-
让品牌有温度、有情感
专注品牌策划15年
rfm模型分类的8种客户类型
发布时间：2023-04-10 13:09:38
稿源：
创意岭 阅读：
130
大家好！今天让创意岭的小编来大家介绍下关于rfm模型分类的8种客户类型的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。
开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等
只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端
创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008
本文目录:
一、【分析方法or思维】RFM模型——用户价值分析
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，模型主要是利用客户的最近一次消费（Recency）、总体消费频率（Fequency）以及消费全额（Monetary）3项指标来描述该客户的价值状况。 RFM代表近度，频率和额度，这些指标表征了客户的一些消费行为和习惯。频率和额度会影响客户的生命周期价值，新近度会影响保留率，而保留率是忠诚度的衡量标准。
RFM是一种客户细分技术，用以帮助营销人员快速识别用户类型及群体分类，并帮助营销人员根据客户细分类型的共性、个性提供一定的营销策略。因而，RFM的最终成果是客户的分类及分类分析。
二、常用的分析方法及模型有哪些?
1、RFM模型
RFM分析是客户关系分析中一种简单实用客户分析方法，将最近一次消费、消费频率、消费金额这三个要素构成了数据分析最好的指标，衡量客户价值和客户创利能力。
RFM分析也就是通过这个三个指标对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略。
R——最后交易距离当前天数（Recency）
F——累计交易次数（Frequency）
M——累计交易金额（Monetary）
在这三个制约条件下，我们把M值大，也就是贡献金额最大的客户作为“ 重要客户 ”，其余则为“ 一般客户 "和” 流失客户 “，基于此，我们产生了8种不同的客户类型：
重要价值客户 ：复购率高、购买频次高、花费金额大的客户，是价值最大的用户。
重要保持客户 ：买的多、买的贵但是不常买的客户，我们要重点保持；
重要发展客户 ：经常买、花费大但是购买频次不多的客户，我们要发展其多购买；
重要挽留客户 ：愿意花钱但是不常买、购买频次不多的客户，我们要重点挽留；
一般价值客户 ：复购率高、购买频次高，但是花费金额小的客户，属于一般价值；
一般保持客户 ：买的多但是不常买、花钱不多，属于一般保持客户；
一般发展客户 ：经常买，但是买不多、花钱也不多，属于一般发展客户；
一般挽留客户 ：不愿花钱、不常买、购买频次不高，最没有价值的客户；
下面是我用 FineBI 做的RFM模型可视化仪表板，可以通过RFM模型对客户的终生价值做一个合理的预估，基于一个理想的客户特征来衡量现实中客户价值的高低，通过此类分析，定位最有可能成为品牌忠诚客户的群体，让我们把主要精力放在最有价值的用户身上。
波士顿模型最初是一个时间管理模型，按照紧急、不紧急、重要、不重要排列组合分成四个象限，以此便于对时间进行有效的管理。
运用在客户分析中，也就是利用销售额和利润这两个重要指标分为四个象限，对我们的客户进行分组。我们将这两个维度作为横纵坐标轴分为四个象限，将产品或者服务分为下面四种类型：
明星类 ：增长率高、占有率高，代表着十分成功的产品，是主打的明星产品；
金牛类 ：增长率低、占有率高，已经占据了市场但是没有发展空间的产品，属于现金牛产品；
问题类 ：增长率高、占有率低，说明用户需求高，但是本身产品有问题，需要改进优化；
