RFM模型.doc

rfm模型的內(nèi)容 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(gè)神奇的要素，這三個(gè)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(frenquency) 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(shí)候顧客上一次是幾時(shí)來店里、上一次根據(jù)哪本郵購目錄購買東西、什么時(shí)候買的車，或在你的超市買早餐最近的一次是什么時(shí)候。 理論上，上一次消費(fèi)時(shí)間越近的顧客應(yīng)該是比較好的顧客，對提供即時(shí)的商品或是服務(wù)也最有可能會(huì)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(gè)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(huì)持續(xù)購買。這也就是為什么，0至6個(gè)月的顧客收到營銷人員的溝通信息多于31至36個(gè)月的顧客。最近一次消費(fèi)的過程是持續(xù)變動(dòng)的。在顧客距上一次購買時(shí)間滿一個(gè)月之后，在數(shù)據(jù)庫里就成為最近一次消費(fèi)為兩個(gè)月的客戶。反之，同一天，最近一次消費(fèi)為3個(gè)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，也就有可能在很短的期間內(nèi)就收到新的折價(jià)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(bào)告可以監(jiān)督事業(yè)的健全度。優(yōu)秀的營銷人員會(huì)定期查看最近一次消費(fèi)分析，以掌握趨勢。月報(bào)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(gè)月)人數(shù)如增加，則表示該公司是個(gè)穩(wěn)健成長的公司；反之，如上一次消費(fèi)為一個(gè)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(bào)告是維系顧客的一個(gè)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(gè)幾個(gè)月前才上門的顧客購買，比吸引一個(gè)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)與顧客建立長期的關(guān)系而不僅是賣東西，會(huì)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(gè)指標(biāo)，我們又把客戶分成五等分，這個(gè)五等分分析相當(dāng)于是一個(gè)“忠誠度的階梯”(loyalty ladder)，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(bào)告的支柱，也可以驗(yàn)證“帕雷托法則”(paretos 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(fèi)的金額比下一個(gè)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(jì)百分比的那一欄，我們會(huì)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(gè)顧客，你會(huì)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(shí)候就是這么簡單。這樣的營銷所節(jié)省下來的成本會(huì)很可觀 。 結(jié)合這三個(gè)指標(biāo)，我們就可以把顧客分成555 = 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(jià)值最重要也是最容易的方法，這充分的表現(xiàn)了這三個(gè)指標(biāo)對營銷活動(dòng)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(jià)值和客戶創(chuàng)利能力的重要工具和手段。該模型通過一個(gè)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(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。 rfm模型較為動(dòng)態(tài)地層示了一個(gè)客戶的全部輪廓，這對個(gè)性化的溝通和服務(wù)提供了依據(jù)，同時(shí)，如果與該客戶打交道的時(shí)間足夠長，也能夠較為精確地判斷該客戶的長期價(jià)值(甚至是終身價(jià)值)，通過改善三項(xiàng)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(shí)間有多遠(yuǎn)，f(frequency)表示客戶在最近一段時(shí)間內(nèi)購買的次數(shù)，m (monetary)表示客戶在最近一段時(shí)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(jià)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(gè)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；rfm對于加油站、旅行保險(xiǎn)、運(yùn)輸、快遞、快餐店、ktv、行動(dòng)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(jì)(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(huì)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(huì)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(shí)會(huì)曲解客戶行為。因?yàn)槊總€(gè)商品價(jià)格可能不同，對不同產(chǎn)品的促銷有不同的折扣，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(dòng)，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(dòng)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(huì)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(gè)企業(yè)應(yīng)該設(shè)計(jì)一個(gè)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(gè)感謝的電話或email，并主動(dòng)關(guān)心消費(fèi)者是否有使用方面的問題，一個(gè)月后發(fā)出使用是否滿意的詢問，而三個(gè)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)造主動(dòng)接觸客戶的機(jī)會(huì)。這樣一來，客戶再購買的機(jī)會(huì)也會(huì)大幅提高。 企業(yè)在推行crm時(shí)，就要根據(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(jià)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(jià)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(gè)變量的權(quán)重,在此基礎(chǔ)上,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(jià)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。 客戶分類方法主要有基于顧客利潤率的分類和基于指標(biāo)組合的客戶分類方法2。rfm模型經(jīng)常使用的三個(gè)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(jià)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(shí)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(shí)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個(gè)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)與傳統(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(shí)期客戶一定時(shí)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(shí)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(shí)期客戶一定時(shí)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(shí)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(shí)間間隔較大,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(jì)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(gè)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(gè)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)行比較分析。在分別得到五位評價(jià)者的兩兩比較矩陣后,采取取平均的方法得到下表的評價(jià)矩陣。 評價(jià)矩陣 rfm r10.710.46 f1.4110.85 m2.181.181 上表所示的兩兩比較矩陣的一致性比例c。 r 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(jià)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),將具有相近的顧客終身價(jià)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(gè)指標(biāo)的權(quán)重,并將各個(gè)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m。 (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,每次對比有兩個(gè)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(dòng)情況。 (6)根據(jù)每個(gè)客戶類別的rfm的變動(dòng)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(gè)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(jià)值總得分,分析各類顧客終身價(jià)值的差別。 2.顧客類型識(shí)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(jì)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212860.0720.191 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(gè)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(jià)值存在正相關(guān)的影響,因此其標(biāo)準(zhǔn)化調(diào)整通過進(jìn)行。其中，為標(biāo)準(zhǔn)化后的值，x為原值,xs為該指標(biāo)最小值，xl為該指標(biāo)最大值。r對顧客價(jià)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。 使用k-均值聚類法時(shí),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(gè)顧客類別rfm平均值與總rfm平均值相比較來決定的,而單個(gè)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(gè)客戶類別的均值大于總均值,則給該指標(biāo)一個(gè)向上的箭頭：“”標(biāo)記,反之則用“”,如下表所示 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、重要挽留客戶、一般重要客戶、一般客戶、無價(jià)值客戶等六個(gè)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(gè)量化的價(jià)值比較,因而對各類客戶做相應(yīng)的終身價(jià)值分析是非常有必要的。 3.客戶終身價(jià)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(jià)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(jià)值得分來進(jìn)行排序.標(biāo)準(zhǔn)化后的各個(gè)指標(biāo)平均值如表5的,其中表示聚類后的類別。,第j類客戶的r,f,m各個(gè)指標(biāo)標(biāo)準(zhǔn)化后的平均值，是第j類客戶的rfm各項(xiàng)指標(biāo)加權(quán)后的總得分,運(yùn)算公式為。 。 其中,w_r、w_f、w_m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(jià)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(jià)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(jià)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(jià)值大,簇5比簇8的價(jià)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(jià)值.如簇3的價(jià)值是簇6價(jià)值的0.5693/0.3284=1.73倍。 標(biāo)準(zhǔn)化的rfm加權(quán)分類 客戶clv 類別(近度)頻度值度(元)總得分排序 10.60380.51240.57270.55962 20.68040.34450.44130.46184 30.50290.70560.49550.56931 40.58150.55340.27670.43875 50.33600.518