rfm模型怎么分析

大家好！今天让创意岭的小编来大家介绍下关于rfm模型怎么分析的问题，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、用RFM模型划分用户等级

• 2、基于RFM模型用户价值分析（K-Means聚类）

• 3、用户价值分层——基于RFM模型的研究分析

• 4、基于RFM分析的客户细分！让市场营销事半功倍！

一、用RFM模型划分用户等级

如何对用户进行等级分层，我们需要了解一个最常用的客户分类模型，那就是RFM模型。

RFM模型是在客户关系管理（CRM）分析模式中最受关注和应用的模型之一。它主要通过最近一次消费（recency）、消费频率（frequency）、消费金额（monetary）这三个维度的用户行为来对用户进行分层。RFM分别是这三个英文单词的首字母缩写。通过这一模型，企业可以动态地掌握用户对企业的长期价值，甚至预测客户的终身价值。

R（recency）指最近的消费时间。最近一次消费时间越近，说明这个用户近期是活跃的，对企业是有印象的。最近一次消费距当下时间越久，就越说明这个用户可能沉睡或流失了，需要企业通过客户关怀、营销活动去触达他，想办法将他再次激活，尽量挽回这个用户。

F（frequency）指消费频率。消费频率越高，消费也越活跃，代表用户对企业或品牌越认可，对企业贡献的销售价值越大。反之，消费频率低，甚至用户只来了一次后就再也没来，说明用户不活跃，相应的贡献价值也就少了。这时候企业就需要进行反思，他到底是不是企业的真正目标用户，是不是“薅羊毛”的用户，又或者是不是企业的产品和服务有问题，伤害到了他。总之，企业需要针对消费频率这一数据进行分析研究，找到原因，并想办法解决。

M（monetary）指一段时间内的消费金额。消费金额高，既说明用户对企业产品的需求大，也能反映用户的消费能力，同时还说明对企业和品牌的认可。在一段时间内，消费金额跟消费频率呈正相关，消费频率越高，累计的消费金额也会越高。

企业通过这三个维度合理评估用户的长期价值，把用户分为不同的等级，并对不同等级的用户投入不同的资源和时间来维护，这样就能让公司的资源效果实现最大化。

过去，互联网没有如此发达，传统企业没有实现数字化，企业很难抓取用户的实时数据，没办法实时掌握用户动态、群体画像，很难做精细化运营管理。而现在，无论是投广告、做活动，还是依靠微信、社群、小程序、App，都能实时获得大量数据，并且有了成熟的CRM软件之后，企业能够轻松地对用户消费数据进行分析，进而做出正确的决策。

在实际应用中，我们可以将RFM这三个维度，每个维度一分为二，大写字母代表高，小写字母代表低。这样一来就得到8组用户分类。

重要价值客户：最近消费时间近、消费频次和消费金额都很高，他们是企业的VIP客户。

重要发展客户：最近消费时间较近、消费金额高，但频次不高，忠诚度不高。他们是很有消费潜力的用户，需要重点发展。

重要保持客户：最近一次消费时间较远，但曾经一段时间内消费频次和金额都很高，说明他过去是个忠诚客户，企业需要主动和他联系，尝试激活。

重要挽留客户：最近消费时间较远、消费频次不高，但消费金额高，这些可能是将要流失或者已经流失的用户，企业应当采取挽留措施。

后面的一般价值客户、一般发展客户、一般保持客户、一般挽留客户相比前面四组的重要性会低一些。在实际成交客户中，如果对这8组客户维度进行简化分类，我们可以把他们分为A、B、C三个等级。这样，企业员工在维护时会更好地理解、操作。

总而言之，企业在人格上对用户要一视同仁，尊重用户，友善相待，但是在商业服务上则要区别对待。企业不要试图给所有用户一样的服务，而是要将更高级的服务提供给那些更认可企业、能带来更高价值的用户。

二、基于RFM模型用户价值分析（K-Means聚类）

本次分析数据来源CDNow网站的用户在1997年1月1日至1998年6月30日期间内购买CD订单明细，对订单明细进行RFM模型的K-Means 聚类分析并提出运营策略建议