瘦狗类 ：增长率低、占有率低，市场不认可的失败产品，需要尽快去除；
我们如此分类的目的正是要根据波士顿矩阵，将一些没有发展前景和市场潜力的产品尽快淘汰掉，保证明星产品和现金牛产品的份额，从而搭配好产品或者业务的整个市场布局。
FineBI制作的波士顿模型实际使用：
如图所示，每个销售大区与每个销售年份下的客户分布，通过筛选数据，我们得到我们想要的客户信息。而波士顿矩阵则是一个非常有力的工具，可以帮助我们将杂乱无序的东西组块整理，在使用矩阵的的时候，尽量选取纵向和横向毫无关联要素来分析，这样才能发挥矩阵分块整理的作用。
我们知道并不是所有的顾客都具备相同的价值，如果企业能够专注于那些可以带来最大未来利益的客户，就可以实现更好的运营。所以企业必须识别出这些客户，CLV是对客户未来利润的有效预测，它还有另外一个名字，叫做LTV （life time value)。
这里需要特别说明的是，CLV考虑了完整的客户生命周期，包含客户获取和客户流失，也就是它计算的不只是眼前顾客已经产生的价值，还预测了未来价值。
CLV的计算公式有非常多，有的会非常复杂，主要在流失率这个环节和影响因素就相当多，也有会加上投入成本，价值变化率和利率变化等等。
比较实用简单的是这种：
那对于CLV的应用，可以从以下两个模型来看，将企业的最优客户与不值得投入的客户区分出来：
帕累托原则，又称二八原则，是关于效率与分配的判断方法。帕累托法则是指在任何大系统中，约80%的结果是由该系统中约20%的变量产生的。应用在企业中，就是80%的利润来自于20%的项目或重要客户。
模型的解释：当一个企业80%利润来自于20%的客户总数时，这个企业客户群体是健康且趋于稳固的。 当一个企业80%利润来自大于20%的客户总数时，企业需要增加大客户的数量。当一个企业80%利润来自小于20%的客户群时，企业的基础客户群需要拓展与增加。
模型的实际使用，某商场品牌商的销售额。
一共10家客户，5家客户（50%）提供了80%的销售额，这就说明需要增加大品牌客户数量。
带来大量销售额的客户必须认真对待和维护，如果客户数量大，尤其需要列出重点客户重点跟进，把有限的精力放在创造利润大的客户上。
5、漏斗模型
漏斗模型本质是分解和量化，为了方便大家理解，这里以营销漏斗模型举例：
也就是说营销的环节指的是从获取用户到最终转化成购买这整个流程中的一个个子环节，相邻环节的转化率则就是指用数据指标来量化每一个步骤的表现。
所以整个漏斗模型就是先将一个完整的购买流程拆分成一个个步骤，然后用转化率来衡量每一个步骤的表现，最后通过异常的数据指标找出有问题的环节，然后解决该环节的问题，最终达到提升整体购买转化率的目的，所以漏斗模型的核心思想可以归为分解和量化。
比如分析电商的转化，我们要做的就是监控每个层级上的用户转化，寻找每个层级的可优化点。对于没有按照流程操作的用户，专门绘制他们的转化模型，缩短路径提升用户体验。
PEST，也就是政治（Politics）、经济（Economy）、社会（Society）、技术（Technology），能从各个方面把握宏观环境的现状及变化趋势，主要用户行业分析。
宏观环境又称一般环境，是指影响一切行业和企业的各种宏观力量。
对宏观环境因素作分析时，由于不同行业和企业有其自身特点和经营需要，分析的具体内容会有差异，但一般都应对政治、经济、技术、社会，这四大类影响企业的主要外部环境因素进行分析。
政治环境：政治体制、经济体制、财政政策、税收政策、产业政策、投资政策等。
社会环境：人口规模、性别比例、年龄结构、生活力式、购买习惯、城市特点等。
技术环境：折旧和报废速度、技术更新速度、技术传播速度、技术商品化速度等。
经济环境：GDP 及增长率、进出口总额及增长率、利率、汇率、通货膨胀率、消费价格指数、居民可支配收入、失业率、劳动生产率等。
5W2H，即为什么（Why）、什么事（What）、谁（Who）、什么时候（When）、什么地方（Where）、如何做（How）、什么价格（How much），主要用于用户行为分析、业务问题专题分析、营销活动等。
