RFM模型將用戶分為幾類

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于RFM模型將用戶分為幾類的問題，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、數(shù)據(jù)分析方法3—RFM分析模型

• 2、不會RFM模型分析？這篇應用實例拿走不謝

• 3、rfm模型的三個指標是什么?

• 4、用戶價值分層——基于RFM模型的研究分析

一、數(shù)據(jù)分析方法3—RFM分析模型

        對于一個新上線產(chǎn)品的前期運營，我們一般的做法都是做活動、上新品、蹭熱點、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，最終都便宜了羊毛黨。其實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)。所以我們想要運營好一個產(chǎn)品，就需要對客戶精細化運營。

     精細化運營最經(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間、消費頻次、消費金額組成。

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

R值（Recency）： 最近一次消費

        表示用戶最近一次消費距離現(xiàn)在的時間，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月前消費過的用戶價值大，是衡量用戶價值的一個指標。

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

F值（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，其價值比偶爾來一次的客戶價值大

        基于F值的大小，可以看出客戶4的價值最大，客戶1的價值最小，但是如果考慮R值和M值就不能這樣認為。其實客戶對于產(chǎn)品的復購的核心因素是類目。有的類目產(chǎn)品復購率高（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)生重復性購買。而有的類目產(chǎn)品復購率低（家電類），消耗周期長，購買頻次低。建議在對F值進行統(tǒng)計時對于不同的類目要有相應的統(tǒng)計周期。

M值（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)了消費者對于企業(yè)的價值。

        基于M值的大小，可以看出客戶4的價值最高，客戶1的價值最低，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)合才能更好地精細化用戶，對購買產(chǎn)品的用戶合理的分隔，采用不同的機制去運營。

RFM模型的主觀細分

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

RFM模型的量化細分

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

1、根據(jù)經(jīng)驗定義權(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)驗豐富的業(yè)務(wù)人員來判斷

2、歸一化處理

將RFM的值進行歸一化處理，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行人群細分，得出不同的人群

二、不會RFM模型分析？這篇應用實例拿走不謝

相信多數(shù)的數(shù)據(jù)分析人員與我一樣，剛開始接觸數(shù)據(jù)分析工具時，經(jīng)常不知該從何下手，分析數(shù)據(jù)也是胡亂分析一通，往往分析不到想要的結(jié)果。同樣的數(shù)據(jù)在專業(yè)數(shù)據(jù)分析師的手里是寶藏，怎么到了自己手中便成了一堆廢鐵，為什么呢？是我們分析的知識存儲不夠嗎？雖然有部分原因是可能是因為不懂分析模型原理，但也許更多的原因是我們不懂該如何利用工具將各種模型法則運用到分析決策當中去。

打個比方，在客戶管理方面，企業(yè)想分析哪些客戶更重要，時常會通過帕累托模型做分析；想判斷哪些客戶最有價值，時常會運用到RFM分析模型等等一樣。明明分析模型相關(guān)的知識都了解，卻因為不會用工具實現(xiàn)分析，一切都只是徒勞。接下來我便簡單為大家分享關(guān)于RFM模型在數(shù)林BI中的應用，不會用工具也無需擔心，直接參考模板就對了！

一、 關(guān)于RFM模型解釋

RFM模型由三個維度R(Recency-近度）、F(Frequency-頻度）和M（Monetary-額度）組成。

近度R： 表示客戶最近交易距離當前天數(shù)，本文可以簡單理解為客戶的最近交易日期與數(shù)據(jù)采集日期的距離，R越大表示客戶許久未交易，反之，表示客戶不久前剛交易過。

頻度F： 可簡單理解為客戶在某段時間內(nèi)交易的頻次，F(xiàn)越大表示客戶在某段時間內(nèi)交易越頻繁，越小，表示客戶交易頻次越少。

額度M ：表示客戶在某段時間內(nèi)的消費金額，本文可簡單理解為客戶在某段時間內(nèi)的平均消費金額。M越大表示客戶在某段時間內(nèi)成交的金額越大，反之越小。

二、 利用 RFM模型 劃分銷售客戶群體

通過RFM模型可將銷售客戶群體劃分為不同級別類型客戶，如下圖所示：

三、 RFM模型的應用

如上圖所示，這是用數(shù)林BI工具從金蝶進銷存系統(tǒng)中直接取數(shù)，按照特定的要求做出的RFM模型的簡單應用，將企業(yè)的銷售客戶劃分出來。用戶可通過此模型可直觀了解到客戶處于哪個層級上，比如哪些客戶是重要價值客戶，哪些僅僅只是一般價值客戶等等，并針對劃分的類型采取不同的運營措施，例如，重要價值客戶是公司的優(yōu)質(zhì)客戶需要重點保持；而對于公司貢獻不大的一般挽留客戶，可詢問原因，但不必太重點關(guān)注，保持一般互動即可......通過不同的營銷策略管理客戶，可在一定程度上為企業(yè)減少不必要的資源浪費。

當然，企業(yè)可結(jié)合其他的圖表對銷售客戶進行分析，如下圖所示：

上圖是數(shù)林BI中建立的一個關(guān)于銷售客戶可視化的BI分析模型，用戶可以借此模板掌握公司不同類型客戶的情況，從而判斷銷售客戶的價值，并有針對的采取不同的運營舉措。

同樣，用戶將RFM模型結(jié)合客戶黏性分析，從銷售額、單價、品類、筆數(shù)等角度分析哪些客戶流失了，從而及時找尋可能的流失原因，這對企業(yè)的發(fā)展有重大意義。

三、rfm模型的三個指標是什么?

