基于rfm模型的顾客分析（rfm模型分类的8种客户类型）

大家好！今天让创意岭的小编来大家介绍下关于基于rfm模型的顾客分析的问题，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、不会RFM模型分析？这篇应用实例拿走不谢

• 2、如何分析RFM模型才能最有效，才能真正起到精细化运营的作用？

• 3、如何使用RFM分析最具价值的网游付费用户

• 4、rfm模型在客户细分中有什么作用

一、不会RFM模型分析？这篇应用实例拿走不谢

相信多数的数据分析人员与我一样，刚开始接触数据分析工具时，经常不知该从何下手，分析数据也是胡乱分析一通，往往分析不到想要的结果。同样的数据在专业数据分析师的手里是宝藏，怎么到了自己手中便成了一堆废铁，为什么呢？是我们分析的知识存储不够吗？虽然有部分原因是可能是因为不懂分析模型原理，但也许更多的原因是我们不懂该如何利用工具将各种模型法则运用到分析决策当中去。

打个比方，在客户管理方面，企业想分析哪些客户更重要，时常会通过帕累托模型做分析；想判断哪些客户最有价值，时常会运用到RFM分析模型等等一样。明明分析模型相关的知识都了解，却因为不会用工具实现分析，一切都只是徒劳。接下来我便简单为大家分享关于RFM模型在数林BI中的应用，不会用工具也无需担心，直接参考模板就对了！

一、 关于RFM模型解释

RFM模型由三个维度R(Recency-近度）、F(Frequency-频度）和M（Monetary-额度）组成。

近度R： 表示客户最近交易距离当前天数，本文可以简单理解为客户的最近交易日期与数据采集日期的距离，R越大表示客户许久未交易，反之，表示客户不久前刚交易过。

频度F： 可简单理解为客户在某段时间内交易的频次，F越大表示客户在某段时间内交易越频繁，越小，表示客户交易频次越少。

额度M ：表示客户在某段时间内的消费金额，本文可简单理解为客户在某段时间内的平均消费金额。M越大表示客户在某段时间内成交的金额越大，反之越小。

二、 利用 RFM模型 划分销售客户群体

通过RFM模型可将销售客户群体划分为不同级别类型客户，如下图所示：

三、 RFM模型的应用

如上图所示，这是用数林BI工具从金蝶进销存系统中直接取数，按照特定的要求做出的RFM模型的简单应用，将企业的销售客户划分出来。用户可通过此模型可直观了解到客户处于哪个层级上，比如哪些客户是重要价值客户，哪些仅仅只是一般价值客户等等，并针对划分的类型采取不同的运营措施，例如，重要价值客户是公司的优质客户需要重点保持；而对于公司贡献不大的一般挽留客户，可询问原因，但不必太重点关注，保持一般互动即可......通过不同的营销策略管理客户，可在一定程度上为企业减少不必要的资源浪费。

当然，企业可结合其他的图表对销售客户进行分析，如下图所示：

上图是数林BI中建立的一个关于销售客户可视化的BI分析模型，用户可以借此模板掌握公司不同类型客户的情况，从而判断销售客户的价值，并有针对的采取不同的运营举措。

同样，用户将RFM模型结合客户黏性分析，从销售额、单价、品类、笔数等角度分析哪些客户流失了，从而及时找寻可能的流失原因，这对企业的发展有重大意义。

二、如何分析RFM模型才能最有效，才能真正起到精细化运营的作用？

举一个互联网餐饮的例子~来证明如何分析RFM模型：

如何通过外卖订单数据，分析用户的基本属性；

用户的订单上都有订餐地址，通过对于订餐地址的统计，我们可以查询到不同条件组合下的用户分布，甚至能知道喜欢某道菜的用户都在哪里。类似的用户数据挖掘，还可以根据复购构成、复购用户跨平台使用情况、性别组成做更精细化的分析。值得注意的是，数据平台间的差异还是蛮大的，有利于针对不同平台做出不同的营销策略。

上面这些最基本的用户属性对于精细化运营还是不够的。 因为这些信息无法帮助你解决下面四个问题——

1.谁是我的重要价值客户，他们都有什么特点？

2.谁是我需要重点保持联系的客户，他们都有什么特点？

3.谁是我的重要发展客户，他们都有什么特点？

4.谁是我的重要挽留客户，他们都有什么特点？

2.如何通过RFM模型，为用户分群，实现精细化运营

　RFM模型是一个被广泛使用的客户关系分析模型，主要以用户行为来区分客户，RFM分别是：

R = Recency 最近一次消费

F = Frequency 消费频率

M = Monetary 消费金额

需要详细了解以上三个指标定义的，百度会将维度再细分出5份，这样就能够细分出5x5x5=125类用户，再根据每类用户精准营销……显然125类用户已超出普通人脑的计算范畴了，更别说针对125类用户量体定制营销策略。实际运用上，我们只需要把每个唯独做一次两分即可，这样在3个维度上我们依然得到了8组用户。

