正文

RFM模型分析报告

发布时间：2023-04-10 18:01:12 稿源：创意岭阅读： 123

大家好！今天让创意岭的小编来大家介绍下关于RFM模型分析报告的问题，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

官网：https://ai.de1919.com。

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:

1、rfm模型的三个指标是什么?
2、撰写分析报告的关键技巧
3、会员系统RFM数据分析模型的什么是RFM数据分析模型
4、用户体系搭建（二）——如何用RFM划定用户层级

RFM模型分析报告

一、rfm模型的三个指标是什么?

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：

1、最近一次消费

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。

2、消费频率

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。

3、消费金额

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。

RFM模型分析报告

应用意义

RFM模型较为动态地显示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值(甚至是终身价值)，通过改善三项指标的状况，从而为更多的营销决策提供支持。

在RFM模式中，R(Recency)表示客户购买的时间有多远，F(Frequency)表示客户在时间内购买的次数，M (Monetary)表示客户在时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。

RFM非常适用于生产多种商品的企业，而且这些商品单价相对不高，如消费品、化妆品、小家电、录像带店、超市等；

它也适合在一个企业内只有少数耐久商品，但是该商品中有一部分属于消耗品，如复印机、打印机、汽车维修等消耗品；RFM对于加油站、旅行保险、运输、快递、快餐店、KTV、行动电话信用卡、证券公司等也很适合。

RFM可以用来提高客户的交易次数。业界常用的DM(直接邮寄)，常常一次寄发成千上万封邮购清单，其实这是很浪费钱的。

根据统计(以一般邮购日用品而言)，如果将所有R(Recency)的客户分为五级，最好的第五级回函率是第四级的三倍，因为这些客户刚完成交易不久，所以会更注意同一公司的产品信息。如果用M(Monetary)来把客户分为五级，最好与次好的平均回复率，几乎没有显著差异。

二、撰写分析报告的关键技巧

目标：

1、掌握搭建分析框架的思路

2、学习优秀案例的撰写技巧

确保报告的阅读者，可以通过3-5分钟到阅读，获得一些对其工作有价值的观点和建议

用最精简、没有歧义的方式阐释你的观点，不要让你老板来费心理解、推测你要表达的内容

不管你准备了多少working paper，只把最相关、最有价值的部分写到你的报告中

每一页PPT或每一段文字只表达一个观点，太多的内容只会将有用的信息淹没

编写商业分析报告要有“同理心”，要站在听众的角度来思考问题！

【不要说鬼话】：分析越详细越好，结论越简单越好，不要炫技

【不要忘了起止】：指标起于哪里，止于哪里，别跑偏

【不要面面俱到】：时间是最大的成本，抓大放小

【不要忘了结论】：一定要有结论，哪怕是正常的，或者不做的

【不要尽信数据】：数据很好，但有时候也会说明，要敢于决策

分析报告的框架是特别重要的，在写分析报告之前，一定要 先把分析框架写出来 ，每一个报告要写什么内容？分几大块？每一大块儿要做哪些维度上的分析？要设计哪些角度？要具体去评估什么？全部都要要在你的框架里讲清楚。而且在分析报告里，整个都 要有一级标题和二级标题 ，这样是比较好的。

分析报告，其实就是在讲故事，去讲这件事情的背景；不过像是周报这种偏长期每周都要汇报的东西，是可以不讲背景，但是要 先介绍分析的数据范围 ，就报告里你分析的是什么范围的数据、选择的是什么样的用户、每个指标的口径是什么等等。

分析方法 方面，如果你没有用到特殊的分析方法的话，如果只是平时日常工作中的一个简单的分析而没有用到复杂的分析的话，就不需要去介绍你的整个方法；但如果说你用到的话，你肯定要给大家介绍一下你的这个分析方法，你通过数据，发现了哪些。

之后你肯定要去做你的 数据展示 ，然后再去挑整个数据里那些 重点的部分去做解析 ，然后进行 收益测算 ，不过这也不是每个报告里都会去讲的。

分析解析之后，你得到一个结论对吧，那么你是怎么发现这个结论的？这个结论的推导也是老板比较关心的（比如说你说现在交易转化出了问题，那这个交易转化你到底是怎么发现出问题的？到底是什么原因导致的？这些都必须得讲清楚，要不然没有人会相信的，如果你只说反正我就分析出来了，就是那个页面有问题导致的，那这个页面到底有什么问题，你是 怎么分析出来的？怎么推导出来的？ 你必须都要能够讲出来。

要记得写分析报告永远像写证明题一样，你的二级标题就是你要证明的那个题，你里面的数据和一些详细的阐述都是在去解释你的二级标题的那个内容，最后分析证明之后，一定要有 策略建议 ，这个是特别关键的。

平时写分析报告的时候会用到各式各样的方法，不过这些分析方法并不是那些非常难的方法，因为我们日常工作中都是 以业务为导向 。

业务为导向的意思，就不强调固定的分析方法，而是强调适合业务的分析方法；业务适合哪种，我们就采用哪种。这个场景下用分类看比较好，我们就用分类；如果用对比看比较好，我们就去分析对比；如果去看相关性比较合适，我们就去分析相关性等等。

