RFMT用戶分析案例

1、RFM 模型研究對象： xx 客戶客戶定位：姓名+證件號碼指標及含義：R 為訪問時間間隔，F(xiàn) 為消費頻率，M 為消費總額，T 為單次最高的消費額。時間段： 2011 年 1 月 1 日 2012 年 12 月 31 日模型涉及：數(shù)據(jù)分析、網(wǎng)站營銷、網(wǎng)站推廣執(zhí)行問題：數(shù)據(jù)提取用時久，需設備支持。RFMT 模型介紹在營銷活動中， 每個客戶的價值因其購買能力和實際需求的不同而各不相同，尋找一種工具來辨別客戶價值至關重要?？蛻魞r值模型的建立可以對客戶進行排序分類，然后對客戶進行個性化營銷。本文為南航精準營銷體系的建立引入了RFMT模型，它以客戶關系領域廣泛用來衡量客戶價值和描述客戶行為的RFM模型為基

2、礎，拓展而成。RFMT模型有四個指標，如下R表示用戶最近一次購買南航機票的時間間隔。理論上，最近一次消費時間越近的用戶應該是比較好的用戶，對提供即時的商品或是服務也最有可能會有反應。R 指標主要刻畫了用戶對南航網(wǎng)站的關注程度。F（ Frequency ）F 表示用戶在限定時間內(nèi)購買機票的頻率，消費頻率越高的用戶，其滿意度和忠誠度也就越高。 F 指標主要刻畫了用戶對南航的忠誠度。M 表示用戶在限定時間購買南航機票的平均金額。消費金額是所有數(shù)據(jù)庫報告的支柱，直接反應了南航的盈利情況。 M指標主要刻畫了用戶的購買力。RFMT模型以上述四個指標為替代變量，通過指標標準化和賦予權重來計算客戶價值，然后根

3、據(jù)用戶價值來進行均值聚類分析，將用戶分成不同的類別，作為南航精準營銷的基礎。RFMT 模型建立RFMT 模型涉及到時間間隔、 頻率、平均金額等指標， 研究的是某一段時間的用戶價值，所以本文僅研究 2011 年 1 月 1 日到 2012 年 12 月 31 日這個時間段。一、指標權重確立本文用層次分析法來確定模型各個指標的權重，層次分析法（ Analytic Hierarchy Process 簡稱 AHP）是將與決策總是有關的元素分解成目標、準則、方案等層次，在此基礎之上進行定性和定量分析的決策方法，步驟如下1.建立判斷矩陣層次分析法的第一步是要確定各個指標之間的重要性比較， 其重要性用 1

4、-9 標度來表示，如下表：表 層次分析法標度表標度定義與說明1兩個元素對屬性具有同樣的重要性3兩個因素比較，一個因素比另外一個元素稍微重要5兩個因素比較，一個因素比另外一個元素明顯重要7兩個因素比較，一個因素比另外一個元素非常重要9兩個因素比較，一個因素比另外一個元素極端重要2，4， 6， 8表示需要在兩個標準中折衷1/b ij兩個元素間的反比較本文采用專家評估法來確定指標之間的重要性，其中根據(jù)實際情況，專家人群選取了論文小組成員。首先評估人員對四個指標進行定性判定。由于在價值評估中客戶的消費額對于企業(yè)的利潤貢獻度較大，所以一般來說M 應該具有最高的重要性；F 重在衡量客戶的忠誠度，忠誠度越高

5、， 對于企業(yè)的價值也越高，所以 F 也會占到一定的比例；而最高消費額T 在一定程度上可以體現(xiàn)客戶的消費能力，這個因素對于區(qū)分價格敏感型的客戶有參考作用；R 最近一次消費則是關系到一個客戶的最近情況，由于對與航空業(yè)來說客戶的需求不連續(xù)，所以 R 指標對于衡量客戶價值權重不高。然后根據(jù)定性判斷來對各指標進行兩兩對比，取評估人員的平均值，可得：RFMTR1574F1/5121/2M1/71/211/3T1/42312.歸一化處理2.1 判斷矩陣每一列元素每一列的總和RFMTR11/51/71/4F511/22M7213T41/21/31各列之和17.003.701.986.25歸一化處理RFMTR0