-- 每个数据一共4列，分别是用户ID、订单时间、订单数量、订单金额，数据类型都是数值型

-- 删除255个重复值

-- 共有80个，订单数均为1，可能是未付款订单或免费活动，没有明显价值，可以剔除

-- 数据集的时间在1997-01-01到1998-06-30日，因此将此次观察日期定义为1998年6月30日

RFM模型的定义：R为最近一次下单时间，F为购买频次，M为购买金额。提取所需要的字段信息：

-- 完成数据预处理

利用K-means算法对客户进行聚类

结合业务，分析客户特征，分析客户价值

-- 在K=4、5的时候SSE曲线趋于平缓，再用轮廓系数看一下

-- 选择最高点K=4进行聚类

R：最近消费时间 F：消费频次 M：消费金额

经分析，把客户群体分为以下4类：

第1类人群：占比28.73%，RMF三个值都比较低，属于低价值用户

第2类人群：占比3.6%，F和M较高，R低，属于重要保持用户

第3类人群：占比67.52%（最多），R值较高，属于一般发展用户

第4类人群：只有22人，F和M特别高，R低，属于高价值的重要保持用户

用户特点及策略：

（1）重要保持用户：

消费次数（F）和消费金额（M）高，最近消费时间（R）低

是公司的高价值用户，对公司贡献最大，所占比例小，主要目标是促进提高满意度，延长用户生命周期。可采取个性化营销，如设计VIP服务、提供高质量产品、与客户互动了解情况等，促进用户回流。

（2）重要发展用户： 消费次数（F）和消费金额（M）低，最近消费时间（R）高

此类客户当前价值不高，但是所在比例最大，有发展潜力，主要目标是提升其购买频次和金额，可采取交叉销售、个性化推荐、组合优惠券等策略，提升单次购买的订单金额及促进重复购买。

（3）低价值用户：

消费次数（F）、消费金额（M）和最近消费时间（R）三个值都低

此类用户优先级最低，可能在打折促销、打造爆款时会进行购买。

小结： 各类别用户都明显出现R值低的情况，说明用户留存较低，结合业务场景（CDNow在线CD零售平台），属于用户消费频次高的场景，应引起重视，找到产品问题，提高用户留存，培养用户忠诚度

三、用户价值分层——基于RFM模型的研究分析

• R（Recency）：消费间隔，最近一次距离上次消费的时间间隔

• F（Frequency）：消费频次，一段时间（1个月/1年...）内的消费总次数

• M（Monetary）：消费金额，一段时间（1个月/1年...）内的消费总金额

      RFM模型是用户价值研究中的经典模型，基于近度（Recency），频度（Frequency）和额度（Monetory）这3个指标对用户进行聚类，找出具有潜在价值的用户, 从而辅助商业决策，提高营销效率。RFM作为一种数据驱动的客户细分技术，可帮助营销人员做出更明智的战略性决策，使营销人员能够快速识别用户并将其细分为同类群体，并针对性制定个性化的营销策略，提高用户的参与度和留存率。

      RFM建模所需要的数据源是相对简单的，只用到了购买记录中的时间和金额这两个字段。我们基于交易数据中用户的最后一次的购买时间，购买的次数以和频率，以及平均/总消费额对每个用户计算了三个维度的标准分。然后我们对于三个维度赋予了不同的权重，再基于加权后的分值应用K-Means进行聚类，根据每种人群三个维度与平均值之间的高低关系，确定哪些是需要保持用户，哪些是需要挽留的用户，哪些是需要发展的用户等。在将这些客户圈出之后，便可以对不同客户群使用不同针对性地营销策略（引导，唤醒等），提高复购率与转化率。值得注意的是，三个维度的权重制定并没有统一的标准，比较通用的方法是用层次分析法(AHP)，实际场景结合行业以及具体公司的特点进行因地制宜、因人而异的优化。

RFM因素：

• R值越高，顾客的有效期越近，对商家活动的响应越积极

• F值越高，顾客的消费频次越高，对商家的忠诚度就越高

• M值越高，顾客的消费能力越高，对商家贡献度就越高

• 想要提高复购率和留存率，需要时刻警惕R值

RFM分析：

• 谁是您最有价值的客户？

• 导致客户流失率增多的是哪些客户？

• 谁有潜力成为有价值的客户？

• 你的哪些客户可以保留?

