RFM模型

大家好！今天让创意岭的小编来大家介绍下关于RFM模型的问题，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

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、【分析方法or思维】RFM模型——用户价值分析

• 2、基于RFM模型的客户分群和K-Means聚类分析

• 3、【知识分享】RFM模型与顾客生命周期管理（一）

• 4、用户体系搭建（二）——如何用RFM划定用户层级

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、基于RFM模型的客户分群和K-Means聚类分析

数据源是来自Kaggle的一个跨国数据集，其中包含2010年12月12日至2011年12月9日期间发生的所有在英国注册的非商店在线零售业务的交易。该公司主要销售独特的全场礼品，并且大部分客户是批发商。分析目的是按照RFM模型对客户进行分级，以用户的实际购买行为数据作为基础，进行用户群体的划分，再基于不同分类信息，分解成不同群体针对运营，从而使企业能更有效的获取客户、使客户更加满意、留住客户成为高价值客户、避免客户流失。

数据一览

数据形状为：542k 行x 8列，8个字段分别为发票号，发票日期，商品码，商品描述，数量，单价，顾客ID，国家。

R(Recency): 表示客户最近一次购买的时间距离现在有多远

F(Frequency): 表示用户在定义时间段内购买产品或服务的次数

M(Monetary): 表示用户在定义时间段内购买产品或服务的金额

按照每个指标取值不同分为八类客户，包括重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户等八类用户

0.计算每单的总价，添加Amount列。查看整体数据情况，发现描述和顾客ID列有缺失值，顾客ID类型为浮点型不符合业务逻辑

8.求出每位顾客在时间周期内消费次数，得到F值，（数据源中一个订单会包含多种产品，但是每种产品订单都会产生一条记录，注意去重）

9.表合并

df_data=pd.merge(df_f_2,df_f_3,on='InvoiceNo',how='left')

11.对得到三个指标进行分区，映射级别

按照RFM分值对顾客分类

2.客户消费情况

3.每个指标的分布情况

综上确定聚类K值为3

用K-Means进行无监督聚类后，可以看出整体分为三类，与RFM模型分类结果较为相似，可以重点关注偏离集群的几个点，以及蓝色类别中出现的几个红色类别数据，这部分与RFM模型的差异可能是由于RFM模型判断时间的主观性造成的，在实际建模的过程中需要再考虑一下RFM的分级条件。

三、【知识分享】RFM模型与顾客生命周期管理（一）

作为一名电商的产品经理，负责的业务主要是CRM...唉，在这个运营无脑，公司不给钱的年代，做CRM简直是个绝对苦劳无功劳的活。这让典型摩羯座的顾阿姨怎么办...

在琐碎的日常工作之外，需要适度的额外学习与整理来充实自己。应周会分享的契机，自己找了网上与书上与CRM有关的材料，做出了这份“RFM模型与顾客生命周期管理”的屁屁踢~借这个平台与大家分享。

RFM模型与顾客生命周期管理

RFM模型是顾客关系管理中最常用的一个模型，因其具有普适性，可帮助那些基础CRM运营同学在不具备专业数据挖掘能力前就能运用此类方法。

内容会围绕四部分展开：

第一部分对RFM模型进行内涵阐述；第二部分对RFM的运用方法进行说明；第三部分是对第二部分的承接，顾客细分后就需要对顾客放入具体的生命周期中；第四部分，阐述如何对不同生命周期的顾客进行营销。

一.RFM模型

在进入第一部分前，我们先问问自己为何要进行客户细分？

与团队管理一样，团队成员人数只有个位数的时候，大家靠默契就能运作；当团队成员人数到达两位数时，需要规章制度对职场行为进行规制以确保稳定；当团队成员人数到达三位数时，需要企业文化与企业精神让员工在“灵”的层面理解公司愿景。

简短地用假大空的话说了说意义，下面我们详细阐述RFM模型：

表给中还给出了影响指标变化的因素与指标的应用场景。这个后文会继续详述。

1. 最近一次消费（Recency）

最近一次消费的计算方式是以计算当日减去顾客上一次在店铺的消费日期。计算时取付款时间更为准确。

我们可以很容易地理解到：R值越小，说明顾客下单间隔越小。如果R值为0，则可以说明该顾客天天在本店铺下单；如果R值很大，则可认为该顾客已经遗忘了本店铺，就算是买东西也想不到来本店铺买。

我们来举个栗子：文中的柱状图取了某店铺三年内的R值分布情况。从形状来看，呈现周期性且规律型的波浪型，且振幅随着时间的延长而变小。店铺对客户的营销有着稳定的季节性，从图表看，大概是统计周期的每年的第二个月，在这个月能吸引顾客下单，故R值在当月占比会特别高。

