1.RFM模型介绍

RFM模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。

1.1 基本简介

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)

1.1.1 最近一次消费R

定义
最近一次消费意指上一次购买的时候顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车，或在你的超市买早餐最近的一次是什么时候。

理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长，只能靠偷取竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至3个月的顾客收到营销人员的沟通信息多于3至6个月的顾客。

1.1.2 消费频率F

定义
消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客，也是满意度最高的顾客。如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。

分类
根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个"忠诚度的阶梯"(loyalty ladder)，如购买一次的客户为新客户，购买两次的客户为潜力客户，购买三次的客户为老客户，购买四次的客户为成熟客户，购买五次及以上则为忠实客户。其诀窍在于让消费者一直顺着阶梯往上爬，把销售想象成是要将两次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。

数据分析
影响复购的核心因素是商品，因此复购不适合做跨类目比较。比如食品类目和美妆类目:食品是属于"半标品"，产品的标品化程度越高，客户背叛的难度就越小，越难形成忠实用户;但是相对美妆，食品又属于易耗品，消耗周期短，购买频率高，相对容易产生重复购买，因此跨类目复购并不具有可比性。

1.1.3 消费金额M

消费金额是所有数据库报告的支柱，也可以验证"帕雷托法则"(Pareto’s Law)–公司80%的收入来自20%的顾客。它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍，占公司所有营业额的40%以上。如看累计百分比的那一栏，我们会发现有40%的顾客贡献公司总营业额的80%;而有60%的客户占营业额的90%以上。最右的一栏显示每一等分顾客的平均消费，表现最好的 10%的顾客平均花费1195美元，而最差的10%仅有18美元。

理论上M值和F值是一样的，都带有时间范围，指的是一段时间(通常是1年)内的消费金额，在工作中我认为对于一般店铺的类目而言，产品的价格带都是比较单一的，比如:同一品牌美妆类，价格浮动范围基本在某个特定消费群的可接受范围内，加上单一品类购买频次不高，所以对于一般店铺而言，M值对客户细分的作用相对较弱。

2.客户分类

根据上面三个指标，我们将客服分为八大类
重要价值用户
重要发展用户
重要保持用户
重要挽留用户
一般价值用户
一般发展用户
一般保持用户
一般挽留用户

3.实现步骤

1.获取R、F、M三个维度下的原始数据
2.定义R、F、M的评估模型与中值
3.进行数据处理,获取R、F、M的值
4.参照评估模型与中值,对用户进行分层
5.针对不同层级用户制定运营策略

4.用户分类模型RFM总结

1结合实际业务选取关键数据指标分析，不是千篇一律的最近一次消费时间、消费频次、消费金额
2定义R值、F值、 M值数据区间分隔时，发现明显断档数据可以通过散点图、透视表、占比图等进行判断
3对于划分阈值的计算,除了平均值,还有二八法则，对于更加复杂的业务,可以寻求程序员或业务员协助确定。
4除了选取讲解的3个核心业务指标进行交叉分析，也可以同时分析4个、5个指标，或者只需要分析2个指标
5针对不同分层用户的运营策略的制定要结合实际，在制定了运营策略之后，结合公司现有资源和手段开展具体的落地工作。

5.分析报告

从数据中发现经营问题,且数据分析师需要主导分析内容,输出业务问题发现。
由于数据维度的丰富性,使用第一类分析需求思路往往会卡在第二步, 如果每个维度都尝试下探非常耗时。这
时可以考虑从总体指标入手,逐层分解总体指标,形成下钻式树结构。分析思路如下:
1梳理行业内经常谈及的指标;
2将指标拆解为另外两个指标的和或乘积(或同一指标不同维度) ,逐层下钻,直至无法分解;
3.将指标按拆解思路排放成树状结构,增加同比或环比值,通过观察变化比率快速定位问题。