• 您哪些客户最有可能对参与度活动做出响应？

• 谁是你不需要关注的无价值客户？

• 针对哪些客户制定哪种发展、保留、挽回策略？

      通过RFM模型，可以帮助营销人员实现客户细分；衡量客户价值和客户利润创收能力；识别优质客户；指定个性化的沟通和营销服务；为更多的营销决策提供有力支持。

数据导入：使用python的pandas.read_csv导入样本数据。

缺失值校验：因数据为生产真实的交易数据，质量相对较高，缺失值较低。

极值校验：第一份样本数据获取的用户订单实付金额，其中会存在优惠或补差支付，同时因就餐人数不一致，产生的的订单消费也会存在较大的差异，造成极致波动、标准差值较大，因此需对金额进行处理，以人均消费额替代订单支付金额，可去掉10元以下、万元以上的交易订单。

获取RFM值：使用 groupby获取RFM值

获取RFM评分值：数据离散，pandas.cut

实验数据RFM分值占比

说明：F、M分布不均匀，极值差异大，经数据探查知晓该商户开通了企业团餐业务，企业会给员工发放补贴，导致员工呈现较高的消费频次，该类用户的消费行为绝大程度依赖于企业，在实际的RFM模型可踢出此类订单，降低此类人群的分值，其次数据中的M值为客户实付金额，该商户支持预定、会餐、大小桌，同一单的消费群体不同，或可使用人均消费总额作为M值。

RFM数据合并，建立R、F、M数据框：pandas+numpy

计算RFM综合分值：权重法

权重值主要赋值方法可分为主观赋权法、客观赋权法，如下：

主观赋权法：主要由专家经验得到权数，然后对指标进行综合评价。是一种结合性方法，易操作，存在一定主观性。常用方法：层次分析法AHP、权值因子判断表法、德尔菲法、模糊分析法、二项系数法、环比评分法、最小平方法、序关系分析法等。

客观赋权法：依据历史数据研究指标之间的相关关系或指标与评估结果的影响关系来综合评价。这是定量研究，无须考虑决策者主观意愿和业务经验，计算方法较为复杂。常用方法：主成分分析、因子分析、熵值法、变异系数法、均方差法、回归分析法等。

因样本数据分布不均匀，故手动赋权重值，去除部分极值。

结论：以近90天的消费活跃来看，用户消费频次集中在1-6次，呈现出极佳的复购率。可以针对消费一次的人群进行特征分析。比如针对人群的流动性，若流动人群占比较大，可进一步推广特色菜吸引客户，若周边人群占比较高，可基于复购人群的特征进行分析，同时平台可提供该类人群近期消费偏好，供商家参考，制定针对性方案。

      了解RFM定义后，将3个指标作为坐标系的XYZ坐标轴，从空间上切割成8类，作为用户的价值分层，如下图：

用户价值分层说明：

上面我们已经计算得到各个用户的RFM分值，接下来要依据分值进行分类。

定义RFM 的分值等级

使用pyecharts绘制玫瑰图：

结论：商家顾客表现出来的忠诚度较高，但新客获取能力较低。但是单纯看分层占比，并没有实际意义，可以基于价值分层与其他特征关联分析进行精准投放。如下图（网络参考图，本期实验并未涉及其他特征）所示：

      用户画像是基于用户信息与行为衍生出来的特征属性，用户的准入信息是用户的主观特征，是一种既定的事实，通过对用户行为的采集、研究，刻画出单个用户的特征。其意义在于基于某一事物对群里特征进行分类，有效的体现事物的合适人群；同时针对群里特征的偏爱、习惯研究，可以刻画出用户的需求，实现精准化营销。

