)金額（M）低，最近消費(fèi)時(shí)間（R）高

此類客戶當(dāng)前價(jià)值不高，但是所在比例最大，有發(fā)展?jié)摿Γ饕繕?biāo)是提升其購買頻次和金額，可采取交叉銷售、個(gè)性化推薦、組合優(yōu)惠券等策略，提升單次購買的訂單金額及促進(jìn)重復(fù)購買。

（3）低價(jià)值用戶：

消費(fèi)次數(shù)（F）、消費(fèi)金額（M）和最近消費(fèi)時(shí)間（R）三個(gè)值都低

此類用戶優(yōu)先級最低，可能在打折促銷、打造爆款時(shí)會進(jìn)行購買。

小結(jié)： 各類別用戶都明顯出現(xiàn)R值低的情況，說明用戶留存較低，結(jié)合業(yè)務(wù)場景（CDNow在線CD零售平臺），屬于用戶消費(fèi)頻次高的場景，應(yīng)引起重視，找到產(chǎn)品問題，提高用戶留存，培養(yǎng)用戶忠誠度

三、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，提高營銷效率。RFM作為一種數(shù)據(jù)驅(qū)動的客戶細(xì)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(xì)分為同類群體，并針對性制定個(gè)性化的營銷策略，提高用戶的參與度和留存率。

      RFM建模所需要的數(shù)據(jù)源是相對簡單的，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，便可以對不同客戶群使用不同針對性地營銷策略（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，對商家活動的響應(yīng)越積極

• F值越高，顧客的消費(fèi)頻次越高，對商家的忠誠度就越高

• M值越高，顧客的消費(fèi)能力越高，對商家貢獻(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參與度活動做出響應(yīng)？

• 誰是你不需要關(guān)注的無價(jià)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模型，可以幫助營銷人員實(shí)現(xiàn)客戶細(xì)分；衡量客戶價(jià)值和客戶利潤創(chuàng)收能力；識別優(yōu)質(zhì)客戶；指定個(gè)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。

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)也會存在較大的差異，造成極致波動、標(biāo)準(zhǔn)差值較大，因此需對金額進(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)，然后對指標(biāo)進(jìn)行綜合評價(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)與評估結(jié)果的影響關(guān)系來綜合評價(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οM(fèi)一次的人群進(jìn)行特征分析。比如針對人群的流動性，若流動人群占比較大，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)平臺可提供該類人群近期消費(fèi)偏好，供商家參考，制定針對性方案。

      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

使用pyecharts繪制玫瑰圖：

結(jié)論：商家顧客表現(xiàn)出來的忠誠度較高，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)化營銷。

      用戶畫像的基礎(chǔ)成分來源于用戶的準(zhǔn)入信息（會員注冊時(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各類人群實(shí)現(xiàn)精準(zhǔn)化營銷。

      市場和運(yùn)營往往絞盡腦汁做活動、上新品、蹭熱點(diǎn)、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(yùn)氣好的之外，但大多效果寥寥，這是為何？

      經(jīng)驗(yàn)豐富的營銷人員都知道“了解客戶”和“客戶細(xì)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(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簦艺\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，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分析是市場營銷人員分析客戶行為的最流行、最簡單、最有效的客戶細(xì)分方法之一。

針對RFM分層用戶制定相應(yīng)的營銷策略:

      • 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：近期客戶，消費(fèi)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(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：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，避免將其輸給競爭對手。

      •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，而采用公平對待方式是最佳。

      • 一般挽留客戶：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。

四、基于RFM分析的客戶細(xì)分！讓市場營銷事半功倍！

市場和運(yùn)營往往絞盡腦汁 做活動、上新品、蹭熱點(diǎn)、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(yùn)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(xì)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(diǎn)擊量（無論是郵件還是站點(diǎn)）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，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分析是市場營銷人員分析客戶行為的最流行、最簡單、最有效的客戶細(xì)分方法之一。

R（Recency）最近一次消費(fèi)時(shí)間 ：表示用戶最近一次消費(fèi)距離現(xiàn)在的時(shí)間（或截止到統(tǒng)計(jì)周期）。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周前消費(fèi)過的用戶價(jià)值大。

