数据分析-RFM模型用户分析

RFM模型

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：

最近一次消费 (Recency)

消费频率 (Frequency)

消费金额 (Monetary)

  上面的三个标签通过字面意思比较好理解,顾名思义RFM模型中的,R=Recency,F=Frequency,M=Monetary

 

RFM模型客户细分

1.数据筛选分组

为了得到客户最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)这三个指标的数值进行筛选分组（以下为一个示例）。

消费(Recency)——最近一次会员来店铺购买的时间

A、一周以前   B、2周以前    C、3周以前    D、一个月前

消费频率(Frequency)——一年内在店铺购买的次数

A、1次        B、1-3次       C、3-5次     D、5次以上

对于消费金额(Monetary)——单次消费金额

A、50元以下    B、50-150元   C、150-300元   D、300元以上

2.数据处理

 处理步骤如下：

①将所有客户按照Recency的值，由小到大排列，以50%为一群，依次给予2,1分。

②再将所有客戶按照Frequency的值，由大到小排列；以50%为一群，依序给予2,1分。

③最后将所有客戶按照Monetary的值，由大到小排列；以50%为一群，依序给予2,1分。

整合得到8种组合：

                2-2-2：高价值客户；

                2-1-2：重点发展客户

                1-2-2：重点保持客户；

                1-1-2：重点挽留客户；

                1-1-1：无价值客户；

                其余三种组合均属于一般客户。

 

现在我们来简单归纳一下,RFM模型中,我们重点研究的就是以上8种用户(用排列组合2*2*2=8种,很好理解)里面的有明显偏向的5种用户.

前面的4种用户,入选研究对象,总概括的就是愿意掏钱的客户.

这下就很好记了,RFM里面的M已经确定了,要选掏钱的,R,F各有两种选择,也就是总共4种类型

然后再按R来分,打分高的先排 

 2 2 2    这种客户"最近购买(r),而且经常购买(F),每次花钱的金额还挺大(M)    毫无疑问这个客户是高价值的

 2 1 2    此客户最近购买,买的次数不多,但每次花费的金额比较大;那么遇到这种客户,证明他对特定品牌产品感兴趣,要做的是怎么让他经常来买.  所以这种客户不难理解是应该重点发展的

 1 2 2    此客户可能不是一直关注产品,但是买的次数比较频繁,每次花费的金额也挺大.

              理解:证明这个客户是对产品的需求量比较大,也舍得掏钱,对品牌不是很关注的,也许今天到A品牌商家购买的,明天就到B品牌商家购买去了.因此我们要做的是,要让客户保留对我们品牌产品的兴趣.

 1 1 2    此客户比较明显就是那种比较懒惰型的客户,要用到的时候再买,而且一次性买比较多,平时就很少关注和购买了.对于这种客户,你不知道他下一次购买的还是不是本公司品牌的产品,可能需要在他购买一段时间后提醒他我们产品有优惠活动,来提起他的购买欲望.因此属于需要挽留型的客户

1 1 1 就不多说了,是临时过客

其他的客户没有明显的特征,主要是不怎么掏钱,是薅羊毛型的,你再怎么打主意都从他身上挣不到多少钱的,就归为一般客户.

 

理解完后,就根据打分,把所有客户分类好,然后提取出来我们重点研究的这几种客户来做相应的措施;

2 2 2高价值客户,基本上不用太担心,他会自己来购买

2 1 2 重点发展型的客户   想办法加大他的购买频率

1 2 2重点保持型客户   让他保持对我们品牌产品的兴趣

1 1 2重点挽留客户    发一些我们品牌的信息给他,等他想起来要购买类似产品的时候,第一时间想到的是我们品牌

1 1 1 无价值的客户   不用花精力去跟进这种类型的客户,投入和产出比不值得.