RFM客戶價值模型

1、RFM客戶價值模型目錄隱藏?1RFM模型的內(nèi)容01.1最近一次消費(fèi)01。2消費(fèi)頻率01。3消費(fèi)金額?2RFM模型的應(yīng)用意義?3RFM模型案例分析3。1案例一：基于RFM的電信客戶市場細(xì)分方法1?4參考文獻(xiàn)編輯RFM模型的內(nèi)容根據(jù)美國數(shù)據(jù)庫營銷研究所ArthurHughes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(gòu)成了數(shù)據(jù)分析最好的指標(biāo)：?最近一次消費(fèi)(Recency)?消費(fèi)頻率(Frequency)?消費(fèi)金額(Monetary)編輯最近一次消費(fèi)最近一次消費(fèi)意指上一次購買的時候一一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

2、候理論上，上一次消費(fèi)時間越近的顧客應(yīng)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(yīng)。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(fèi)者的購買行為，那么最近的一次消費(fèi)就是營銷人員第一個要利用的工具。歷史顯示,如果我們能讓消費(fèi)者購買，他們就會持續(xù)購買。這也就是為什么，0至6個月的顧客收到營銷人員的溝通信息多于31至36個月的顧客。最近一次消費(fèi)的過程是持續(xù)變動的.在顧客距上一次購買時間滿一個月之后，在數(shù)據(jù)庫里就成為最近一次消費(fèi)為兩個月的客戶.反之，同一天，最近一次消費(fèi)為3個月前的客戶作了其下一次的購買，他就成為最近一次消費(fèi)為一天前的顧客，也就有可能在很短

3、的期間內(nèi)就收到新的折價信息。最近一次消費(fèi)的功能不僅在于提供的促銷信息而已，營銷人員的最近一次消費(fèi)報告可以監(jiān)督事業(yè)的健全度。優(yōu)秀的營銷人員會定期查看最近一次消費(fèi)分析，以掌握趨勢。月報告如果顯示上一次購買很近的客戶，（最近一次消費(fèi)為1個月）人數(shù)如增加，則表示該公司是個穩(wěn)健成長的公司；反之，如上一次消費(fèi)為一個月的客戶越來越少，則是該公司邁向不健全之路的征兆。最近一次消費(fèi)報告是維系顧客的一個重要指標(biāo)。最近才買你的商品、服務(wù)或是光顧你商店的消費(fèi)者，是最有可能再向你購買東西的顧客.再則，要吸引一個幾個月前才上門的顧客購買，比吸引一個一年多以前來過的顧客要容易得多。營銷人員如接受這種強(qiáng)有力的營銷哲學(xué)-一與顧

4、客建立長期的關(guān)系而不僅是賣東西，會讓顧客持續(xù)保持往來，并贏得他們的忠誠度.編輯消費(fèi)頻率消費(fèi)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(fèi)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。根據(jù)這個指標(biāo)，我們又把客戶分成五等分，這個五等分分析相當(dāng)于是一個忠誠度的階梯”（loya代yladder）,其訣竅在于讓消費(fèi)者一直順著階梯往上爬，把銷售想像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。編輯消費(fèi)金額消費(fèi)金額是所有數(shù)據(jù)庫報告的支柱，也可以驗(yàn)證帕雷

5、托法則”（Pareto'sLaw-一公司80%的收入來自20%的顧客。它顯示出排名前10%的顧客所花費(fèi)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(xiàn)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(fèi)，表現(xiàn)最好的10%的顧客平均花費(fèi)1195美元，而最差的10%僅有18美元。如果你的預(yù)算不多，而且只能提供服務(wù)信息給2000或3000個顧客，你會將信息郵寄給貢獻(xiàn)40%收入的顧客，還是那些不到1%的顧客？數(shù)據(jù)庫營銷有時候就是這么簡單。這樣的營銷所節(jié)省下來的成本會很可觀。結(jié)合這三個

6、指標(biāo)，我們就可以把顧客分成5*5*5=125類，對其進(jìn)行數(shù)據(jù)分析，然后制定我們的營銷策略.最近一次消費(fèi)、消費(fèi)頻率、消費(fèi)金額是測算消費(fèi)者價值最重要也是最容易的方法，這充分的表現(xiàn)了這三個指標(biāo)對營銷活動的指導(dǎo)意義。而其中，最近一次消費(fèi)是最有力的預(yù)測指標(biāo).編輯RFM模型的應(yīng)用意義在眾多的客戶關(guān)系管理(CRM)的分析模式中，RFM模型是被廣泛提到的。RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段。該模型通過一個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指標(biāo)來描述該客戶的價值狀況。RFM模型較為動態(tài)地層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