F（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，價(jià)值肯定比偶爾來一次的客戶價(jià)值大。

M（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)者為企業(yè)創(chuàng)利的多少，自然是消費(fèi)越多的用戶價(jià)值越大。

簡言之， RFM代表近度，頻率和額度 ，每個(gè)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?yàn)轭l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)。

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(shí)長，訪問的頁面數(shù)，每頁所花費(fèi)的時(shí)間等來將Engagement參數(shù)定義為一個(gè)綜合值。

• 購買的時(shí)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(fèi)金額區(qū)分了大筆支出的消費(fèi)者和低價(jià)值的購買者

• 想要提高回購率和留存率，需要時(shí)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(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參與度活動做出響應(yīng)？

• 誰是你不需要關(guān)注的無價(jià)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(shí)現(xiàn)客戶細(xì)分；衡量客戶價(jià)值和客戶利潤創(chuàng)收能力；識別優(yōu)質(zhì)客戶；指定個(gè)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(jià)值，這里我們介紹一種評分方式，根據(jù)三組數(shù)據(jù)各個(gè)值的特性，采用5分制為各個(gè)數(shù)據(jù)賦予一個(gè)評分值。

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

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

如上表所示，我們按“Recency”對客戶進(jìn)行了排序，最新的購買者排在首位。由于為客戶分配的分?jǐn)?shù)是1-5，因此前20％的客戶（客戶ID為12、11、1）的“Recency”分?jǐn)?shù)為5，接下來的20％（客戶ID為15、2、7）的分?jǐn)?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(jìn)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(fèi)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(gè)匯總的RFM得分。 下表中顯示的該RFM得分是各個(gè)R，F(xiàn)和M得分的平均值，是通過對每個(gè)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(gè)不同的RFM單元(5x5x5)，范圍從111（最低）到555（最高）。每個(gè)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(xì)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(gè)客戶的R，F(xiàn)和M得分平均以獲得RFM細(xì)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(gè)RFM變量的相對重要性，以得出最終分?jǐn)?shù)。例如：

1 .耐用消費(fèi)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(shí)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(jì)算RFM得分。

3 .視頻平臺等內(nèi)容apps

追劇狂人相比一般消費(fèi)者擁有更長的觀看時(shí)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(diǎn)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(shí)間可能并不適用，此時(shí)可以考慮采用金融產(chǎn)品持有時(shí)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(shí)間的長短。

還有一個(gè)問題是：如果每個(gè)RFM單元都被視為一個(gè)細(xì)分，那么營銷人員將無法單獨(dú)分析所有這125個(gè)客戶細(xì)分市場。因此，通常采用的RFM模型是將這三個(gè)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(jì)算R、F、M評分；現(xiàn)在我們進(jìn)一步分別獲得R、F、M的平均值；然后將各個(gè)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(gè)變量“高”“低”的組合來定義客戶類型；如“高”“高”“高”為高價(jià)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(xì)分。

如上面的RFM模型所示，因?yàn)橛腥齻€(gè)變量，所以要使用三維坐標(biāo)系進(jìn)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(gè)象限分別表示8類用戶。

現(xiàn)在，讓我們討論如何解釋RFM細(xì)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(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(fèi)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(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 是指那些經(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(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，避免將其輸給競爭對手。

• 一般價(jià)值客戶 是那些最近購買，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 是那些最近購買，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，提高其對品牌的滿意度。

•  一般保持客戶 是指很久未購買，消費(fèi)頻次雖高但金額不高的客戶。可以提供積分制，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(jìn)行優(yōu)化。

RFM是一種數(shù)據(jù)驅(qū)動的客戶細(xì)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(xì)分為同類群體，并針對他們制定差異化和個(gè)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(shí)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/

以上就是關(guān)于rfm模型怎么分析相關(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：

colouful怎么說（colourful用英語怎么說讀音）

colourful怎么讀英語（colourful怎么讀英語怎么讀）

會員rfm分析成功案例（會員價(jià)值rfm模型）

廣西富豪排行榜50名（廣西富豪排行榜50名名單）

杭州景觀設(shè)計(jì)工程管理服務(wù)（杭州景觀設(shè)計(jì)工程管理服務(wù)招聘）