數(shù)據(jù)分析：用CRM實(shí)現(xiàn)數(shù)據(jù)式管理

數(shù)據(jù)分析：

用CRM實(shí)現(xiàn)數(shù)據(jù)式管理在大數(shù)據(jù)時(shí)代，CRM逐漸被電商企業(yè)認(rèn)同并成為其營(yíng)銷的重要工具。CRM在客戶營(yíng)銷和管理上有著無(wú)法比擬的優(yōu)勢(shì)，它借助大數(shù)據(jù)的發(fā)展潮流，讓數(shù)據(jù)的智能分析成為可能。因此，CRM無(wú)疑是一種有效的營(yíng)銷工具，它能幫助電商企業(yè)做出準(zhǔn)確的客戶數(shù)據(jù)分析，提升數(shù)據(jù)分析的水平，幫助電商企業(yè)提升銷售業(yè)績(jī)。目錄contents01CRM數(shù)據(jù)分析02RFM模型解析及運(yùn)用案例導(dǎo)入運(yùn)用客戶數(shù)據(jù)驅(qū)動(dòng)品牌營(yíng)銷薇諾娜是一個(gè)專注于為敏感肌膚研發(fā)產(chǎn)品的護(hù)膚品牌。

作為一個(gè)新興護(hù)膚品牌，薇諾娜發(fā)展迅猛，成為2020年“雙十一”唯一一個(gè)進(jìn)入“天貓美妝”Top10的國(guó)產(chǎn)品牌。薇諾娜能夠獲得如此令人矚目的成績(jī)，離不開(kāi)品牌數(shù)據(jù)運(yùn)營(yíng)思維的支持。薇諾娜在成立之初就創(chuàng)建了數(shù)據(jù)部門，建立了自己的數(shù)據(jù)庫(kù)，通過(guò)分析數(shù)據(jù)背后的規(guī)律來(lái)了解客戶特征，如客戶的經(jīng)濟(jì)水平、感興趣的內(nèi)容等，以根據(jù)客戶需求研發(fā)產(chǎn)品。除了自己創(chuàng)建數(shù)據(jù)部門，薇諾娜還會(huì)使用第三方數(shù)據(jù)分析工具來(lái)構(gòu)建客戶畫(huà)像。依據(jù)數(shù)據(jù)分析，薇諾娜精準(zhǔn)選擇廣告投放媒介，對(duì)客戶實(shí)施精準(zhǔn)營(yíng)銷。在線上，在數(shù)據(jù)分析的支持下，薇諾娜通過(guò)多種渠道沉淀私域流量。完成私域客戶流量沉淀后，薇諾娜會(huì)對(duì)客戶進(jìn)行分層運(yùn)營(yíng)。在品牌運(yùn)營(yíng)中，薇諾娜運(yùn)用數(shù)據(jù)分析，為有不同興趣、消費(fèi)習(xí)慣的客戶提供不同的產(chǎn)品信息獲取渠道，向客戶展示符合其需求的產(chǎn)品，很好地滿足了客戶個(gè)性化的需求，實(shí)現(xiàn)了精準(zhǔn)營(yíng)銷。薇諾娜Part/

01CRM數(shù)據(jù)分析CRM數(shù)據(jù)分析是指用適當(dāng)?shù)姆椒▽?duì)收集的大量數(shù)據(jù)進(jìn)行詳細(xì)研究和概括總結(jié)，提取有用信息并形成結(jié)論的過(guò)程。數(shù)據(jù)是商業(yè)活動(dòng)的基礎(chǔ)，也是商業(yè)活動(dòng)的結(jié)果。電商企業(yè)在與客戶建立關(guān)系的過(guò)程中產(chǎn)生的大量數(shù)據(jù)，為電商企業(yè)今后的成功運(yùn)營(yíng)和贏得市場(chǎng)提供了有價(jià)值的參考依據(jù)。9.1.1CRM數(shù)據(jù)分析的必要性01整體把握客戶及其需求02預(yù)測(cè)機(jī)制03與外部數(shù)據(jù)集成04實(shí)現(xiàn)一對(duì)一營(yíng)銷05促進(jìn)交叉銷售06將數(shù)據(jù)轉(zhuǎn)化為信息07發(fā)現(xiàn)最有價(jià)值的客戶9.1.2CRM數(shù)據(jù)分析指標(biāo)統(tǒng)計(jì)口徑釋義成交訂單客戶下單并成功付款的訂單未成交訂單客戶下單卻未付款的訂單關(guān)閉訂單下單后客戶/商家主動(dòng)關(guān)閉，或因超過(guò)支付時(shí)間被系統(tǒng)自動(dòng)關(guān)閉的訂單有效成交訂單有效購(gòu)買商品（非購(gòu)買贈(zèng)品、支付郵費(fèi)或補(bǔ)差價(jià)）的訂單無(wú)效訂單非購(gòu)買商品，而是購(gòu)買贈(zèng)品、支付郵費(fèi)或補(bǔ)差價(jià)的訂單有效購(gòu)買客戶一天內(nèi)的一筆或多筆有效成交的訂單成交客戶產(chǎn)生過(guò)成交訂單的客戶有效客戶產(chǎn)生過(guò)有效成交訂單的客戶潛在客戶產(chǎn)生過(guò)未成交訂單、關(guān)閉訂單或無(wú)效訂單的客戶新客戶一定時(shí)間內(nèi)，有效客戶中產(chǎn)生過(guò)1次有效購(gòu)買的客戶回頭客（重復(fù)購(gòu)買客戶）在店鋪內(nèi)產(chǎn)生過(guò)2次（或多于2次）有效購(gòu)買的客戶老客戶一定時(shí)間內(nèi)，有效客戶中產(chǎn)生過(guò)有效購(gòu)買的客戶CRM常用的數(shù)據(jù)分析指標(biāo)的統(tǒng)計(jì)口徑9.1.2CRM數(shù)據(jù)分析指標(biāo)CRM數(shù)據(jù)分析指標(biāo)釋義客戶消費(fèi)