根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes的研究，客戶數(shù)據(jù)庫中有3個神奇的要素，這3個要素構(gòu)成了數(shù)據(jù)分析最好的指標：

1、最近一次消費

最近一次消費意指上一次購買的時候——顧客上一次是幾時來店里、上一次根據(jù)哪本郵購目錄購買東西、什么時候買的車，或在你的超市買早餐最近的一次是什么時候。

理論上，上一次消費時間越近的顧客應該是比較好的顧客，對提供即時的商品或是服務(wù)也最有可能會有反應。營銷人員若想業(yè)績有所成長，只能靠偷取競爭對手的市場占有率，而如果要密切地注意消費者的購買行為，那么最近的一次消費就是營銷人員第一個要利用的工具。

歷史顯示，如果能讓消費者購買，他們就會持續(xù)購買。這也就是為什么，0至3個月的顧客收到營銷人員的溝通信息多于3至6個月的顧客。

2、消費頻率

消費頻率是顧客在限定的期間內(nèi)所購買的次數(shù)。我們可以說最常購買的顧客，也是滿意度最高的顧客。如果相信品牌及商店忠誠度的話，最常購買的消費者，忠誠度也就最高。增加顧客購買的次數(shù)意味著從競爭對手處偷取市場占有率，由別人的手中賺取營業(yè)額。

分類：

根據(jù)這個指標，我們又把客戶分成五等分，這個五等分分析相當于是一個“忠誠度的階梯”(loyalty ladder)，如購買一次的客戶為新客戶，購買兩次的客戶為潛力客戶，購買三次的客戶為老客戶，購買四次的客戶為成熟客戶，購買五次及以上則為忠實客戶。

其訣竅在于讓消費者一直順著階梯往上爬，把銷售想象成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。

3、消費金額

消費金額是所有數(shù)據(jù)庫報告的支柱，也可以驗證“帕雷托法則”(Pareto’s Law)——公司80%的收入來自20%的顧客。

它顯示出排名前10%的顧客所花費的金額比下一個等級者多出至少2倍，占公司所有營業(yè)額的40%以上。如看累計百分比的那一欄，我們會發(fā)現(xiàn)有40%的顧客貢獻公司總營業(yè)額的80%；而有60%的客戶占營業(yè)額的90%以上。

最右的一欄顯示每一等分顧客的平均消費，表現(xiàn)最好的 10%的顧客平均花費1195美元，而最差的10%僅有18美元 。

應用意義

RFM模型較為動態(tài)地顯示了一個客戶的全部輪廓，這對個性化的溝通和服務(wù)提供了依據(jù)，同時，如果與該客戶打交道的時間足夠長，也能夠較為精確地判斷該客戶的長期價值(甚至是終身價值)，通過改善三項指標的狀況，從而為更多的營銷決策提供支持。

在RFM模式中，R(Recency)表示客戶購買的時間有多遠，F(xiàn)(Frequency)表示客戶在時間內(nèi)購買的次數(shù)，M (Monetary)表示客戶在時間內(nèi)購買的金額。一般的分析型CRM著重在對于客戶貢獻度的分析，RFM則強調(diào)以客戶的行為來區(qū)分客戶。

RFM非常適用于生產(chǎn)多種商品的企業(yè)，而且這些商品單價相對不高，如消費品、化妝品、小家電、錄像帶店、超市等；

它也適合在一個企業(yè)內(nèi)只有少數(shù)耐久商品，但是該商品中有一部分屬于消耗品，如復印機、打印機、汽車維修等消耗品；RFM對于加油站、旅行保險、運輸、快遞、快餐店、KTV、行動電話信用卡、證券公司等也很適合。

RFM可以用來提高客戶的交易次數(shù)。業(yè)界常用的DM(直接郵寄)，常常一次寄發(fā)成千上萬封郵購清單，其實這是很浪費錢的。

根據(jù)統(tǒng)計(以一般郵購日用品而言)，如果將所有R(Recency)的客戶分為五級，最好的第五級回函率是第四級的三倍，因為這些客戶剛完成交易不久，所以會更注意同一公司的產(chǎn)品信息。如果用M(Monetary)來把客戶分為五級，最好與次好的平均回復率，幾乎沒有顯著差異。

四、用戶價值分層——基于RFM模型的研究分析

• R（Recency）：消費間隔，最近一次距離上次消費的時間間隔

• F（Frequency）：消費頻次，一段時間（1個月/1年...）內(nèi)的消費總次數(shù)