7、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(biāo)的狀況，從而為更多的營銷決策提供支持。在RFM模式中，R(Recency)表示客戶最近一次購買的時間有多遠(yuǎn)，F(xiàn)(Frequency)表示客戶在最近一段時間內(nèi)購買的次數(shù)，M(Monetary)表示客戶在最近一段時間內(nèi)購買的金額。一般的分析型CRM著重在對于客戶貢獻(xiàn)度的分析,RFM則強(qiáng)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(fèi)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(fù)印機(jī)、打印機(jī)、汽車維修等消耗品

8、；RFM對于加油站、旅行保險、運(yùn)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(shí)這是很浪費(fèi)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?yàn)檫@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(fù)率，幾乎沒有顯著差異。有些人會用客戶絕對貢獻(xiàn)金額來分析客戶是否流失，但是絕對金額有時會曲解客戶行為。因?yàn)槊總€商品價格可能不同，對不同產(chǎn)品的促銷有不同的折

9、扣，所以采用相對的分級(例如R、F、M都各分為五級)來比較消費(fèi)者在級別區(qū)間的變動，則更可以顯現(xiàn)出相對行為。企業(yè)用R、F的變化，可以推測客戶消費(fèi)的異動狀況，根據(jù)客戶流失的可能性，列出客戶，再從M(消費(fèi)金額)的角度來分析，就可以把重點(diǎn)放在貢獻(xiàn)度高且流失機(jī)會也高的客戶上，重點(diǎn)拜訪或聯(lián)系，以最有效的方式挽回更多的商機(jī)。RFM也不可以用過頭，而造成高交易的客戶不斷收到信函。每一個企業(yè)應(yīng)該設(shè)計一個客戶接觸頻率規(guī)則，如購買三天或一周內(nèi)應(yīng)該發(fā)出一個感謝的電話或Email,并主動關(guān)心消費(fèi)者是否有使用方面的問題，一個月后發(fā)出使用是否滿意的詢問，而三個月后則提供交叉銷售的建議，并開始注意客戶的流失可能性，不斷地創(chuàng)造

10、主動接觸客戶的機(jī)會。這樣一來，客戶再購買的機(jī)會也會大幅提高。企業(yè)在推行CRM時,就要木I（據(jù)RFM模型的原理，了解客戶差異，并以此為主軸進(jìn)行企業(yè)流程重建，才能創(chuàng)新業(yè)績與利潤.否則，將無法在新世紀(jì)的市場立足。編輯RFM模型案例分析編輯案例一:基于RFM的電信客戶市場細(xì)分方法：1：對于電信企業(yè)而言，不同的客戶具有不同的內(nèi)在價值，企業(yè)的首要問題就是采取有效方法對客戶進(jìn)行分類，發(fā)現(xiàn)客戶內(nèi)在價值的變化規(guī)律與分布特征，并以此制定客戶的差別化服務(wù)政策，通過政策的實(shí)施將客戶分類的結(jié)果作用于企業(yè)實(shí)踐。針對電信行業(yè)提出一種基于改進(jìn)RFM模型的客戶分類方法。應(yīng)用層次分析法來確定RFM模型中每個變量的權(quán)重，在此基礎(chǔ)上

11、，應(yīng)用K均值聚類法來對客戶進(jìn)行分類，之后分析每一類客戶的行為特征和價值，并且對不同的顧客類別采取不同的策略。一、電信行業(yè)RFM模型?？蛻舴诸惙椒ㄖ饕谢陬櫩屠麧櫬实姆诸惡突谥笜?biāo)組合的客戶分類方法2：.RFM模型經(jīng)常使用的三個指標(biāo)是近度（Recency）、頻度（Fre2quency）、值度（Monentary）,3。以RFM模型為基礎(chǔ)，通過客戶的RFM行為特征衡量分析客戶忠誠度與客戶內(nèi)在價值。按照傳統(tǒng)的RFM模型,以客戶最后一次購買到當(dāng)前的時間間隔為近度，則對于每天都在使用電信業(yè)務(wù)的客戶，其近度為零，不同的客戶區(qū)分度很小；如果客戶在一定時期內(nèi)使用電信業(yè)務(wù)的次數(shù)數(shù)量非常大，則客戶的頻度也將是一