行為指標(biāo)客單價(jià)在一定時(shí)間內(nèi)，每位客戶消費(fèi)的平均金額最近一次消費(fèi)客戶最近一次購(gòu)買的時(shí)間購(gòu)買次數(shù)客戶在一定時(shí)間內(nèi)產(chǎn)生的有效成交訂單的數(shù)量購(gòu)買金額一定時(shí)間內(nèi)，客戶產(chǎn)生的所有有效成交訂單的有效購(gòu)買金額累計(jì)購(gòu)買次數(shù)客戶產(chǎn)生的所有有效購(gòu)買的次數(shù)1次回購(gòu)周期客戶的第二次有效購(gòu)買與第一次有效購(gòu)買的時(shí)間間隔（以“天”為單位計(jì)算）N

次回購(gòu)周期客戶的第N+1次有效購(gòu)買與第N

次有效購(gòu)買的時(shí)間間隔（以“天”為單位計(jì)算）客戶回購(gòu)周期客戶重復(fù)購(gòu)買的平均時(shí)間間隔，即采用“交易按天合并”的算法，計(jì)算客戶每次重復(fù)購(gòu)買與上一次購(gòu)買的時(shí)間間隔商品購(gòu)買

指標(biāo)商品新客戶對(duì)某款商品產(chǎn)生過(guò)1次有效購(gòu)買的客戶商品回頭客對(duì)某款商品產(chǎn)生過(guò)2次及以上有效購(gòu)買的客戶CRM數(shù)據(jù)分析指標(biāo)CRM數(shù)據(jù)分析指標(biāo)釋義商品購(gòu)買

指標(biāo)商品重復(fù)購(gòu)買率商品重復(fù)購(gòu)買率有2種計(jì)算方法：一種是所有購(gòu)買過(guò)商品的客戶，以每個(gè)人為獨(dú)立單位重復(fù)購(gòu)買產(chǎn)品的次數(shù)，例如有10個(gè)客戶購(gòu)買了商品，其中5個(gè)產(chǎn)生了重復(fù)購(gòu)買，則重復(fù)購(gòu)買率為50%；另一種是單位時(shí)間內(nèi)重復(fù)購(gòu)買的總次數(shù)占比，例如10個(gè)客戶購(gòu)買了商品，有3個(gè)產(chǎn)生二次購(gòu)買，這3個(gè)客戶中的1個(gè)客戶又產(chǎn)生了三次購(gòu)買，則重復(fù)購(gòu)買次數(shù)為4次，重復(fù)購(gòu)買率為40%商品1次回購(gòu)周期客戶第二次有效購(gòu)買某商品與第一次購(gòu)買該款商品的時(shí)間間隔（以“天”為單位計(jì)算）商品N

次回購(gòu)周期客戶第N+1次有效購(gòu)買某商品與第N

次有效購(gòu)買該款商品的時(shí)間間隔（以“天”為單位計(jì)算）商品平均回購(gòu)周期所有重復(fù)購(gòu)買某商品的客戶回購(gòu)周期的平均值商品購(gòu)買

指標(biāo)品類新客戶對(duì)某品類商品產(chǎn)生過(guò)1次有效購(gòu)買的客戶品類回頭客對(duì)某品類商品產(chǎn)生過(guò)2次（或2次以上）有效購(gòu)買的客戶品類1次回購(gòu)周期客戶第二次購(gòu)買某品類商品與第一次購(gòu)買該品類商品的時(shí)間間隔（以“天”為單位計(jì)算）品類N