重要价值客户（111）：最近消费时间近、消费频次和消费金额都很高，必须是VIP啊！

重要保持客户（011）：最近消费时间较远，但消费频次和金额都很高，说明这是个一段时间没来的忠实客户，我们需要主动和他保持联系。

重要发展客户（101）：最近消费时间较近、消费金额高，但频次不高，忠诚度不高，很有潜力的用户，必须重点发展。

重要挽留客户（001）：最近消费时间较远、消费频次不高，但消费金额高的用户，可能是将要流失或者已经要流失的用户，应当基于挽留措施。

3.如何在BDP个人版上建立RFM模型，帮助用户分群

这时候可能会有朋友问了，天啦，你这个三维模型，我没办法用BDP来建表格了。所以我们需要做的是将三维模型二维化，我们将R域切一块出来（即在近30天有复购的用户中做分析），压扁了就会看到。

上方的表示或许还是太学术了，简单的说

第一步：先挑出来近1个月的复购用户。

第二步：近1个月内复购用户的平均实付金额做纵轴。

第三步：近1个月内复购用户的购买次做横轴，生成表格。

第四步，你需要自己在这个表格上划红线。

横着的红线，代表着你认为来吃饭的客人平均每餐该花多少钱，我这里设定的值是25元，叫外卖25都没付到，对我而言是低消费金额（低M）用户。

竖着的红线，代表着你认为复购多少次的客人，是你的高频用户。外卖点餐流动率很大，一个用户每个月能在一家店点三次以上的菜，对我而言即是高频。

这样，BDP个人版上的RFM模型就建立好了。这个RFM模型在实操时有什么用呢？举个例子

比如对圈用户群发短信转化只有不到1%时，你可以用RFM做个分析，只选取R值高的用户(最近2周到最近一个月内消费的用户），转化率可以由1%提升到10%。

这也意味着，以往6元/订单将下降到0.6元/订单。掌柜们是愿意花600元给10000个用户发短信，得到100个订单，还是愿意花48元给800人发短信得到80个订单，相信大家一定会选后者。

而整体的RFM区分，则能够帮掌柜们针对不同的用户发不同的短信，短信的开头是用“好久不见”、还是用“恭喜你成为VIP”，就得看时重要保持客户还是重要价值用户了。只有能区分用户，才能走向精细化运营。

三、如何使用RFM分析最具价值的网游付费用户

IBM SPSS Statistics 18 版本后，新增加了客户直销模块，该模块的操作界面简单明了，结果报告分析清晰易懂，可以广泛的应用于电信，零售，银行，保险，证券，传媒，市场研究等行业领域，是为市场营销人员精心设计的用以提高直销效率，改善直销活动效果的工具。

该模块最重要的就是RFM模型，有关该模型的内容参见http://wiki.mbalib.com/wiki/RFM模型

以下为某段时间用户购买的记录（模拟数据），点击菜单栏“直销”|“选择方法”。

之后便会弹出如下的直销菜单选项

在“直销”模块中，分为三部分：

了解我的联系人：用于对客户信息进行分析，将客户根据不同的特征进行分类。

改进我的市场营销活动，预测客户对营销活动的响应率。

对我的数据评分，利用“选择最有可能购买的联系人”和其他模块中的多种程序构建预测模型，根据预测模型对新的用户数据评分。

此处介绍使用直销模块的“了解我的联系人”

分析帮助标识我的最佳联系人（RFM分析）

通过本文了解如何使用客户直销分析模块中的RFM分析功能了解目标客户，从而帮助我们针对不同的客户指定smart营销策略提供更可靠的依据。

RFM分析目标客户

RFM是众多的客户关系管理（CRM）分析模式中，被广泛提到和应用的模型之一。该模型应用于衡量客户价值和客户创造的利润能力的分析。RFM模型通过一个客户的最近一次消费（Regency）、消费总体频率（Frequency）以及消费金额（Monetary）对客户进行RFM打分，根据客户的RFM得分来描述该客户的价值情况。

最近一次消费：最近上一次消费时间是评价客户价值的重要指标，理论上，最近购买产品或者服务的顾客，最有可能成为再次光临的消费者，最推出的新品也最有可能做出反应。

消费总体频率：消费总体频率是在限定时间内的购买次数。最长购买的顾客，也是满意度最高的顾客。

消费金额：消费金额是在限定时间期间购买金额的综合。根据“帕累托”法则–通常80%的利润来自20%的重要客户，消费金额越多的客户越是需要维系的关系客户。

也由此，根据三个指标，对客户进行评级。在此假设三个指标的界别分别为1到5,5为最高级别：

基于最近购买日期或自最近购买以来的时间间隔，消费日期越近或时间间隔越短，客户等级越低，为1.

针对客户消费频率，为客户分配一个频率等级，其中较高的值代表购买频率较高。例如，将最长购买的客户的购买频率等级评为5.

按消费金额对客户进行评级，其中消费金额值最高的客户将获得最高等级5.

将客户的三个指标等级合并就得到RFM得分。RFM得分最高的客户即为对新产品最有可能做出反应的客户。例如，某客户最近一次消费，消费总体频率和消费金额的等级分别是4、3、5，该客户的RFM得分是435.