6.案列分析

背景:新年伊始,某零售商管理层希望查看过去一年公司的整体业绩情况,并定位过去一年的经营问题
目标:希望提供过去一年的业绩报告 ,报告内容完整、思路清晰
交付物形式: PPT
分析思路:
1结合零售业的行业背景,梳理最常用的总体业绩指标:销售额、毛利率、销售量、客单价、来客数,其中销售额更能体现整体经营状况,并且销售额可拆解为会员销售额和非会员销售额的总和,亦或销售量与件单价的乘积，亦或来客数与人均销售额的乘积,故选择销售额作为分析指标的起点;
2找到起点，选择下钻维度:用户分类维度、区域维度或渠道维度等,这里选取用户分类维度,可进一步拆解为销售总额=会员销售额+非会员销售额,同理下面各层依次拆解指标,直至不可拆解结束;
3统计各指标的同比变化率或环比变化率,根据零售业特性,案例选择同比变化率;选择变化率可接受的变化范围,超出此范围强调颜色。

7.商业报告撰写注意点

1.条理清晰
2.论点明确
3.有论必有数,有数必好懂
4.图、表、文字结合
5.减少不必要的主观推测
6.数据结论需准确全面
7.注意报告完整性,要能自上而下讲一个完整的故事
8.虽然是数据报告,但也要注意语气用词过于生硬霸道
9.切勿为了投其所好而弄虚作假

13.Excel业务建模——RFM模型相关推荐

RFM分析：如何进行有效的RFM模型搭建和分析？
本文转自公众号首席数据科学家 RFM分析,是用户精细化运营中比较常见的分析方法了. 今天和大家分享一篇历史文章,内容做了微调.是数据分析中比较常用的一个分析框架:RFM分析.该模型用的很多,说明有模型 ...
如何落地业务建模(1) 业务建模、DDD
业务建模解决问题还是定义问题业务建模首先是一个定义问题的方法,其次才是解决问题的方法.我们很容易理解解决问题带来的价值,但也很容易忽略定义问题的力量.如果问题定义得准确,那么实现起来也不会太复杂: ...
Excel搭建RFM模型
1.RFM模型 RFM是3个指标的缩写通:过这3个指标对用户分类的方法称为RFM模型. 最近一次消费时间间隔(Recency) 对于最近一次消费时间间隔(R),上一次消费离得越近(R值越小),用户价值 ...
如何用EXCEL实现RFM模型分析
FM模型:R(Recency)表示客户最近一次购买的时间有多远,F(Frequency)表示客户在最近一段时间内购买的次数,M (Monetary)表示客户在最近一段时间内购买的金额.一般原始数据为3 ...
迭代3：UC1,UC2的2.1 业务建模 2.2 UC2用例模型 2.3 UC2补充性规格说明
2019独角兽企业重金招聘Python工程师标准>>> (1) 完成UC1,UC2的2.1 业务建模(分析员完成) 1.业务流程建模 (2) 2.2 UC2用例模型(详述文本) 主成 ...
软件模型之业务建模|对象建模
很多时候我们在去客户现场进行业务调研或业务分析时,不能够很好的识别客户的很业务以及有效的业务对象,本章主要围绕如何进行业务对象建模展开讨论业务对象的概念业务对象(Business Object): ...
python 估值模型_利用RFM模型建模，并通过聚类分析、分类，分别算出8中不同的价值会员...
RFM-Clustering 利用RFM模型建模,并通过聚类分析.分类,分别算出8中不同的价值会员 RFM模型构建会员价值标签 R:最近一次消费(Recency) F:消费频率(Frequency) ...
软件模型之业务建模|概述
业务建模又称业务领域建模.业务模型能够帮助人们理解现行业务,也有助于改进现行业务,业务建模也是需求建模和分析建模的基础.业务模型是对业务领域的抽象描述,包括业务愿景模型.涉众模型.业务过程模型.业务对 ...
rfm模型分析与客户细分_如何使用基于RFM的细分来确定最佳客户
rfm模型分析与客户细分 With some free time at hand in the midst of COVID-19 pandemic, I decided to do pro bono ...

13.Excel业务建模——RFM模型

文章目录