次回購(gòu)周期客戶第N+1次購(gòu)買某品類商品與第N

次購(gòu)買該品類商品的時(shí)間間隔（以“天”為單位計(jì)算）店鋪購(gòu)買

指標(biāo)店鋪重復(fù)購(gòu)買率以一定時(shí)間內(nèi)店鋪內(nèi)產(chǎn)生的所有有效成交訂單計(jì)算，店鋪重復(fù)購(gòu)買率=重復(fù)購(gòu)買的客戶數(shù)/（重復(fù)購(gòu)買的客戶數(shù)+新客戶數(shù)）有效客戶比例產(chǎn)生有效購(gòu)買的客戶數(shù)在店鋪總客戶數(shù)中的占比9.1.2CRM數(shù)據(jù)分析指標(biāo)回頭客回頭客是指在店鋪的購(gòu)買次數(shù)大于1次的客戶，本身不受時(shí)間的限制。交易按天合并回頭客交易不合并一個(gè)客戶一天內(nèi)產(chǎn)生的多筆訂單算作一次購(gòu)買，客戶仍然計(jì)算為新客戶一個(gè)客戶一天內(nèi)產(chǎn)生的多筆訂單算作多次購(gòu)買，客戶計(jì)算為回頭客判斷回頭客的標(biāo)準(zhǔn)采用“交易按天合并”的算法得出的回頭客的數(shù)量比采用“交易不合并”的算法得出的回頭客的數(shù)量要少，但是更準(zhǔn)確，因此一般推薦商家使用“交易按天合并”的算法來(lái)計(jì)算回頭客。客戶昵稱購(gòu)買時(shí)間訂單金額香蕉2020年5月6日65.5元香蕉2021年1月25日100.5元香蕉2021年4月3日95元雪人2020年6月7日65.45元雪人2020年12月8日97.65元雪人2021年1月5日155.45元諾諾2019年8月12日131.95元諾諾2019年12月24日211.55元諾諾2020年10月6日56.7元諾諾2020年12月4日29.9元諾諾2021年3月13日45.8元追風(fēng)少年2020年6月5日36.9元小章2021年1月4日139元小章2021年1月4日21元小胖2020年12月9日148.68元某店鋪的客戶訂單記錄9.1.2CRM數(shù)據(jù)分析指標(biāo)重復(fù)購(gòu)買率重復(fù)購(gòu)買率是指客戶對(duì)某店鋪、品牌、商品或服務(wù)的重復(fù)購(gòu)買比例。常見(jiàn)的計(jì)算重復(fù)購(gòu)買率的方式有兩種：01以客戶為對(duì)象的重復(fù)購(gòu)買率的計(jì)算在一定的時(shí)間范圍內(nèi)，重復(fù)購(gòu)買率=重復(fù)購(gòu)買的客戶數(shù)/購(gòu)買客戶數(shù)×100%同樣的公式，如果去掉了時(shí)間范圍的限制就變成了計(jì)算歷史重復(fù)購(gòu)買率，分子就變成了回頭客，即：歷史重復(fù)購(gòu)買率=回頭客/所有客戶×100%02以訂單為對(duì)象的重復(fù)購(gòu)買率的計(jì)算在一定的時(shí)間范圍內(nèi)，重復(fù)購(gòu)買率=重復(fù)購(gòu)買的訂單數(shù)/訂單總數(shù)×100%9.1.2CRM數(shù)據(jù)分析指標(biāo)客戶回購(gòu)周期客戶回購(gòu)周期是指客戶重復(fù)購(gòu)買的平均時(shí)間間隔，即采用“交易按天合并”的算法，計(jì)算客戶每次重復(fù)購(gòu)買與上一次購(gòu)買的時(shí)間間隔。如果每個(gè)客戶有N次購(gòu)買記錄，意味著客戶會(huì)有N-1個(gè)回購(gòu)周期，取N-1個(gè)回購(gòu)周期的平均值，就可以得到這個(gè)客戶的客戶回購(gòu)周期，而店鋪的平均回購(gòu)周期就是所有回頭客的客戶回購(gòu)周期的平均值。客戶昵稱購(gòu)買時(shí)間訂單金額客戶回購(gòu)周期阿平2019年7月3日26.5元/阿平2019年11月11日102.65元131天阿平2020年8月1日45.65元264天草莓2020年4月16日85.9元/草莓2020年10月18日121.5元185天草莓2020年11月1日132元14天草莓2021年3月5日211.54元124天草莓2021年4月21日156元47天Lucky2020年11月11日39.9元/Lucky2020年11月22日125.3元11天Lucky2020年12月24日56.8元32天某店鋪的客戶訂單記錄9.1.2CRM數(shù)據(jù)分析指標(biāo)商品回購(gòu)周期商品回購(gòu)周期是指客戶重復(fù)購(gòu)買同一件商品的平均時(shí)間間隔。對(duì)于有不同容量（規(guī)格）SKU的商品，商品回購(gòu)周期應(yīng)該按照SKU分開(kāi)計(jì)算。商品回購(gòu)周期區(qū)別于客戶回購(gòu)周期，需要根據(jù)購(gòu)買商品的件數(shù)計(jì)算。商品回購(gòu)周期=（第N+1次購(gòu)買時(shí)間-第N次購(gòu)買時(shí)間）/第N次購(gòu)買的件數(shù)客戶昵稱商品購(gòu)買時(shí)間購(gòu)買件數(shù)阿平B2020年11月4日1阿平B2021年2月13日2阿平B2021年4月5日1草莓A2020年8月16日2草莓A2020年11月18日2草莓A2020年12月8日2草莓A2021年2月5日2草莓A2021年4月19日1LuckyC2020年5月11日1LuckyC2020年10月22日1LuckyC2020年11月24日1某店鋪的部分客戶訂單記錄9.1.3CRM數(shù)據(jù)分析的思維方式●對(duì)比思維沒(méi)有對(duì)比就沒(méi)有優(yōu)劣。單獨(dú)看一個(gè)數(shù)據(jù)并不能得到多少有效信息，將其與另一個(gè)數(shù)據(jù)進(jìn)行比較更容易得到有用的信息。時(shí)間拍下