该分析方法又称为七何分析法，是一个非常简单、方便又实用的工具，以用户购买行为为例：
Why：用户为什么要买？产品的吸引点在哪里？
What：产品提供的功能是什么？
Who：用户群体是什么？这个群体的特点是什么？
When：购买频次是多少？
Where：产品在哪里最受欢迎？在哪里卖出去？
How：用户怎么购买？购买方式什么？
How much：用户购买的成本是多少？时间成本是多少？
SWOT分析法也叫态势分析法，S （strengths）是优势、W （weaknesses）是劣势，O （opportunities）是机会、T （threats）是威胁或风险。
SWOT分析法是用来确定企业自身的内部优势、劣势和外部的机会和威胁等，通过调查列举出来，并依照矩阵形式排列，然后用系统分析的思想，把各种因素相互匹配起来加以分析。
运用这种方法，可以对研究对象所处的情景进行全面、系统、准确的研究，从而将公司的战略与公司内部资源、外部环境有机地结合起来。
4P即产品（Product）、价格（Price）、渠道（Place）、推广（Promotion），在营销领域，这种以市场为导向的营销组合理论，被企业应用最普遍。
可以说企业的一切营销动作都是在围绕着4P理论进行，也就是将：产品、价格、渠道、推广。通过将四者的结合、协调发展，从而提高企业的市场份额，达到最终获利的目的。
产品：从市场营销的角度来看，产品是指能够提供给市场，被入们使用和消费并满足人们某种需要的任何东西，包括有形产品、服务、人员、组织、观念或它们的组合。
价格：是指顾客购买产品时的价格，包括基本价格、折扣价格、支付期限等。影响定价的主要因素有三个:需求、成本与竞争。
渠道：是指产品从生产企业流转到用户手上全过程中所经历的各个环节。
促销：是指企业通过销售行为的改变来刺激用户消费，以短期的行为（比如让利、买一送一，营销现场气氛等等)促成消费的增长，吸引其他品牌的用户或导致提前消费来促进销售的增长。广告、宣传推广、人员推销、销售促进是一个机构促销组合的四大要素。
逻辑树又称问题树、演绎树或分解树等。它是把一个已知问题当成“主干”，然后开始考虑这个问题和哪些相关问题有关，也就是“分支”。逻辑树能保证解决问题的过程的完整性，它能将工作细分为便于操作的任务，确定各部分的优先顺序，明确地把责任落实到个人。
逻辑树的使用必须遵循以下三个原则：
要素化：把相同的问题总结归纳成要素。
框架化：将各个要素组织成框架。遵守不重不漏的原则。
关联化：框架内的各要素保持必要的相互关系，简单而不独立。
AARRR模型是所有运营人员都要了解的一个数据模型，从整个用户生命周期入手，包括获取（Acquisition）、激活（Activition）、留存（Retention）、变现（Revenue）和传播（Refer）。
每个环节分别对应生命周期的5个重要过程，即从获取用户，到提升活跃度，提升留存率，并获取收入，直至最后形成病毒式传播。
三、客户识别的rfm模型指的是什么
RFM模型。
即：
最近一次消费(Recency)
消费频率(Frequency)
消费金额(Monetary)
在众多的客户关系管理(CRM)的分析模式中，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。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三项指标来描述该客户的价值状况。
四、基于RFM的客户价值分析报告
项目背景
在面向客户制定运营策略、营销策略时，我们希望针对不同的客户推行不同的策略，实现精准化运营，以期获取最大的转化率。精准化运营的前提是客户分类。通过客户分类，对客户群体进行细分，区别出低价值客户、高价值客户，对不同的客户群体开展不同的个性化服务，将有限的资源合理地分配给不同价值的客户，实现效益最大化。在客户分类中，RFM模型是一个经典的分类模型，模型利用通用交易环节中最核心的三个维度——最近消费(Recency)、消费频率(Frequency)、消费金额(Monetary)细分客户群体，从而分析不同群体的客户价值。