2. 消费频率（Frequency）

消费频率的高低是客户对品牌忠诚度（如：旗舰店）与店铺忠诚度的体现。

然而，决定消费频率高低的一个重大因素是品类宽度。如：对手机、电脑等3C类别商品，平均购买周期可能在1年左右；而对于纸巾、零食等流百类商品，平均购买周期可能只有1周甚至更短。因此，跨品类进行F值的比较是没有意义的。

对于大平台而言，其涉及的售卖品类会比较丰富；而对于一般小平台而言，一般只会涉足某一细分品类。平台毕竟有限，故对于一般网店而言，会将F值用顾客的“累计购买次数”替换。

我们来举个栗子：文中的柱状图统计了一段时间内顾客到店消费的次数分布。新客（购买一次）占比为65.6%，老客（购买超过一次）占比为34.4%。购买超过4次以后，流失达到稳定。故CRM运营童鞋要考虑如何对顾客进行营销，使其在店铺购买可达4次。

3. 消费金额（Monetary）

消费金额统计的是某一顾客在一段时间内的累计消费金额。数值越大，代表顾客对店铺的价值贡献和消费能力越高。

由于统计周期较长，不利于对于应时性的分析。故：对一般店铺而言，一般选择客户在店铺的累计购买次数与客单价替代原始的M值定义。

我们来举个栗子：文中的柱状图统计了一段时间内某个消费区间内的客户数与消费金额。累计消费1000元以下的客户占比为65%（近2/3），贡献的店铺收入比例占31.6%（近1/3）。在“二八法则”中，我们提到说20%的顾客贡献店铺80%的收入——其背后含义即说明，小部分忠诚顾客贡献了店铺主要的营收。图表就是对这一法则的现实证明。

四、用户体系搭建（二）——如何用RFM划定用户层级

RFM是很传统的数据分析模型，几乎所有文章都会提到它，然而市面上RFM模型很多只是讲解了如何通过RFM解决和划定用户群体，但是很少有详细说明RFM模型的计算方式，本文讲解RFM模型的含义及应用以及如何使用SPSS计算RFM模型。

1、RFM模型概述

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 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。（摘自百度百科）

以上是百度百科对RFM模型的描述，说的比较复杂，简单的来讲RFM是通过统计用户最近购买时间（R），购买的次数（F），购买的金额（M）这三个维度来描述用户在群体中的位置。对于这三个维度的描述具体如下：

基于这三个维度，将每个维度分为高低两种情况，我们构建出了一个三维的坐标系。

通过图表很直观的发现，我们把客户分为了2的三次方也就是8个群体。

2、RFM模型取数方法

根据RFM模型的定义，我们可以很容易的推导出，RFM模型的数据取数内容主要包括三个字段即：最近购买时间、最近购买次数、消费金额。但是在实际工作中也会有问题是我们要计算每个用户的购买时间、购买次数费事费力，所以一般也可以通过统计订单来进行计算。

当我们通过订单进行统计时需要包含以下字段

当我们准备好以上数据时就可以开始准备计算RFM模型

考虑不少人不是很了解SPSS，下面也将包含一些SPSS基础功能的讲解

1、设置度量标准

SPSS分为数据视图和变量视图，在开始前需要在变量视图中设置数据类型

SPSS中数据类型包括度量、名义、序号，

2、设置变量类型及宽度

变量类型是定义该变量是何种类，点击类型弹出变量类型选择弹窗

宽度定义变量的展示位数，对于Order_id、User_id等需要注意变量长度，让这两个字段完全展示。

另外对于，Create_time这一字段应选用日期这一类型并选择yyyy:mm:dd

我们可以直接将excel里的数据直接复制过来。

4、选择分析模型分析

Step1：选择分析模型

完成数据准备后选择 直销——RFM分析，不同汉化版本翻译可能稍有不同

Step2：选择数据格式

由于我们使用的是订单记录，所以我们选用交易数据

Stpe4:SPSS执行RFM分析

SPSS完成分析后，会生成一个新的数据文件，记录每个客户的最近一次交易日期、交易总次数、交易总金额、RS/FS/MS分值、RFM汇总分值。

RFM汇总分值=RS分值 100+FS分值 10+MS分值。

选用分析—描述统计——描述这一方法计算RS\FS\MS均值

最终可得如下结果

选择"重新编码为不同变量"，先对客户的RS进行高低转化。

依据上表，逐个设置各客户类型所对应的数据规则。

设置客户类型=1的数据规则，操作如下：

重复以上操作设定不同数据类型

最后将将客户类型编码1、2、3、4、5、6、7、8转换成实际客户类型：

最终，可得出如下结果

以上就是关于RFM模型相关问题的回答。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：

colourful英语怎么说读音

RFM模型的理解

aso和rf阳性是什么意思（aso和rf都是阴性）

私家别墅景观设计报价（私人别墅景观）

抖音外卖推广员怎么做