總金額拍下付款

總金額成交

總金額成交

會(huì)員數(shù)拍下

訂單數(shù)拍下付款

訂單數(shù)拍下

支付率2021年9月13日￥5915￥3288￥328826255.59%2021年9月12日￥4701￥437￥43781289.30%某店鋪交易信息記錄●拆分思維當(dāng)一些數(shù)據(jù)在某個(gè)維度可以被進(jìn)行對(duì)比時(shí)，分析人員可以選擇用對(duì)比的方式對(duì)數(shù)據(jù)進(jìn)行分析。如果對(duì)比后需要找到導(dǎo)致數(shù)據(jù)出現(xiàn)的原因，就需要用到拆分思維，將一些數(shù)據(jù)拆分為更“細(xì)”的數(shù)據(jù)。拆分之后的數(shù)據(jù)相對(duì)于拆分前會(huì)清晰許多，便于分析和查找細(xì)節(jié)。9.1.3CRM數(shù)據(jù)分析的思維方式●降維思維為了降低數(shù)據(jù)分析的復(fù)雜度，在進(jìn)行數(shù)據(jù)分析時(shí)，分析人員只要從中篩選出代表維度，對(duì)與這些維度有關(guān)聯(lián)的指標(biāo)進(jìn)行分析即可。當(dāng)一個(gè)維度的數(shù)據(jù)可以通過(guò)其他兩個(gè)維度的數(shù)據(jù)計(jì)算轉(zhuǎn)化時(shí)，就可以“降維”。時(shí)間拍下