项目目标
本项目借助某电商客户数据，探讨如何对客户群体进行细分，以及细分后如何利用RFM模型对客户价值进行分析。在本项目中，主要希望实现以下三个目标：1.借助某电商客户数据，对客户进行群体分类；2.比较各细分群体的客户价值；3.对不同价值的客户制定相应的运营策略。
分析过程
1.数据预览
我们的源数据是订单表，记录着用户交易相关字段
通过数据可以发现，订单状态有交易成功和退款关闭的，检查是否还有其他情况
只有这两种情况，后续清洗中需剔除退款订单。然后观察数据类型与缺失情况
订单一共28833行，没有缺失，付款日期是时间格式，实付金额、邮费和购买数量是数值型，其他均为字符串类型
2. 数据清洗
(1)剔除退款
(2)关键字段提取：提取RFM模型所需要的买家昵称，付款时间，实付金额
(3)关键字段构造：构建模型所需的三个字段，R(最近一次购买时间间隔),F(购买频次),M(平均或累计购买金额)
首先构造R值，思路是按买家昵称分组，选取付款日期最大值
为了得到最终的R值，用今天减去每位用户最近一次付款时间，就得到R值了，这份订单是7月1日生成的，所以这里我们把“2019-7-1”当作“今天”
然后处理F,即每个用户累计购买频次( 明确一下单个用户一天内购买多次订单合并为一次订单 )
思路：引入一个精确到天的日期标签，依照“买家昵称”和“日期标签”分组，把每个用户一天内的多次下单合并，再统计购买次数
最后处理M,本案例M指用户平均支付金额，可以通过总金额除以购买频次计算出来
三个指标合并
3. 维度打分
维度确认的核心是分值确定。RFM模型中打分一般采取5分制，依据数据和业务的理解，进行分值的划分
R值依据行业经验，设置为30天一个跨度，区间左闭右开
F值和购买频次挂钩，每多购买一次，分值多加一分
M值我们按照50元的一个区间来进行划分
这一步我们确定了一个打分框架，每一个用户的每个指标，都有其对应的分值
4. 分值计算
(1)算出每个用户的R,F,M分值
(2)简化分类结果
通过判断每个客户的R,F,M值是否大于平均值，来简化分类结果。0表示小于平均值，1表示大于平均值，整体组合下来有8个分组
5.客户分层
RFM经典分层按照R,F,M每一项指标是否高于平均值，把用户划分为8类
Python实现思路如下：先定义一个人群数值，将之前判断的R,F,M是否大于均值的三个值加起来
人群数值是数值类型，位于前面的0会自动略过，比如1代表001的高消费唤回客户人群，10对应010的一般客户
然后在python中定义一个判断函数，通过判断人群数值，来返回对应的分类标签
数据解读与建议：
首先查看各类用户占比情况
然后查看不同类型客户消费金额贡献占比
最后导出数据，在tableau中数据可视化展示
通过数据可视化后，我们可以发现：
1.客户流失情况严重，高消费唤回客户，流失客户占比超过总客户的50%
2.高消费唤回客户和频次深耕客户的金额总占比约66%，这两部分客户是消费的重点客户
3.流失客户和新客户的总人数占比约38%，但金额总占比只有约13%
建议：
1.针对高消费唤回客户，流失客户采用唤回策略，推送相关信息，发礼品券等挽留客户
2.针对高消费唤回客户和频次深耕客户，考虑继续挖掘其消费特性，如喜爱购买的产品，消费的时间段，后续据此加强店铺产品与时间段的改进，最大程度留住这两部分客户
3.针对流失客户和新客户金额总占比低，建议推出一些低价产品，用来拉取新客户，保证店铺的活跃性。
以上就是关于rfm模型分类的8种客户类型相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。
推荐阅读：
赣公网安备 50019002502384号