6、.060.050.070.04F0.290.270.250.32M0.410.540.510.48T0.240.140.170.16判斷矩陣的特征向量RFMT各行之和R0.060.050.070.040.22F0.290.270.250.321.13M0.410.540.510.481.94T0.240.140.170.160.71對向量 w = （0.22 ， 1.13，1.94 ，0.71 ）T 進行歸一化處理，得R、 F、 M 、 T 判斷矩陣的特征向量： W=（0.06 ， 0.28，0.48 ，0.17）3.計算判斷矩陣的最大特征根max0.060.050.070.040.060.2

7、30.290.270.250.320.281.16( BW )0.540.510.480.481.970.410.240.140.170.160.170.70n(Bw)i4.05，其中 (Bw) i 表示向量 Bw 的第 i 個元素。maxnwii 14.一致性檢驗矩陣一致性指標CI， C .Imaxnn 10.02 ；RI 取值表：n12345678910RI000.580.91.121.241.321.411.451.49計算隨機一致性比率 CR， CRCI0.0220.1 ；RI當 CR0.1 時，認為層次總排序通過一致性檢驗。所以最后確定R、F、M 、 T 的權重分別為 0.06， 0

8、.28，0.48， 0.17故，（ WF， WR，WM， WT ）=（ 0.06， 0.28， 0.48，0.17）訪問時間間隔有價值的客戶單 次 最 高消費金額0.280.060.17消費頻率消費總額0.48二、 R、 F、 M 、T 值的標準化由于 R，F(xiàn)， M ，T 各值的度量單位各不相同，數(shù)據(jù)的取值也存在很大的差異，所以需要對數(shù)據(jù)進行標準化處理，本文采用數(shù)據(jù)規(guī)格化變換方法，該方法可以客服模型不同指標的計量單位對聚類分析結果產(chǎn)生的不合理影響，又稱極差正規(guī)比變化，計算公式如下| X -Xmin |?=XminXmax -其中， X 是標準化的 R， F， M ， T 值， X 是原值， X

9、max 和 Xmin 分別是該指標的最大值和最小值。特別說明的是在R 指標中， Xmin 表示限定時間段的最末時間點。三、計算單個客戶的價值得分對標準化后的R， F， M ，T 進行加權求和，得到每個客戶的價值得分，公式如下：SRFMT =W r*Xr + W f*Xf + W m *Xm + W t *Xt （ 3）式中 SRFM 表示客戶的 RFMT 價值得分， W r、W f 、W m 分別表示 R、F、M 各指標的權重，分別表示標準化后的R、 F、 M 、T 值。Xr 、 Xf 、 Xm 、 Xt四、將客戶分類，計算每一類客戶的價值得分使用 K-均值聚類法時，需要預先判斷其聚類的類別數(shù)

10、。在模型中客戶分類通過每個顧客類別 RFMT 平均值與總RFMT 平均值相比較來決定的，而單個指標的比較只能有兩種情況:大于 (等于 ) 或小于平均值，因此可能有16 種類別。將 16 類客戶的 RFMT平均值與總 RFMT均值比較 .如果單個客戶類別的均值大于總均值，則給該指標一個向上的箭頭： “”標記，反之則用“” ，如下表所示：客戶類別客戶數(shù)量RFMT比較結果1R F M T 2R F M T 3R F M T 4R F M T 5R F M T 6R F M T 7R F M T 8R F M T 9R F M T 10R F M T 11R F M T 12R F M T 客戶級別重

11、要保持重要保持重要發(fā)展一般重要重要挽留重要發(fā)展無價值無價值重要保持重要保持重要發(fā)展一般13R F M T 一般重要14R F M T 重要挽留15R F M T 無價值16R F M T 無價值均值通過 RFM 分析將南航的客戶群體劃分成重要保持客戶、重要發(fā)展客戶、 重要挽留客戶、一般重要客戶、 一般客戶、無價值客戶等六個級別，各客戶級別如上表所示。客戶分級不僅揭示了客戶在級別上的差異，而且反映了客戶在行為上的特性和變化傾向。針對不同等級的客戶， 采取不同的管理策略。但是，這種分類只是確定了客戶的等級，卻沒有各類客戶之間的一個量化的價值比較，因而對各類客戶做相應的價值分析是非常有必要的?？蛻舴?/p>