      用户画像的基础成分来源于用户的准入信息（会员注册时的登记信息），更多的特征数据来源于用户的各类行为，而RFM模型便是基于用户消费行为提炼出来的价值指标。通过对各个价值分层的群体特征研究，可以有效提升获客能力以及针对各类人群实现精准化营销。

      市场和运营往往绞尽脑汁做活动、上新品、蹭热点、做营销，拓渠道，不断开发客户、做回访维系客户感情，除了少数运气好的之外，但大多效果寥寥，这是为何？

      经验丰富的营销人员都知道“了解客户”和“客户细分”的重要性。营销人员不仅要着眼于创造更多的访问量和点击量以提高客户获取，还必须遵循从提高点击率（CTR）转变为提高保留，忠诚度并建立客户关系的新范式。与其将整个客户群作为一个整体进行分析，不如将其划分为同类群体，了解每个群体的特征，并使他们参与相关的活动，而不是仅根据客户年龄或地理位置进行客户细分。而RFM分析是市场营销人员分析客户行为的最流行、最简单、最有效的客户细分方法之一。

针对RFM分层用户制定相应的营销策略:

      • 重要价值客户是您的最佳客户，他们是那些最新购买，最常购买，并且花费最多的消费者。提供VIP服务和个性化服务，奖励这些客户，他们可以成为新产品的早期采用者，并有助于提升您的品牌。

      • 重要发展客户：近期客户，消费金额高，但平均频率不太高，忠诚度不高。提供会员或忠诚度计划或推荐相关产品以实现向上销售并帮助他们成为您的忠实拥护者和高价值客户。

      • 重要保持客户：经常购买、花费巨大，但最近没有购买的客户。向他们发送个性化的重新激活活动以重新连接，并提供续订和有用的产品以鼓励再次购买。

      • 重要挽回客户：曾经光顾，消费金额大，购买频率低，但最近没有光顾的顾客。设计召回策略，通过相关的促销活动或续订带回他们，并进行调查以找出问题所在，避免将其输给竞争对手。

      •一般价值客户：最近购买，消费频次高但消费金额低的客户，需要努力提高其客单价，提供产品优惠以吸引他们。

      • 一般发展客户：最近购买，但消费金额和频次都不高的客户。可提供免费试用以提高客户兴趣，提高其对品牌的满意度。

      • 一般保持客户：很久未购买，消费频次虽高但金额不高的客户。可以提供积分制，各种优惠和打折服务，改变宣传方向和策略与他们重新联系，而采用公平对待方式是最佳。

      • 一般挽留客户：RFM值都很低的客户。针对这类客户可以对其减少营销和服务预算或直接放弃。

      此外，目前的RFM分析中，一般给与M值更高的权重，如果一般挽留客户与一般发展客户占据多数，说明公司的用户结构不是很合理，需要尽快采取措施进行优化。

四、基于RFM分析的客户细分！让市场营销事半功倍！

市场和运营往往绞尽脑汁 做活动、上新品、蹭热点、做营销，拓渠道，不断开发客户 、 做回访维系客户感情 ，除了少数运气好的之外，大部分效果寥寥，这是为何？这年头做营销这么难吗？

聪明的营销人员知道“ 了解客户 ”和“ 客户细分 ”的重要性。营销人员不仅要着眼于创造更多的访问量和点击量（无论是邮件还是站点）以提高客户获取，还必须遵循从提高点击率（CTR）转变为提高保留，忠诚度并建立客户关系的新范式。与其将整个客户群作为一个整体进行分析，不如将其划分为同类群体，了解每个群体的特征，并使他们参与相关的活动，而不是仅根据客户年龄或地理位置进行客户细分。而 RFM分析是市场营销人员分析客户行为的最流行、最简单、最有效的客户细分方法之一。

R（Recency）最近一次消费时间 ：表示用户最近一次消费距离现在的时间（或截止到统计周期）。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。