總金額拍下付款

總金額成交

總金額成交

會(huì)員數(shù)拍下

訂單數(shù)拍下付款

訂單數(shù)拍下

支付率2021年9月13日￥5915￥3288￥328826255.59%2021年9月12日￥4701￥437￥43781289.30%某店鋪交易信息記錄●增維思維“增維”和“降維”是相對(duì)的，有降必有增。如果在當(dāng)前的維度不能很好地解釋數(shù)據(jù)，分析人員就可以增加一個(gè)維度的指標(biāo)?！窦僭O(shè)思維當(dāng)尚未得出結(jié)果或有幾種選擇時(shí)，我們可以使用假設(shè)思維，先假設(shè)有了結(jié)果，然后倒推。9.1.4CRM數(shù)據(jù)分析的分析方法●同比/環(huán)比分析同比在一般情況下是將今年第N月與去年第N月的情況相比較。同比發(fā)展速度主要是為了消除季節(jié)變動(dòng)的影響，用于說(shuō)明本期發(fā)展水平與去年同期發(fā)展水平對(duì)比而達(dá)到的相對(duì)發(fā)展速度。環(huán)比是報(bào)告期水平與前一時(shí)期水平的對(duì)比，表明現(xiàn)象逐期的發(fā)展速度?！褛厔?shì)分析趨勢(shì)分析法又稱比較分析法、水平分析法，它是通過(guò)對(duì)財(cái)務(wù)報(bào)表中各類相關(guān)數(shù)字資料進(jìn)行統(tǒng)計(jì)，將兩期或多期連續(xù)的相同指標(biāo)或比率進(jìn)行定基對(duì)比和環(huán)比，得出它們的增減變動(dòng)方向、數(shù)額和幅度，以揭示企業(yè)財(cái)務(wù)狀況、經(jīng)營(yíng)情況和現(xiàn)金流量變化趨勢(shì)的一種分析方法。定基動(dòng)態(tài)比率即用某一時(shí)期的數(shù)值作為固定基期數(shù)值，將其他的各期數(shù)值與其對(duì)比來(lái)進(jìn)行分析，其計(jì)算公式為：定基動(dòng)態(tài)比率=分析期數(shù)值÷固定基期數(shù)值環(huán)比動(dòng)態(tài)比率是以每一分析期的前期數(shù)值為基期數(shù)值而計(jì)算得出的動(dòng)態(tài)比率，其計(jì)算公式為：環(huán)比動(dòng)態(tài)比率=分析期數(shù)值÷前期數(shù)值9.1.4CRM數(shù)據(jù)分析的分析方法●抽樣調(diào)查抽樣調(diào)查是一種非全面調(diào)查，它是從全部調(diào)查研究對(duì)象中抽選一部分單位進(jìn)行調(diào)查，并據(jù)此對(duì)全部調(diào)查研究對(duì)象做出估計(jì)和推斷的一種調(diào)查方法。在抽樣調(diào)查中，抽樣的方法有以下幾種：簡(jiǎn)單隨機(jī)抽樣：也稱為單純隨機(jī)抽樣，是指從總體N個(gè)單位中任意抽取n個(gè)單位作為樣本，使每個(gè)可能的樣本被抽中的概率相等的一種抽樣方法。分層抽樣：又稱分類抽樣或類型抽樣，它根據(jù)某些特定的特征，將總體分為同質(zhì)、不相互重疊的若干層，再?gòu)母鲗又歇?dú)立抽取樣本，是一種不等概率抽樣。整群抽樣：指先將總體中各單位歸并成若干個(gè)互不交叉、互不重復(fù)的集合，稱為群（如按需求分群、按消費(fèi)風(fēng)格分群），然后以群為抽樣單位抽取樣本的一種抽樣方法。等距抽樣：也稱系統(tǒng)抽樣或機(jī)械抽樣，它是指先將總體中各單位按一定的順序排列，根據(jù)樣本容量要求確定抽選間隔，然后隨機(jī)確定起點(diǎn)，每隔一定的間隔抽取一個(gè)單位。多階段抽樣：也稱多級(jí)抽樣，是指在抽取樣本時(shí)，分為兩個(gè)及兩個(gè)以上的階段從總體中抽取樣本。雙重抽樣：又稱二重抽樣、復(fù)式抽樣，是指在抽樣時(shí)分兩次抽取樣本。9.1.4CRM數(shù)據(jù)分析的分析方法●相關(guān)性分析相關(guān)性分析是指對(duì)兩個(gè)或多個(gè)具備相關(guān)性的變量元素進(jìn)行分析，從而衡量?jī)蓚€(gè)變量元素的相關(guān)程度。變量元素之間需要存在一定的聯(lián)系才可以用于相關(guān)性分析。輸入數(shù)據(jù)單擊“插入函數(shù)”按鈕選擇“CORREL”函數(shù)設(shè)置“Array1”的數(shù)據(jù)范圍設(shè)置“Array2”的數(shù)據(jù)范圍得出計(jì)算結(jié)果9.1.4CRM數(shù)據(jù)分析的分析方法●A/B測(cè)試A/B測(cè)試，是專門用來(lái)進(jìn)行效果對(duì)比、為營(yíng)銷提供決策支持的數(shù)據(jù)分析方法。A/B測(cè)試的核心是確定兩個(gè)版本（A和B）哪一個(gè)更好，在測(cè)試時(shí)需要同時(shí)試驗(yàn)兩個(gè)版本，最后從中選擇較好的版本。操作步驟具體操作方法第一步選擇A、B對(duì)比組可以采用抽樣調(diào)查的方法，從所有客戶中隨機(jī)篩選出兩個(gè)不重復(fù)的樣本A和B，例如從10萬(wàn)個(gè)“睡眠客戶”中隨機(jī)抽取1000個(gè)客戶并分為A、B兩組，每組500個(gè)客戶第二步A、B兩組同步執(zhí)行不同方案對(duì)A、B兩組客戶分別執(zhí)行不同的測(cè)試方案，為了更好地區(qū)分不同方案的實(shí)施效果，兩種測(cè)試方案在設(shè)計(jì)時(shí)應(yīng)該堅(jiān)持“大部分內(nèi)容相同，小部分內(nèi)容存在差異”的原則，例如測(cè)試不同主題郵件的打開(kāi)率，兩個(gè)測(cè)試郵件只需要保證主題不同第三步對(duì)比執(zhí)行結(jié)果對(duì)A、B兩組客戶分別發(fā)送不同主題的郵件之后，觀察并分析兩組客戶的郵件打開(kāi)率，觀察哪組客戶的郵件打開(kāi)率更高。郵件打開(kāi)率越高，說(shuō)明郵件的主題設(shè)計(jì)得越好，越容易吸引客戶打開(kāi)郵件A/B測(cè)試的操作步驟Part/