12、個很大的數(shù)量。因此按照傳統(tǒng)的RFM模型對電信企業(yè)客戶進(jìn)行分析是沒有意義的.從客戶交費(fèi)角度來考慮電信業(yè)客戶的RFM模型，改進(jìn)后的RFM指標(biāo)與彳統(tǒng)的RFM指標(biāo)含義比較如下表所示：傳統(tǒng)的RFM模型與電信業(yè)RFM模型的各指標(biāo)含義比較模型R（近度）F（頻度）M（值度）傳統(tǒng)的RFM模型客戶最近一次客戶一定時期客戶一定時期購買距離分析內(nèi)購買該企業(yè)內(nèi)購買該企業(yè)點(diǎn)的時間產(chǎn)品的次數(shù)產(chǎn)品的總金額電信業(yè)RFM模型客戶最后'一"次客戶一定時期客戶一定時期交費(fèi)距離分析內(nèi)交費(fèi)的次數(shù)內(nèi)的交費(fèi)總額點(diǎn)的時間以客戶交費(fèi)的近度、頻度和值度來替代客戶消費(fèi)的近度、頻度和值度，基于以下幾點(diǎn)考慮：(1)客戶交費(fèi)的時間間隔較

13、大，以交費(fèi)近度替代消費(fèi)近度，避免了客戶消費(fèi)的近度難于區(qū)分的問題。(2)客戶交費(fèi)次數(shù)相對較少，可以減少統(tǒng)計客戶消費(fèi)次數(shù)的工作量(3)客戶交費(fèi)額等于客戶消費(fèi)額.因此，從交費(fèi)角度構(gòu)建電信業(yè)的RFM模型是可取的。二、RFM權(quán)重分析對RFM各變量的指標(biāo)權(quán)重問題，Hughes,Arthur認(rèn)為RFM在衡量一個問題上的權(quán)重是一致的，因而并沒有給予不同的劃分。而Stone,Bob通過對信用卡實(shí)證分析，認(rèn)為各個指標(biāo)的權(quán)重并不相同，應(yīng)該給予頻度最高，近度次之，值度最低的權(quán)重4。認(rèn)為針對不同的行業(yè)甚至不同的公司，頻度、近度、值度的權(quán)重均存在一定差異，因此需要采用科學(xué)的方法進(jìn)行分析.對此，以層次分析法為支撐，結(jié)合專家

14、咨詢方式來解決指標(biāo)權(quán)重的確定問題.研究邀請了被研究的某電信企業(yè)的兩位地區(qū)經(jīng)理、兩位市場營銷人員和一位長期客戶應(yīng)用文獻(xiàn)5的標(biāo)度含義對RFM各指標(biāo)權(quán)重進(jìn)彳f比較分析.在分別得到五位評價者的兩兩比較矩陣后，采取取平均的方法得到下表的評價矩陣評價矩陣RFM上表所示的兩兩比較矩陣的一致性比例COR<0。1,表明該判斷矩陣的一致性可以接受。由上表得出RFM各指標(biāo)相對權(quán)重為Wf,Wr,WM=0.221,0,341,0。439。其中M的權(quán)重最大，即專家們認(rèn)為客戶交費(fèi)金額的高低是影響顧客價值高低的最主要因素。三、客戶分類1 .基于K均值聚類法的客戶分類過程應(yīng)用K-均值聚類法,6,以加權(quán)RFM為指標(biāo)，將具有

15、相近的顧客終身價值的客戶進(jìn)行分類，基本思路如下：(1)應(yīng)用AHP法確定RFM各個指標(biāo)的權(quán)重，并將各個指標(biāo)加權(quán)。(2)將RFM各指標(biāo)標(biāo)準(zhǔn)化。(3)確定聚類的類別數(shù)量mo(4)應(yīng)用K均值聚類法對加權(quán)后的指標(biāo)進(jìn)行聚類，得到m類客戶。(5)將每類客戶的RFM平均值和總RFM平均值作比較，每次又t比有兩個結(jié)果：大于(等于)平均值和小于平均值，通過對比得到每類客戶RFM的變動情況。(6)根據(jù)每個客戶類別的RFM的變動情況分析該客戶類別的性質(zhì)，如該客戶類別是傾向于忠誠的還是傾向于背離的，然后在此基礎(chǔ)上定義客戶類型。(7)對每類客戶標(biāo)準(zhǔn)化后的各個指標(biāo)取平均，將平均值加權(quán)求和，得到每類客戶的顧客終身價值總得分，

