用户分群实战
一、RFM 模型原理及实战
1.1 RFM 模型原理
通过某个客户近期的购买行为、购买频率和消费金额三个指标来描述客户的
价值状态。
➢ 客户最近一次的购买时间是什么时候。最近一次消费时间越近
的顾客是最有可能对提供的商品或是服务最有反应的群体。
➢ 根据 R 值越来越小的标准,间隔时间越短越有可能再次购买。
➢ 单位时间内的消费次数。最常购买的顾客,也是满意度最高的
顾客。
➢ 根据 F 值越多越好的标准,单位时间内消费次数越多越有可能
再次购买。
➢ 单位期间内的消费总金额或平均消费额。
➢ 根据 M 值越大越好的标准,总额越大越有可能再次购买。
1.2 RFM 模型案例分析
从百分比结果可以看出,不同指标的数据存在明显左偏现象,用传统的按照
平均数进行分箱的方法不适合此数据。我们选择按照百分比的实际结果作为划分
标准,确定各个维度基准值。其中 R 的基准值取 70%分位数 0 天,F 的基准值取
60%分位数的 1 次,M 的基准值取 50%分位数的 6 元。由此产生新的三个衍生变
量:tagR、tagF、tagM。当值大于基准值时,tagR 为 0,tagF、tagM 为 1,当值
小于等于基准值时,tagR 为 1,tagF、tagM 为 0。
这样每个用户就有 3 个标识,分别为 tagR、tagF、tagM,每个标识有 0 和 1
两种取值,因此用户类型可以分为 2^3=8 种。根据前面的 RFM 分类给每位用户
打上相应的类型标签,统计不同 RFM 类型的用户人数,并绘制柱状图。
1098
378
120
41
231
1313
601
0
200
400
600
800
1000
1200
1400