02RFM模型解析及運(yùn)用在CRM的眾多分析模式中，RFM模型是被經(jīng)常提到的。RFM模型是衡量客戶價(jià)值和客戶贏利能力的重要工具和手段，該模型通過(guò)一個(gè)客戶的近期購(gòu)買行為、購(gòu)買的總體頻率及花了多少錢3項(xiàng)指標(biāo)來(lái)描述該客戶的價(jià)值狀況。9.2.1RFM模型解析R、F、M概念解析（Recency）RR是指最近一次消費(fèi)，即客戶最近一次交易時(shí)間和現(xiàn)在的間隔。R值越大，表示客戶交易發(fā)生的時(shí)間越久遠(yuǎn)，反之則表示客戶交易發(fā)生的時(shí)間越近。（Frequency）FF是指消費(fèi)頻率，即客戶在最近一段時(shí)間內(nèi)交易的次數(shù)。F值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。（Monetary）MM是指消費(fèi)金額，即客戶在最近一段時(shí)間內(nèi)交易的金額。M值越大，表示客戶價(jià)值越高，反之則表示客戶價(jià)值越低。9.2.1RFM模型解析R、F、M指標(biāo)數(shù)據(jù)解析及分析●R提取的數(shù)據(jù)是一個(gè)時(shí)間點(diǎn)，需要由當(dāng)前時(shí)間點(diǎn)即最近一次消費(fèi)時(shí)間點(diǎn)來(lái)作為該度量的參考值。無(wú)論是以小時(shí)還是以天為單位，都要注意單位的統(tǒng)一。在從數(shù)據(jù)庫(kù)中提取相關(guān)數(shù)據(jù)之前，首先需要確定數(shù)據(jù)的時(shí)間跨度，即根據(jù)店鋪銷售的商品差異，確定合適的時(shí)間跨度。確定時(shí)間跨度之后就可以提取相應(yīng)時(shí)間區(qū)間內(nèi)的數(shù)據(jù)?！馞將客戶的消費(fèi)次數(shù)作為計(jì)算對(duì)象，使用Excel中的COUNT函數(shù)即可得出。●M將每位客戶所有的消費(fèi)金額相加（用Excel中的SUM函數(shù)）可得。9.2.1RFM模型解析R、F、M指標(biāo)數(shù)據(jù)解析及分析獲取3個(gè)指標(biāo)的數(shù)據(jù)以后，需要計(jì)算每個(gè)指標(biāo)的數(shù)據(jù)的均值，分別以AVG(R)、AVG(F)、AVG(M)來(lái)表示。通過(guò)將每位客戶的3個(gè)指標(biāo)與均值進(jìn)行比較，我們可以將客戶細(xì)分為8類。RFM客戶類型↑↑↑重要價(jià)值客戶↑↓↑重要發(fā)展客戶↓↑↑重要保持客戶↓↓↑重要挽留客戶↑↑↓一般價(jià)值客戶↑↓↓一般發(fā)展客戶↓↑↓一般保持客戶↓↓↓一般挽留客戶RFM客戶類型劃分注：“↑”表示大于均值，“↓”表示小于均值。9.2.1RFM模型解析R、F、M指標(biāo)數(shù)據(jù)解析及分析RFM模型包括3個(gè)指標(biāo)，無(wú)法用平面坐標(biāo)系來(lái)展示，但可以使用三維坐標(biāo)系進(jìn)行展示，X軸表示R，Y軸表示F，Z軸表示M，坐標(biāo)系的8個(gè)象限分別表示8類用戶。RFM客戶價(jià)值象限分類9.2.2RFM模型的價(jià)值01降低營(yíng)銷成本02管理客戶生命周期03促進(jìn)新客戶的再次轉(zhuǎn)化04提高高價(jià)值客戶的留存率9.2.3運(yùn)用RFM模型開(kāi)展客戶細(xì)分單維度RFM指標(biāo)客戶細(xì)分RFM模型的3個(gè)指標(biāo)可以單獨(dú)作為客戶細(xì)分維度。商家可以根據(jù)R值按客戶所處的生命周期階段對(duì)其進(jìn)行分組，可以根據(jù)F值按客戶忠誠(chéng)度對(duì)客戶進(jìn)行分組，也可以根據(jù)M值按客戶貢獻(xiàn)價(jià)值對(duì)客戶進(jìn)行分組?？蛻艚M別R值范圍/（天/小時(shí)）客戶類型1R＜