不要为了选择某一个非常有难度的方法而故意把它写在分析报告里，日常工作不是写论文，老板不会要求你一定要用一个多么深的方法把一个简单的事弄复杂了，老板想要的永远都是 把复杂的事给简单化 ，让别人清晰明了的就明白的方法就是最好的，所以在方法选择的时候一定要多注意。

在各种事情里都会强调 方法论 ，这些 分析方法的背后就是方法论的理念 ，在某些事情上按照一定的分析方法去执行，这样你的逻辑性、系统性就会显得比较好。

分类：相当于 维度下钻 ，如分析GMV的高低，要下钻分类进行分析，城市分类、用户分类、品类分类等等，还有RFM模型，其实就是一种分类的分析方法。

分布：年龄的分布、城市的分布、购买时间段、用户分布、学历分布、等级分布等等， 单看分布是不够的，一定还要想着分析这个分布的趋势有没有发生变化，如果有发现变化的话，那这个分布趋势的内容也要作为分析的内容之一 。

对比：数据只有对比才有意义，单看一个数值的时候是很难知道好坏的，需要用到其它数值来对比而让这些数字变得更有概念、更有业务含义，如同比、环比、竞对的对比等等。

相关：分析一个因素是不是引起某个指标变化，某个变化是不是有某个指标引起的，这时就要做一些相关性分析，还有看两个指标的相关性（名校和绩效是否有相关性、收入和价格敏感度的相关性、年龄和价格敏感度的相关性等等），如做一个沉睡用户的唤醒，然后导致老客的复购频次微微有所上浮，这个时候你要去看用户购买频次上浮这件事情和我们去对沉睡用户做唤醒有没有关系，这个就是相关分析法。

这些分析方法都要往业务上想才有意义。

分类、分布、对比、相关这几个是大的分析方法，也是基本上每次分析报告都会用得上的分析方法，这几个大类下面可能又会有一些小类，或者是一些交叉的分析方法。

维度细分：比如说按品类、按城市，这都是维度细分；

ABtest：就是控制单一变量分析，空白组和实验组；

Cohort分析：就是留存分析，比如说次一日、次三日、次七日，然后次30日、180日等等；

结构分析法、杜邦分析法、权重拆解法、层次分析法：这几个主要就是按照拆解和细分的思路进行下钻分析；

销量法：

渗透率法：

分位数分析法：也是分类的一种，可以与箱线图进行对比学习；

矩阵分析法：特别常用的一种分析方法，有点儿类似于RFM模型，RFM模型是三个维度分八类，如果只取两个维度的话就是分四类。

例如：以房产首付额、房价年增长率作为这两个指标，然后以城市作为维度（也就是要有三个数据），每个城市都有这两个指标上的值，这样就可以在这个象限里面把这些城市所在的位置给画出来，然后再以这些城市在两个指标的均值相交的地方来画我们的这四象限的分割，这时就相当于是画了一个散点图，这样就可以把房价首付额和年增长率进行划分了四象限，这样就构成了矩阵分析法的基础。

矩阵分析法也是在日常工作中使用频率特别高的一种分析方法，尤其是在去做这种按照城市在某些促销日期的表现，比如按照交易额和增幅这两个指标却把中国的省会城市以及直辖市去做一个四象限，或者是分析每个城市的GPD和增速的分析，都可以进行使用。

这个是报告整体的排版形式的参考，一级标题就是目录，二级标题就是你的核心结论，数据图表放在中心，先放策略再放图形，数据解读可以放在右侧或者二级标题底下或者图形底下，最低下是一些特殊的备注（如特殊引用的一些内容，或者指标口径等等）

三、会员系统RFM数据分析模型的什么是RFM数据分析模型

RFM 模型是会员管理领域里的一种会员消费行为分析模型，其中R近度(Recency）代表最近购买时间，指上次购买至现在的时间间隔； F 频度(Frequency)代表购买频率，指的是某一期间内购买的次数；M额度(Monetary) 代表总购买金额，指的是某一期间内购买商品的金额。

RFM模型在反映会员购买偏好方面具有良好的表征性。

经过研究发现 R值越小，会员越有可能与企业达成新的交易。 F值越大，会员越有可能与企业达成新的交易。 M值越大，会员越有可能与企业达成新的交易。 RFM 模型在反映会员价值方面同样具有良好的表征性，它是衡量会员价值和会员创利能力的重要工具和手段。一卡易将该模型成功应用于会员系统中，通过一个会员的近期购买行为、购买的总频率以及购买的总金额等3项指标来描述该会员的价值状况。如果与该会员打交道的时间足够长，也能够较为精确地判断该会员的长期价值（甚至是终身价值），通过改善3项指标的状况，从而为更多的营销决策提供支持。连锁会员系统的‘统计分析’模块运用RFM模型做出‘会员RFM’，帮助使用者来了解会员的消费行为和消费的意向。

RFM模型分析报告