快速找出高價(jià)值用戶，3分鐘學(xué)會(huì)RFM模型分析

在眾多的客戶關(guān)系管理分析模式中，應(yīng)用最廣泛的就是RFM模型，它可以通過一個(gè)客戶的近期購(gòu)買行為、購(gòu)買的頻率以及花了多少錢三項(xiàng)指標(biāo)來描述客戶的價(jià)值情況。

RFM模型用戶分群是介于千人千面的個(gè)性化運(yùn)營(yíng)和未加區(qū)分粗放式運(yùn)營(yíng)的一種折中方式。相比于千人千面的個(gè)性化運(yùn)營(yíng)，基于RFM用戶價(jià)值分群實(shí)現(xiàn)簡(jiǎn)單、開發(fā)周期短，更能從整體層面判斷用戶的價(jià)值。

一.什么是RFM模型？

R代表消費(fèi)時(shí)間間隔（Recency），指用戶最近一次發(fā)生購(gòu)買行為，距離今天的天數(shù)。F代表消費(fèi)頻率（Frequency），指用戶在一段時(shí)間內(nèi)，發(fā)生購(gòu)買行為的次數(shù)。M代表消費(fèi)金額（Monetary），指用戶在某一段時(shí)間內(nèi)，購(gòu)買商品金額的總和。RFM模型從三個(gè)維度評(píng)價(jià)用戶的總體價(jià)值類型，根據(jù)單個(gè)類別用戶的分值和總均值的關(guān)系，將用戶分為如下8類。

二.如何構(gòu)建RFM模型？

通過RFM就可以幫我們了解哪些是重要價(jià)值客戶？哪些是需要重點(diǎn)保持聯(lián)系的客戶？哪些是重要發(fā)展客戶？哪些是重要挽留客戶？他們都有什么特點(diǎn)？接下來介紹一下如何建立RFM模型。

第一種方法是基于規(guī)則的劃分，可計(jì)算全體用戶平均消費(fèi)頻率、平均消費(fèi)時(shí)間間隔、平均消費(fèi)金額，對(duì)每個(gè)用戶從R、F、M角度與全體用戶的平均水平做比較，從各維度劃分出用戶的價(jià)值。

另一種方法是基于聚類方法的劃分，此方法與基于規(guī)則劃分方式不同，是通過“物以類聚”的思想，將每個(gè)用戶的R、F、M三個(gè)維度特征數(shù)據(jù)進(jìn)行聚類。通?？梢圆捎胟-means聚類的方式劃分用戶分群。k-means是通過計(jì)算不同樣本的距離來判斷它們的相近關(guān)系，將相近的樣本放到同一個(gè)類別中。

具體原理如下：

對(duì)于給定的樣本集，按照樣本之間的距離大小，將樣本集劃分為K個(gè)簇。讓簇內(nèi)的點(diǎn)盡量緊密的連在一起，而讓簇間的距離盡量的大。

步驟1：

隨機(jī)取k個(gè)初始中心點(diǎn)

步驟2：

對(duì)于每個(gè)樣本點(diǎn)計(jì)算到這k個(gè)中心點(diǎn)的距離，將樣本點(diǎn)歸到與之距離最小的那個(gè)中心點(diǎn)的簇。這樣每個(gè)樣本都有自己的簇了

步驟3：

對(duì)于每個(gè)簇，根據(jù)里面的所有樣本點(diǎn)重新計(jì)算得到一個(gè)新的中心點(diǎn)，如果中心點(diǎn)發(fā)生變化回到步驟2，未發(fā)生變化轉(zhuǎn)到步驟4

步驟4：

得出聚類結(jié)果

如下表是用戶數(shù)據(jù)，該數(shù)據(jù)包括用戶ID、消費(fèi)頻次、消費(fèi)金額、用戶最近一次消費(fèi)距離今日期。

將數(shù)據(jù)上傳到永洪desktop，利用自帶的深度分析模塊中的聚類算法可實(shí)現(xiàn)k-means聚類如下圖：

通過上面的分析就可以獲得用戶的分類結(jié)果，如下：

從各人群特征可以看出，第一類人群消費(fèi)時(shí)間間隔較長(zhǎng)，消費(fèi)次數(shù)較少，且消費(fèi)金額低，是價(jià)值較低的用戶群體，做次要運(yùn)營(yíng)；第二類人群消費(fèi)時(shí)間間隔較短，消費(fèi)次數(shù)較多，同時(shí)消費(fèi)金額處于中等水平，是重點(diǎn)運(yùn)營(yíng)的用戶群；第三類人群消費(fèi)時(shí)間間隔最短，消費(fèi)次數(shù)最多且消費(fèi)金額最大，屬于高價(jià)值用戶群體，應(yīng)做重點(diǎn)維護(hù)。

綜合以上分析，RFM模型在產(chǎn)品精細(xì)化運(yùn)營(yíng)中發(fā)揮著重要的作用，運(yùn)用RFM模型可幫助篩選目標(biāo)客戶群，從而帶來更高的流量和訂單轉(zhuǎn)化。

fqj