12、類后，并不知道每一類客戶的價值差別有多大，相對企業(yè)的重要性怎樣。利用AHP 法分析得到的 RFMT 各指標權重，并結合各類顧客的標準化后RFMT 指標，可以得到每個類別客戶的價值得分。標準化的各個指標的平均值為C Rj， CFj， CMj， CTj其中 j=1.8。 CSj 是第 j 類客戶的RFMT 各項指標加權后的總得分，運算公式為。CSj =W R CRj +W FCFj +W M CMj +W T CTj其中， W R、W F、W M 、W T 分別為由 AHP 分析得來的 R、F、 M 、T 指標的權重最后，根據(jù)總得分的大小來對各類客戶來進行排序，見下表。 排名靠前的客戶相對排名靠后

13、的客戶具有更高的顧客終身價值，忠誠度更高，對于企業(yè)來說更為重要。標準化的RFM 加權分類客戶類別排序12345678910111213141516在進行客戶分類后再對客戶的類別進行顧客終身價值排序，使得企業(yè)能夠量化各類客戶的價值的差別， 彌補了的客戶分類方法的不足。這有助于企業(yè)制定更為可行的客戶政策。于受到成本的制約，南航不可能提供完全的、無差別的個性化服務，只能將資源先集中在少數(shù)幾類對企業(yè)重要的客戶上。按照總得分的排列情況，企業(yè)應該優(yōu)先將資源投放到總得分較高的客戶身上。由五、存在問題與優(yōu)化方向RFM 模型是業(yè)界內(nèi)普遍認可的、可有效區(qū)分客戶價值的分析方法。而結合航空業(yè)來說，RFM 這幾個指標在

14、應用中也會有所不同，而這幾個指標也是在評估客戶價值中比較關鍵的，要更全面的評估客戶的價值，應該需要結合他的個人信息如年齡、收入、職業(yè)等， 不過這些信息在現(xiàn)階段數(shù)據(jù)體系中也不一定有或者可用。1. R 指標問題及優(yōu)化問題： R（ Recency）值的是用戶最近一次訪問網(wǎng)站到某時刻的時間間隔，它衡量的是用戶對網(wǎng)站的關注， 如果 R 越小，則表示用戶對網(wǎng)站的關注度高， 其表現(xiàn)出的用戶價值就越高，反之則越低。問題僅用用戶最近的一次訪問來刻畫用戶對南航的關注度，并不夠全面，比如有 A、 B 兩個用戶，他們對官網(wǎng)的訪問軌跡如下：從上圖可以看出，用戶A 的 R 比 B 小，按照模型用戶A 的價值會比較高，但是

15、同樣可以看出B 的訪問比較密集，而且次數(shù)和A 一樣。可能他偶然剛好有一段時間沒有訪問，所以導致其價值變低。優(yōu)化方案在以后模型的發(fā)展中，可以考慮用戶更多的訪問次數(shù)，而不只是最近的一次，而是最近n 次，鑒于不同訪問次數(shù)時間越靠前其價值越高，所以可以給每一次購買（訪問）時間賦予一定權重來描述其重要性，如下：次數(shù)最近第 1 次最近第 2 次最近第 3 次最近第 n 次時間間隔T1T2T3Tn權重W1W2W3Wn所以， R 代表的時間間隔計算如下nR =TiWi ， i = 1、 2、 3 ni1比如模型選取最近的4 次訪問，其權重依次如下0.1、 0.2、0.3、 0.4，所以 R 代表的時間間隔：T

16、R = 0.4*T 1 +0.3*T2+ 0.2*T3+0.1*T 4如果能夠記錄用戶的每次來訪，就可以將所有的訪問納入R 的計算中， 使得模型更加全面。2. 指標自身問題根據(jù)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)庫中有三個神奇的要素，這三個要素構成了數(shù)據(jù)分析最好的指標：消費(Recency)、消費頻率 (Frequency)、消費金額(Monetary) ，因此建立了RFM 模型來衡量客戶價值，而本文建立的RFMT 模型是由RFM模型變化拓展而來，其中新增了T，表示該段時間內(nèi)用戶消費的最高金額。問題 1：指標間存在一定的相關性對于模型中的四個指標R、F、M、T，R 與 F 有較大的相關性，F(xiàn) 越大的時候R 越大的幾率較大； M 與 T 有較大的相關性，M 越大的時候T 越大的幾率較大，在價值衡量模型中出現(xiàn)相關性較大的指標，這樣模型會顯得冗余。一個優(yōu)秀的模型的標志是用最少數(shù)量的指標來刻畫模型特征，所以在后期可以對RFMT模型進行精簡，抓住主要的F（消費頻率）和M （消費總金額）指標來進行分析。問題 2：指標局限性RFMT 是衡量用戶的價值的代表性指標，描述的主