30活躍客戶230≤R＜

90沉默客戶390≤R＜

180長(zhǎng)期沉默客戶4180≤R＜

270睡眠客戶5270≤R＜

360深度睡眠客戶6360≤R＜

540預(yù)流失客戶7540≤R＜

720流失客戶8R≥720死亡客戶根據(jù)R值分組9.2.3運(yùn)用RFM模型開(kāi)展客戶細(xì)分單維度RFM指標(biāo)客戶細(xì)分RFM模型的3個(gè)指標(biāo)可以單獨(dú)作為客戶細(xì)分維度。商家可以根據(jù)R值按客戶所處的生命周期階段對(duì)其進(jìn)行分組，可以根據(jù)F值按客戶忠誠(chéng)度對(duì)客戶進(jìn)行分組，也可以根據(jù)M值按客戶貢獻(xiàn)價(jià)值對(duì)客戶進(jìn)行分組?？蛻艚M別F值范圍/次客戶類型1F=1新客戶2F=2回頭客3F=3成熟客戶4F=4黏性客戶5F=5粉絲客戶6F＞5忠誠(chéng)客戶根據(jù)F值分組9.2.3運(yùn)用RFM模型開(kāi)展客戶細(xì)分單維度RFM指標(biāo)客戶細(xì)分RFM模型的3個(gè)指標(biāo)可以單獨(dú)作為客戶細(xì)分維度。商家可以根據(jù)R值按客戶所處的生命周期階段對(duì)其進(jìn)行分組，可以根據(jù)F值按客戶忠誠(chéng)度對(duì)客戶進(jìn)行分組，也可以根據(jù)M值按客戶貢獻(xiàn)價(jià)值對(duì)客戶進(jìn)行分組?？蛻艚M別M值范圍/元客戶類型1M＜

100低貢獻(xiàn)客戶2100≤M＜

200中低貢獻(xiàn)客戶3200≤M＜

500中等貢獻(xiàn)客戶4500≤M＜

2000中高貢獻(xiàn)客戶5M≥2000高貢獻(xiàn)客戶根據(jù)客戶M值分組9.2.3運(yùn)用RFM模型開(kāi)展客戶細(xì)分單維度RFM指標(biāo)客戶細(xì)分按照單個(gè)RFM指標(biāo)對(duì)客戶進(jìn)行分組，不同的店鋪設(shè)置的分組的數(shù)量和分組的標(biāo)準(zhǔn)有所不同。01根據(jù)實(shí)際業(yè)務(wù)需要設(shè)計(jì)分組的數(shù)量對(duì)于客戶基數(shù)較大的店鋪來(lái)說(shuō)，劃分的客戶組別要多一些，對(duì)于客戶基數(shù)較小的店鋪來(lái)說(shuō)，客戶組別可以少一些；對(duì)于CRM成熟的店鋪來(lái)說(shuō)，劃分的客戶組別要多一些，對(duì)于CRM處于起步階段的店鋪來(lái)說(shuō)，劃分的客戶組別可以少一些。02根據(jù)客戶行為特征設(shè)計(jì)分組的標(biāo)準(zhǔn)不同類目的商品，其重復(fù)購(gòu)買周期有所不同，所以生命周期的劃分標(biāo)準(zhǔn)也有所不同。因此，在設(shè)置分組的標(biāo)準(zhǔn)時(shí)，商家應(yīng)該結(jié)合自己的實(shí)際情況。9.2.3運(yùn)用RFM模型開(kāi)展客戶細(xì)分多維度RFM指標(biāo)客戶細(xì)分隨著商家的CRM的深入，單維度RFM指標(biāo)客戶細(xì)分往往無(wú)法滿足精準(zhǔn)營(yíng)銷的需要，這時(shí)商家就需要使用兩個(gè)以上的RFM維度來(lái)進(jìn)行客戶細(xì)分。中大型商家經(jīng)常使用F值、R值的組合劃分出具有明確生命周期與忠誠(chéng)度特征的客戶組別。F值、M值的組合適用于高客單價(jià)、高重復(fù)購(gòu)買率的店鋪進(jìn)行客戶分組?？蛻艚M別F值范圍/次R值范圍/（天/小時(shí)）客戶類型1F=1R＜