F（Frequency）消费频率： 消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。

M（Monetary）消费金额： 消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。

简言之， RFM代表近度，频率和额度 ，每个值都与某些关键客户特征相对应。这些RFM指标是客户行为的重要指标，因为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。

如果是缺乏金钱交易方面的业务，例如收视率，读者人数等，可以使用" Engagement  "(参与度)代替Monetary。如官网的访问频次，微信的交互情况，邮件打开率等。这将导致使用RFE 而不是 RFM。此外，可以根据指标例如跳出率，访问时长，访问的页面数，每页所花费的时间等来将Engagement参数定义为一个综合值。

• 购买的时间越近，顾客对促销的反应越积极

• 顾客购买的频率越高，他们就越投入和越满意

• 消费金额区分了大笔支出的消费者和低价值的购买者

• 想要提高回购率和留存率，需要时刻警惕R值

RFM分析可帮助营销人员找到以下问题的答案：

• 谁是您最有价值的客户？

• 导致客户流失率增多的是哪些客户？

• 谁有潜力成为有价值的客户？

• 你的哪些客户可以保留?

• 您哪些客户最有可能对参与度活动做出响应？

• 谁是你不需要关注的无价值客户？

• 针对哪些客户制定哪种发展、保留、挽回策略？

通过RFM分析，可以帮助营销人员实现客户细分；衡量客户价值和客户利润创收能力；识别优质客户；指定个性化的沟通和营销服务；为更多的营销决策提供有力支持。

那RFM分析应如何开始呢？

由于R值、F值、M值存在量级之间的差距，无法直观的通过加减或平均来衡量用户价值，这里我们介绍一种评分方式，根据三组数据各个值的特性，采用5分制为各个数据赋予一个评分值。

让我们通过一个客户交易的样本数据集来演示一个简单的RFM分析是如何工作的：

为了对此示例进行RFM分析，让我们看看如何根据每个RFM属性分别对客户进行排名，然后对这些客户进行评分。假设我们使用RFM值从1到5对这些客户进行排序，R值的评分机制是R值越大，评分越小。

如上表所示，我们按“Recency”对客户进行了排序，最新的购买者排在首位。由于为客户分配的分数是1-5，因此前20％的客户（客户ID为12、11、1）的“Recency”分数为5，接下来的20％（客户ID为15、2、7）的分数为4 ， 以此类推。

同样，我们可以根据客户购买从高到低的“Frequency”对其进行排序，将前20％的“Frequency”得分分配为5，依此类推。对于“Monetary”因素，对前20％的客户（消费最多的）分配5分，最低的20％得分为1。这些F和M得分总结如下：

RFM得分

最后，我们可以将这些客户的R、F和M排名结合起来得到一个汇总的RFM得分。 下表中显示的该RFM得分是各个R，F和M得分的平均值，是通过对每个RFM属性赋予相等的权重来获得的。

这种简单的将客户从1-5排序的方法最多会产生125个不同的RFM单元(5x5x5)，范围从111（最低）到555（最高）。每个RFM单元的大小不同，依据客户的关键习惯，被捕获为RFM得分以得出客户细分，营销人员依据不同得分的客户制定相应的策略。

显然，针对不同行业的企业如果仅根据他们的购买或参与行为将每个客户的R，F和M得分平均以获得RFM细分市场并不公平。这类平均值只适合于均类数据，对于一些不规则数据，平均值会造成很大的误差， 因此，根据您的业务性质，您可以科学增加或减少每个RFM变量的相对重要性，以得出最终分数。例如：

1 .耐用消费品行业

每笔交易的Monetary通常较高，但Frequency和Recency较低。例如，你不能指望客户每月购买一台冰箱或空调。在这种情况下，市场营销人员应该更重视Monetary和Recency方面，而不是Frequency方面。

2 .时装/化妆品等零售业务

每月搜索和购买产品的客户将有更高的Recency和Frequency得分而不是Monetary得分。因此，可以通过给R和F得分赋予比M更大的权重来计算RFM得分。

