RFM模型

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 (Frenquency) 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，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)庫報告的支柱，也可以驗證 “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(yuǎn) ， F(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，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(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。 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??；如果客戶在一定時期內(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 5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 R F M R 1 0.71 0.46 F 1.41 1 0.85 M 2.18 1.18 1 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 ,基本思路如下 : (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 m。 (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平均值作比較 ,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 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 2 128 60.07 20.191 頻度 0 13 5.98 1.861 值度 54.43 1499.17 704.7467 216.22068 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 進行。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 ,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 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： “ ”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(xì)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 , , ,其中表示聚類后的類別。 , , 第 j 類客戶的 R,F,M 各個指標(biāo)標(biāo)準(zhǔn)化后的平均值， 是第 j 類客戶的 RFM 各項指標(biāo)加權(quán)后的總得分 ,運算公式為。 。 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(xì)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 CLV 類別 (近度 ) 頻度 值度 (元 ) 總得分 排序 1 0.6038 0.5124 0.5727 0.5596 2 2 0.6804 0.3445 0.4413 0.4618 4 3 0.5029 0.7056 0.4955 0