RFM客戶價值模型

1、RFM客戶價值模型目錄隱藏?1 RFM模型的內(nèi)容01.1最近一次消費01.2消費頻率01.3消費金額?2 RFM模型的應(yīng)用意義?3 RFM模型案例分析03.1案例一：基于RFM的電信客戶市場細分方法1?4參考文獻編輯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(Recency)?消費頻率(Frequency)?消費金額(Monetary)編輯最近一次消費最近一次消費意指上一次購買的時候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

2、是什么時候。理論上，上一次消費時間越近的顧客應(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 消費者的購買行為，那么最近的一次消費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為兩個月的客戶。反之，同一天，最近一次消費為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為一天前的顧客，

3、也就有可能在很短的期間內(nèi)就收到新的折價信息。最近一次消費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有

4、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，會讓顧客持續(xù)保持往來，并贏得他們的忠誠度。編輯消費頻率消費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”(loyalty ladder),其訣竅在于讓消費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。編輯消費金額消費金額是所有數(shù)據(jù)庫

5、報告的支柱，也可以驗證帕雷托法則”(Pareto ' s Law)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，表現(xiàn)最好的10 %的顧客平均花費 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

6、這么簡單。這樣的營銷所節(jié)省下來的成本會很可觀。結(jié)合這三個指標(biāo)， 我們就可以把顧客分成 5*5*5 = 125類，對其進行數(shù)據(jù)分析，然后制定 我們的營銷策略。最近一次消費、消費頻率、消費金額是測算消費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

7、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，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度的分析，RFM則強調(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

8、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、打印機、汽車維修等消耗品；RFM對于加油站、旅行保險、運輸、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，其實這是很浪費錢的。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，因為這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金額來分析客戶是否流失

9、，但是絕對金額有時會曲解 客戶行為。因為每個商品價格 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 （消費金額）的角度來分析，就可以把重點放在貢獻度高且流失機會也高的客戶上，重點拜訪或聯(lián)系，以最有效的方式挽回更多的商機。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)心消費者是否有使用方面的問題，一

10、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)造主動接觸客戶的機會。這樣一來，客戶再購買的機會也會大幅提高。企業(yè)在推行 CRM時，就要根據(jù) RFM模型的原理，了解客戶差異，并以此為主軸進行企業(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，通過政策的實施將客戶分類的結(jié)果作用于企業(yè)實踐。針對電

11、信行業(yè)提出一種基于改進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，應(yīng)用K均值聚類法來對客戶進行分類，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。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 o 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

12、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?。蝗绻蛻粼谝欢〞r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)客戶進行分析是沒有意義的。從客戶交費角度來考慮電信業(yè)客戶的RFM模型，改進后的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距離分析內(nèi)交費的次數(shù)內(nèi)的交費總額點的時間以

13、客戶交費的近度、頻度和值度來替代客戶消費的近度、頻度和值度，基于以下幾點考慮：(1)客戶交費的時間間隔較大，以交費近度替代消費近度，避免了客戶消費的近度難于區(qū)分的 問題。(2)客戶交費次數(shù)相對較少，可以減少統(tǒng)計客戶消費次數(shù)的工作量。(3)客戶交費額等于客戶消費額.因此，從交費角度構(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

14、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)用文獻國的標(biāo)度含義對 RFM各指標(biāo)權(quán)重進行比較分析。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RFMR 10.71 0.46F 1.4110.85M 2.18 1.181上表所示的兩兩比較矩陣的一致性比例C OR < 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 姐Wr,Wm尸0.221,0.34

15、1,0.439。其中M的權(quán)重最大，即專家們認(rèn)為客戶交費金額的高低是影響 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)，將具有相近的顧客終身價值 的客戶進行分類，基本思總?cè)缦拢?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平均值彳比較，每次對比有兩個結(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

16、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，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抽取了1026名客戶的記錄進行分析，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

17、異較大和量 綱不同的影響，在對各個指標(biāo)進行加權(quán)之前 ，需要考慮對數(shù)據(jù)進行標(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 川=（£ 得一進行。其中，*為標(biāo)準(zhǔn)化后的值，x為原值，*為該指標(biāo)最小值，xl為該指標(biāo)最大值。R對顧客價值存在負相關(guān)關(guān)系,因此其標(biāo)準(zhǔn)化調(diào)整公式為/ =-哂/卬一使用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，進行聚類分析，得到8類客戶.將8類客

18、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：1”標(biāo)記，反之則用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元比較結(jié)果客戶級別116844.6821 1534. 1038158.60413447. 75515681.63612769. 2079077. 98815567.85總均值 6(). 076. 66 XXL 82 R，F(xiàn)4, 48 692.01 R，F(xiàn)9. 17 770. 34 R，F(xiàn)7.19 454,25 RjF6. 74 643.77 RtF4. 36 448. 57 R t F6. 27 1004. 1

19、7 R 1 F4, 05 801. 98 R f F5, 98 704. 75tM t重要保持客戶 ,M I重要發(fā)展客戶 fM t重要保持客戶 -M I一股重要客戶 l 一股客戶IM ）無價值客戶 IM t重要挽留客戶 1M t 一股客戶通過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

20、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。3 .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 對這兩組客戶簇進行細分.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 得分來進行排序.標(biāo)準(zhǔn)化后的各個指標(biāo)平均值如表 5的 '二 淇中/ = 1 '表示聚類后的類別（丫l.K,LF,l M第j類客戶的R,F,M各個指標(biāo)標(biāo)準(zhǔn)化后的平均值，G 是第

21、j類客戶的RFM各項指標(biāo)加權(quán)后的總得分 ，運算公式為。cj = wncwcjF + wMcIo其中，Wr、Wf、W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進行了細分.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6CLV因類別（近度）頻度值度（元）總得分排序10.60380.51240.57270.5596220.68040.34450.44130.4618430.50290.70560.49550.5693140.58150.55340.27670.4387550.33600.51870.40790.