90活躍新客戶290≤R＜

180沉默新客戶3R≥180流失新客戶4F=2R＜

90活躍回頭客590≤R＜

180沉默回頭客6R≥180流失回頭客7F＞

2R＜

90活躍忠誠(chéng)客戶890≤R＜

180沉默忠誠(chéng)客戶9R≥180流失忠誠(chéng)客戶使用F值和R值的劃分組別9.2.3運(yùn)用RFM模型開(kāi)展客戶細(xì)分多維度RFM指標(biāo)客戶細(xì)分隨著商家的CRM的深入，單維度RFM指標(biāo)客戶細(xì)分往往無(wú)法滿足精準(zhǔn)營(yíng)銷的需要，這時(shí)商家就需要使用兩個(gè)以上的RFM維度來(lái)進(jìn)行客戶細(xì)分。中大型商家經(jīng)常使用F值、R值的組合劃分出具有明確生命周期與忠誠(chéng)度特征的客戶組別。F值、M值的組合適用于高客單價(jià)、高重復(fù)購(gòu)買率的店鋪進(jìn)行客戶分組?？蛻艚M別F值范圍/次M值范圍/元客戶類型1F=1M＜

100低價(jià)值新客戶2100≤M＜

200中價(jià)值新客戶3M≥200高價(jià)值新客戶4F=2M＜

200低價(jià)值回頭客5200≤M＜

500中價(jià)值回頭客6M≥500高價(jià)值回頭客7F＞

2M＜

1000低價(jià)值忠誠(chéng)客戶81000≤M＜

2000中價(jià)值忠誠(chéng)客戶9M≥2000高價(jià)值忠誠(chéng)客戶使用F值和M值的劃分組別9.2.4基于RFM模型的營(yíng)銷策略的制訂RFM模型客戶細(xì)分首先對(duì)客戶數(shù)據(jù)進(jìn)行處理，處理步驟如下圖所示。然后根據(jù)R值、F值、M值的得分情況進(jìn)行整合，得到8種組合，即2-2-2、2-1-1、2-1-2、2-2-1、1-1-2、1-2-1、1-2-2、1-1-1，其中2-2-2為最好的客戶（活躍客戶），1-1-1為商家要放棄的客戶；2-1-1為商家可能需要重點(diǎn)突破的客戶，1-1-2為商家要重點(diǎn)維護(hù)的客戶。其余4種組合（2-2-1、1-2-2、2-1-2、1-2-1）均屬于一般客戶。從所有客戶中隨機(jī)抽取20名，其數(shù)據(jù)分析結(jié)果如下表所示?？蛻鬒DR值得分F值得分M值得分RFM得分12222-2-221121-1-231121-1-241111-1-152222-2-261111-1-120名客戶的數(shù)據(jù)分析結(jié)果客戶IDR值得分F值得分M值得分RFM得分71211-2-182122-1-292222-2-2101211-2-1112112-1-1122212-2-1132222-2-2141111-1-1151121-1-2162112-1-1171221-2-2181111-1-1192112-1-1201121-1-2最后根據(jù)分析結(jié)果進(jìn)行RFM整合，可以得出活躍客戶、重點(diǎn)維護(hù)客戶、重點(diǎn)突破客戶、一般客戶和流失放棄客戶?？蛻艏?xì)分結(jié)果如下表所示?？蛻纛愋突钴S客戶（2-2-2）重點(diǎn)突破客戶（2-1-1）重點(diǎn)維護(hù)客戶（1-1-2）流失放棄客戶（1-1-1）一般客戶（2-2-1、1-2-2、2-1-2、1-2-1）客戶ID1、5、9、1311、16、192、3、15、204、6、14、187、8、10、12、17客戶細(xì)分結(jié)果9.2.4基于RFM模型的營(yíng)銷策略的制訂制訂營(yíng)銷策略客戶類型特征營(yíng)銷策略活躍客戶活躍客戶是潛在價(jià)值和當(dāng)前價(jià)值都很高的客戶，是店鋪的核心客戶，這類客戶的特征是與店鋪之間的關(guān)系非常持久、穩(wěn)定實(shí)施戰(zhàn)略聯(lián)盟策略，與客戶形成戰(zhàn)略伙伴關(guān)系。商家在制訂經(jīng)營(yíng)戰(zhàn)略時(shí)，要時(shí)刻把活躍客戶考慮在內(nèi)，要關(guān)注活躍客戶的價(jià)值、利益實(shí)施客戶專案管理策略。成立專門的客戶專案小組，處理并管理活躍客戶在交易中發(fā)生的問(wèn)題，為這些客戶及時(shí)提供符合其要求的商品或優(yōu)質(zhì)的服務(wù)建立優(yōu)良的客戶數(shù)據(jù)庫(kù)系統(tǒng)，加強(qiáng)客戶文化研究實(shí)施客戶信息保密策略，維