3 .视频平台等内容apps

追剧狂人相比一般消费者拥有更长的观看时长。对于这些狂热者，“参与度”和Frequency可以比Recency给予更多的重视，而对于一般人群，可以对Recency和Frequency给予比Engagement更高的权重，以得出RFE得分。

此外，企业需要针对自己的行业特点灵活变通指标的采用。比如在金融行业，最近一次购买时间可能并不适用，此时可以考虑采用金融产品持有时间来代替R，这样更能体现用户与金融企业建立联系时间的长短。

还有一个问题是：如果每个RFM单元都被视为一个细分，那么营销人员将无法单独分析所有这125个客户细分市场。因此，通常采用的RFM模型是将这三个维度指标划分到三维正方体中。

在以上的RFM评分示例中，我们已经分别计算R、F、M评分；现在我们进一步分别获得R、F、M的平均值；然后将各个变量高于平均分的定义为“高”，低于平均分的定义为“低”；根据三个变量“高”“低”的组合来定义客户类型；如“高”“高”“高”为高价值客户。

通常，我们通过三维正方体来可视化RFM分析结果。这使用户可以更轻松地理解得分，以提供更易于管理和直观的细分。

如上面的RFM模型所示，因为有三个变量，所以要使用三维坐标系进行展示，X轴表示Recency，Y 轴表示Frequency，Z轴表示Monetary，坐标系的8个象限分别表示8类用户。

现在，让我们讨论如何解释RFM细分，以了解这些用户的行为，并提出一些有效的营销策略。

•  重要价值客户 是您的最佳客户，他们是那些最新购买，最常购买，并且花费最多的消费者。提供VIP服务和个性化服务，奖励这些客户，他们可以成为新产品的早期采用者，并有助于提升您的品牌。

•  重要发展客户 是您的近期客户，消费金额高，但平均频率不太高，忠诚度不高。提供会员或忠诚度计划或推荐相关产品以实现向上销售并帮助他们成为您的忠实拥护者和高价值客户。

•  重要保持客户 是指那些经常购买、花费巨大，但最近没有购买的客户。向他们发送个性化的重新激活活动以重新连接，并提供续订和有用的产品以鼓励再次购买。

•  重要挽回客户 是那些曾经光顾，消费金额大，购买频率低，但最近没有光顾的顾客。设计召回策略，通过相关的促销活动或续订带回他们，并进行调查以找出问题所在，避免将其输给竞争对手。

• 一般价值客户 是那些最近购买，消费频次高但消费金额低的客户，需要努力提高其客单价，提供产品优惠以吸引他们。

•  一般发展客户 是那些最近购买，但消费金额和频次都不高的客户。可提供免费试用以提高客户兴趣，提高其对品牌的满意度。

•  一般保持客户 是指很久未购买，消费频次虽高但金额不高的客户。可以提供积分制，各种优惠和打折服务，改变宣传方向和策略与他们重新联系，而采用公平对待方式是最佳。

•  一般挽留客户 是指RFM值都很低的客户。针对这类客户可以对其减少营销和服务预算或直接放弃。

此外：

• 目前的RFM分析中，一般给与M值更高的权重；

• 如果您的公司中一般挽留客户与一般发展客户占据多数，说明公司的用户结构不是很合理，需要尽快采取措施进行优化。

RFM是一种数据驱动的客户细分技术，可帮助营销人员做出更明智的战略性决策。使营销人员能够快速识别用户并将其细分为同类群体，并针对他们制定差异化和个性化的营销策略。这反过来又提高了用户的参与度和留存率。

通常，数据分析师会借助CRM系统或者BI工具来实现RFM分析。

如需了解更多，欢迎访问怡海软件官网 https://www.frensworkz.com/

以上就是关于rfm模型怎么分析相关问题的回答。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：

colouful怎么说（colourful用英语怎么说读音）

colourful怎么读英语（colourful怎么读英语怎么读）

会员rfm分析成功案例（会员价值rfm模型）

广西富豪排行榜50名（广西富豪排行榜50名名单）

杭州景观设计工程管理服务（杭州景观设计工程管理服务招聘）