应用背景及数据描述

事实上如果针对传统行业的新产品进行推销，我们不需要进行RFM模型的改进可以直接进行分析使用。然而当我们在电子商务领域或者游戏行业的最具价值玩家的提取和分析角度，我们需要对该模型进行改进实施。

在此处，我们参考一个案例“基于RFM的电信客户市场细分方法”（http://wiki.mbalib.com/wiki/RFM模型），如果我们从玩家的购买记录着手，我们发现，玩家会在极其短暂的时间内，购买多次道具，那么我们如果要是以用户的购买次数作为频度来衡量，就失去了RFM模型本身的价值，于是我们考虑以用户的充值次数作为频度计数分析。同时依据电子购买的周期特点进行调整。

具体操作分析：

在进入直销面板后，选择数据格式，弹出“RFM分析：数据格式”对话框：

RFM数据格式

RFM分析根据数据行表示的含义分为来自交易数据的RFM分析和来自客户数据的RFM分析。

来自交易数据的RFM分析

当数据行表示单笔单笔交易记录，选择交易数据的RFM分析。交易数据举例如下图，数据列中包含用户ID，产皮信息，购买时间和消费金额；数据行表示一个客户的一条购买记录，一个客户可以有多条购买记录。

来自客户数据的RFM分析

当数据行表示单个客户的交易记录，选择客户数据的RFM分析。客户数据举例如下，数据列中包含客户ID，该客户消费的总金额，最近购买日期，购买总次数和最近一次购买时间间隔。

本例使用交易类型的数据，选择“交易数据”，点击“继续”，进入“交易数据的RFM分析”对话框，如下图，如果是客户类型，选择“客户数据”。

在“变量”页面中，将变量“account”，“time”，“income”分别选入对应的“客户标识符”，“交易日期”，“交易金额”文本框中。

在“摘要方法”下拉框中有四种汇总每个客户交易金额的方法：总计（交易金额总额），均值，中位数或最大值（最高交易金额）。

本数据中，交易金额是单词充值的钱数，选择“总计”。

进入“离散化”页面，如图

在RFM分析中，需要将最近一次消费、消费总体频率、消费金额进行分级，在对数据的实际操作中就是将大量数值分类，称之为“离散化”。在“离散化”页面中可以设定将数值分类的方法。

在“离散化方法”框中可以定义数据是按照三个指标的优先级依次分类或三个指标独立分类。

在 RFM 分析结果输出中，类别对应着相应的块。在“块数”框中可以指定三个指标的块数。每个指标可选择 1 到 9 级进行分块，默认分为 5 块。

“结”是指具有相同指标值的客户。在“结”框中可以指定对具有相同指标值的客户如何分配到对应的块中。

选择“保存”页面，如图所示。

在“保存”页面中，可以指定想要保存的变量，包括三个指标的原始变量，对原始变量分级后的变量（以“_ 得分”为后缀名命名的变量）以及 RFM 得分。还可以指定新生数据的保存位置。

选择“输出”页面，如图所示。

已离散化数据中设置的输出图表是对图中“已保存变量的名称”中的“崭新 _ 得分”、“频率 _ 得分”和“消费金额 _ 得分”进行描述。

未离散化数据中设置的输出图是对图中“已保存变量的名称”中的“最 _ 近 _ 日期”、“交易 _ 计数”和“金额”进行描述。

可以根据需要选择输出的图表。在此选择所有输出图表。

全部设置完后，点击“确定”按钮，就可以得到客户的 RFM 得分，并可以在 IBM SPSS Statistics 的输出查看器中通过图表查看根据三个指标分块后的客户分布情况。

分析结果展现（分析报告在下一篇文章中阐述）

新生成数据，各项得分

RFM散点图

RFM直方图

RFM热图

RFM计数表

RFM计块图

以上就是通过RFM进行最具价值客户分析的全过程，有关于结果的解读将在下一篇文章说明。

展望：

RFM模型在网游方面的应用目前还比较浅，由于作为互联网行业的性质与传统的行业有所不同，我们需要在更加的短暂的时间内，专注于用户的属性和需求。其实，在网游应用上，我觉得更多的是通过RFM刺激哪些已经付费但付费频度不高的用户，其实他们是最容易转化成我们的稳定付费用户，换句话说，在游戏内一系列的赠送活动之外，针对这些群体应该给予特殊的不同的福利和关照，让他们感到温暖，即使你支付了一毛钱。因为你既然一条腿踏上了贼船，就不会下来了。因为你投入了你的精力，时间，金钱。

明日把上面各图的含义和分析向诸位阐述一下，希望对大家有帮助。

四、rfm模型在客户细分中有什么作用

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。

以上就是关于基于rfm模型的顾客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：

灰狼算法优化lstm程序（基于灰狼优化算法的改进研究及其应用）

基于chatGPT写一个接口（编写一个接口）

基于javaweb的图书管理系统（基于javaweb的图书管理系统论文）

快手直播1w是多少人民币（快手直播间1w是多少钱）

杭州的4a广告公司（杭州的4a广告公司在哪里）