数据分析-RFM模型用户分析.pdf

数据分析 数据分析-RFM模型⽤户分析 模型⽤户分析 RFM模型 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有3个神奇的要素，这3个要素构成了数据分析最好的指标： 最近⼀次消费 (Recency) 消费频率 (Frequency) 消费⾦额 (Monetary) 上⾯的三个标签通过字⾯意思⽐较好理解,顾名思义RFM模型中的,R=Recency,F=Frequency,M=Monetary RFM模型客户细分 1.数据筛选分组 为了得到客户最近⼀次消费(Recency)、消费频率(Frequency)、消费⾦额(Monetary)这三个指标的数值进⾏筛选分组（以下为⼀个⽰例）。 消费(Recency)——最近⼀次会员来店铺购买的时间 A、⼀周以前 B、2周以前 C、3周以前 D、⼀个⽉前 消费频率(Frequency)——⼀年内在店铺购买的次数 A、1次 B、1-3次 C、3-5次 D、5次以上 对于消费⾦额(Monetary)——单次消费⾦额 A、50元以下 B、50-150元 C、150-300元 D、300元以上 2.数据处理 处理步骤如下： 将所有客户按照Recency的值，由⼩到⼤排列，以50%为⼀群，依次给予2,1分。 再将所有客⼾按照Frequency的值，由⼤到⼩排列；以50%为⼀群，依序给予2,1分。 最后将所有客⼾按照Monetary的值，由⼤到⼩排列；以50%为⼀群，依序给予2,1分。 整合得到8种组合： 2-2-2：⾼价值客户； 2-1-2：重点发展客户 1-2-2：重点保持客户； 1-1-2：重点挽留客户； 1-1-1：⽆价值客户； 其余三种组合均属于⼀般客户。 现在我们来简单归纳⼀下,RFM模型中,我们重点研究的就是以上8种⽤户(⽤排列组合2*2*2=8种,很好理解)⾥⾯的有明显偏向的5种⽤户. 前⾯的4种⽤户,⼊选研究对象,总概括的就是愿意掏钱的客户. 这下就很好记了,RFM⾥⾯的M已经确定了,要选掏钱的,R,F各有两种选择,也就是总共4种类型 然后再按R来分,打分⾼的先排 2 2 2 这种客户"最近购买(r),⽽且经常购买(F),每次花钱的⾦额还挺⼤(M) 毫⽆疑问这个客户是⾼价值的 2 1 2 此客户最近购买,买的次数不多,但每次花费的⾦额⽐较⼤;那么遇到这种客户,证明他对特定品牌产品感兴趣,要做的是怎么让他经常来 买. 所以这种客户不难理解是应该重点发展的 1 2 2 此客户可能不是⼀直关注产品,但是买的次数⽐较频繁,每次花费的⾦额也挺⼤. 理解:证明这个客户是对产品的需求量⽐较⼤,也舍得掏钱,对品牌不是很关注的,也许今天到A品牌商家购买的,明天就到B品牌商家购买 去了.因此我们要做的是,要让客户保留对我们品牌产品的兴趣. 1 1 2 此客户⽐较明显就是那种⽐较懒惰型的客户,要⽤到的时候再买,⽽且⼀次性买⽐较多,平时就很少关注和购买了.对于这种客户,你不知 道他下⼀次购买的还是不是本公司品牌的产品,可能需要在他购买⼀段时间后提醒他我们产品有优惠活动,来提起他的购买欲望.因此属于需要 挽留型的客户 1 1 1 就不多说了,是临时过客 其他的客户没有明显的特征,主要是不怎么掏钱,是薅⽺⽑型的,你再怎么打主意都从他⾝上挣不到多少钱的,就归为⼀般客户. 理解完后,就根据打分,把所有客户分类好,然后提取出来我们重点研究的这⼏种客户来做相应的措施; 2 2 2⾼价值客户,基本上不⽤太担⼼,他会⾃⼰来购买 2 1 2 重点发展型的客户 想办法加⼤他的购买频率 1 2 2重点保持型客户 让他保持对我们品牌产品的兴趣 1 1 2重点挽留客户 发⼀些我们品牌的信息给他,等他想起来要购买类似产品的时候,第⼀时间想到的是我们品牌 1 1 1 ⽆价值的客户 不⽤花精⼒去跟进这种类型的客户,投⼊和产出⽐不值得. RFM模型是数据分析领域中一个经典的用户细分工具，主要用于客户关系管理（CRM）和市场营销策略。该模型由三个关键指标组成：最近一次消费（Recency）、消费频率（Frequency）和消费金额（Monetary），这三个英文首字母组合成RFM。 **最近一次消费(Recency)**：指的是客户最后一次购买的时间距离现在有多久。例如，可以将客户分为A至D四类，分别代表一周前、两周前、三周前和一个月前。时间越近，客户的活跃度越高，表明客户与企业的互动更频繁。 **消费频率(Frequency)**：表示客户在一定时间内购买的次数。同样，可以设置A至D四个等级，如1次、1-3次、3-5次以及5次以上。频率越高，说明客户忠诚度可能越高。 **消费金额(Monetary)**：指的是单次消费的金额大小。同样分为四个等级，如50元以下、50-150元、150-300元以及300元以上。金额越大，客户带来的价值越高。 **RFM模型的应用步骤**： 1. **数据筛选分组**：根据Recency、Frequency和Monetary的等级划分客户群体。 2. **数据处理**：对每个指标进行分段，通常采取中位数法，将客户分为两组，分别赋予分数1和2。这样每项指标可以得到1或2的评分，组合起来共有8种可能的组合。 根据得分，RFM模型将客户分为以下八类： - 2-2-2：高价值客户，最近购买，频繁购买，高消费金额，是企业最希望保持的客户。 - 2-1-2：重点发展客户，最近购买，不常购买，高消费金额，需要提高其购买频次。 - 1-2-2：重点保持客户，购买间隔较长，但购买频繁，高消费金额，需维持其对品牌的兴趣。 - 1-1-2：重点挽留客户，购买间隔长且不频繁，但单次消费金额大，需要提醒和激活其购买意愿。 - 1-1-1：无价值客户，最近未购买，购买频率低，消费金额小，可能是一次性购买或潜在流失客户。 - 其余三类一般客户，消费特征不明显，投入产出比不高，通常不作为重点营销对象。 通过对RFM模型的分析，企业可以识别出不同类型的客户，从而制定更精准的营销策略。例如，针对高价值客户，可提供更高级的服务或专享优惠；对于重点发展客户，可以设计促销活动刺激购买频次；重点保持客户需要持续提供价值感知，保持品牌忠诚度；重点挽留客户则需定期提醒和唤醒购买需求。无价值客户则减少投入，避免资源浪费。 RFM模型为企业提供了量化客户价值的方法，帮助企业更好地理解客户行为，优化营销策略，提高客户满意度和整体业绩。通过深入挖掘RFM模型的潜力，企业可以实现更有效的客户分类和资源分配，进一步提升业务效率。