16、分析各類顧客終身價值的差別.2 .顧客類型識別分析從某市通信公司2004年所有的電信客戶記錄中隨機(jī)抽取了1026名客戶的記錄進(jìn)行分析，數(shù)據(jù)的描述性統(tǒng)計見下表數(shù)據(jù)描述指標(biāo)最小值最大值平均值標(biāo)準(zhǔn)差近度212860o0720.191頻度0135.981。861值度54。431499.17704.7467216.22068由于RFM數(shù)據(jù)的量綱各不相同，數(shù)據(jù)的取值也存在很大的差異。為了消除分布差異較大和量綱不同的影響，在對各個指標(biāo)進(jìn)行加權(quán)之前，需要考慮對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理.由于F,M指標(biāo)對顧客價值存在正相關(guān)的影響，因此其標(biāo)準(zhǔn)化調(diào)整通過短=它一進(jìn)行。其中，毋'為標(biāo)準(zhǔn)化后的值，x為原值，xs為該指標(biāo)

17、最小值，xl為該指標(biāo)最大值。R對顧客價值存在負(fù)相關(guān)關(guān)系，因此其標(biāo)準(zhǔn)化調(diào)整公式為d=（1匯）。使用K均值聚類法時，需要預(yù)先判斷其聚類的類別數(shù)。在模型中客戶分類通過每個顧客類別RFM平均值與總RFM平均值相比較來決定的，而單個指標(biāo)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2x2x2=8種類別。標(biāo)準(zhǔn)化和確定聚類類別數(shù)后，進(jìn)行聚類分析，得到8類客戶。將8類客戶的RFM平均值與總RFM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(biāo)一個向上的箭頭：I"標(biāo)記,反之則用I"，如下表所示聚類分析后產(chǎn)生的8個客戶類別客戶客戶近度頻度值度類別數(shù)量d兀比較結(jié)果客戶級別&am

18、p;.66881.82R4.48692.01R9.17770-34R7.19454.25R6.74643.77R4.36448,57R6.27100217R4. 05X0L9gR5. 98704-75116844.68211534.108158.603 13447.754 15681.635 12769.209077.986 15567.85總均值60.07JFfhit重要保持客戶JFiMI重要發(fā)展客0JFfMt重要保持客戶JFfMI一般重要客戶tFfMI一股客戶tFlMI無價值客戶1FtMf重要挽留客戶tFUit一般客戶通過RFM分析將企業(yè)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

19、客戶、一般重要客戶、一般客戶、無價值客戶等六個級別，各客戶簇的客戶級別如表4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。電信企業(yè)通過RFM分析可將現(xiàn)有顧客劃分為不同的客戶等級，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(yīng)的終身價值分析是非常有必要的。3o客戶終身價值比較分析。表4將客戶簇1和簇3同分為重要保持客戶，將客戶簇5和簇8同分為一般客戶，這樣難以對對這兩組客戶簇進(jìn)行細(xì)分。此外，客戶分類后，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

20、法分析得到的RFM各指標(biāo)權(quán)重，結(jié)合各類顧客的RFM指標(biāo)，根據(jù)每一類客戶的顧客終身價值得分來進(jìn)行排序.標(biāo)準(zhǔn)化后的各個指標(biāo)平均值如表5的%,%,C其中j=1,"表示聚類后的類別。Cr0%,第j類客戶的R,F,M各個指標(biāo)標(biāo)準(zhǔn)化后的平均值，是第j類客戶的RFM各項指標(biāo)加權(quán)后的總得分，運(yùn)算公式為.G=隔出+卬尸e+w/B其中，Wr、Wf、Wm分別為由AHP分析得來的R、F、M指標(biāo)的權(quán)重最后，根據(jù)總得分的大小來對各類客戶來進(jìn)行排序（見表4）。排名靠前的客戶相對排名靠后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。表5顯示，客戶簇3總得分最高，因此簇3的客戶是企業(yè)最有價值的客戶，而簇6客戶總得分最后，因此可以認(rèn)為簇6客戶的價值最低。此外，對于處于同等級的客戶簇1和簇3,簇5和蹴8進(jìn)行了細(xì)分.從表5中還可以看出，簇3比簇1的價值大，簇5比簇8的價值大。此外，通過比較各簇的總得分，還可以比較各客戶簇的價值.如簇3的價值是簇6價值的0。5693/0.3284=1。73倍。標(biāo)準(zhǔn)化的RFM加權(quán)分類客戶3盅國CLV類別（近度）頻度值度（元）總得分排序10.60380。51240。57270。5596220.68040.34450。44130。4618430。50290。70560。49550.5693140。58150。55340。27670.438755