• M（Monetary）：消費金額，一段時間（1個月/1年...）內(nèi)的消費總金額

      RFM模型是用戶價值研究中的經(jīng)典模型，基于近度（Recency），頻度（Frequency）和額度（Monetory）這3個指標對用戶進行聚類，找出具有潛在價值的用戶, 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)動的客戶細分技術(shù)，可幫助營銷人員做出更明智的戰(zhàn)略性決策，使營銷人員能夠快速識別用戶并將其細分為同類群體，并針對性制定個性化的營銷策略，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間和金額這兩個字段。我們基于交易數(shù)據(jù)中用戶的最后一次的購買時間，購買的次數(shù)以和頻率，以及平均/總消費額對每個用戶計算了三個維度的標準分。然后我們對于三個維度賦予了不同的權(quán)重，再基于加權(quán)后的分值應用K-Means進行聚類，根據(jù)每種人群三個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，喚醒等），提高復購率與轉(zhuǎn)化率。值得注意的是，三個維度的權(quán)重制定并沒有統(tǒng)一的標準，比較通用的方法是用層次分析法(AHP)，實際場景結(jié)合行業(yè)以及具體公司的特點進行因地制宜、因人而異的優(yōu)化。

RFM因素：

• R值越高，顧客的有效期越近，對商家活動的響應越積極

• F值越高，顧客的消費頻次越高，對商家的忠誠度就越高

• M值越高，顧客的消費能力越高，對商家貢獻度就越高

• 想要提高復購率和留存率，需要時刻警惕R值

RFM分析：

• 誰是您最有價值的客戶？

• 導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？

• 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模型，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。

數(shù)據(jù)導入：使用python的pandas.read_csv導入樣本數(shù)據(jù)。

缺失值校驗：因數(shù)據(jù)為生產(chǎn)真實的交易數(shù)據(jù)，質(zhì)量相對較高，缺失值較低。

極值校驗：第一份樣本數(shù)據(jù)獲取的用戶訂單實付金額，其中會存在優(yōu)惠或補差支付，同時因就餐人數(shù)不一致，產(chǎn)生的的訂單消費也會存在較大的差異，造成極致波動、標準差值較大，因此需對金額進行處理，以人均消費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

實驗數(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)團餐業(yè)務(wù)，企業(yè)會給員工發(fā)放補貼，導致員工呈現(xiàn)較高的消費頻次，該類用戶的消費行為絕大程度依賴于企業(yè)，在實際的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值為客戶實付金額，該商戶支持預定、會餐、大小桌，同一單的消費群體不同，或可使用人均消費總額作為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)驗得到權(quán)數(shù)，然后對指標進行綜合評價。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)研究指標之間的相關(guān)關(guān)系或指標與評估結(jié)果的影響關(guān)系來綜合評價。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，計算方法較為復雜。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天的消費活躍來看，用戶消費頻次集中在1-6次，呈現(xiàn)出極佳的復購率?？梢葬槍οM一次的人群進行特征分析。比如針對人群的流動性，若流動人群占比較大，可進一步推廣特色菜吸引客戶，若周邊人群占比較高，可基于復購人群的特征進行分析，同時平臺可提供該類人群近期消費偏好，供商家參考，制定針對性方案。

      了解RFM定義后，將3個指標作為坐標系的XYZ坐標軸，從空間上切割成8類，作為用戶的價值分層，如下圖：

用戶價值分層說明：

上面我們已經(jīng)計算得到各個用戶的RFM分值，接下來要依據(jù)分值進行分類。

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，并沒有實際意義，可以基于價值分層與其他特征關(guān)聯(lián)分析進行精準投放。如下圖（網(wǎng)絡(luò)參考圖，本期實驗并未涉及其他特征）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，用戶的準入信息是用戶的主觀特征，是一種既定的事實，通過對用戶行為的采集、研究，刻畫出單個用戶的特征。其意義在于基于某一事物對群里特征進行分類，有效的體現(xiàn)事物的合適人群；同時針對群里特征的偏愛、習慣研究，可以刻畫出用戶的需求，實現(xiàn)精準化營銷。

      用戶畫像的基礎(chǔ)成分來源于用戶的準入信息（會員注冊時的登記信息），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行為提煉出來的價值指標。通過對各個價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現(xiàn)精準化營銷。

      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，但大多效果寥寥，這是為何？

      經(jīng)驗豐富的營銷人員都知道“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。

針對RFM分層用戶制定相應的營銷策略:

      • 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：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：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：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：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：最近購買，但消費金額和頻次都不高的客戶。可提供免費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：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行優(yōu)化。

以上就是關(guān)于RFM模型將用戶分為幾類相關(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：

阿里巴巴國際站專業(yè)術(shù)語（阿里巴巴國際站專業(yè)術(shù)語中RFQ）

RFID手持終端十大排名（rfid手持終端十大排名最新）

rfm模型分別代表

上海滬佳家裝裝修怎么樣（上海滬佳家裝裝修怎么樣知乎）

世界游戲平臺排行榜（世界游戲平臺排行榜前10名）