HOME 首頁
SERVICE 服務產(chǎn)品
XINMEITI 新媒體代運營
CASE 服務案例
NEWS 熱點資訊
ABOUT 關(guān)于我們
CONTACT 聯(lián)系我們
創(chuàng)意嶺
讓品牌有溫度、有情感
專注品牌策劃15年

    rfm模型的三個指標是什么

    發(fā)布時間:2023-04-14 00:42:56     稿源: 創(chuàng)意嶺    閱讀: 125        

    大家好!今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于rfm模型的三個指標是什么的問題,以下是小編對此問題的歸納整理,讓我們一起來看看吧。

    開始之前先推薦一個非常厲害的Ai人工智能工具,一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

    只需要輸入關(guān)鍵詞,就能返回你想要的內(nèi)容,越精準,寫出的就越詳細,有微信小程序端、在線網(wǎng)頁版、PC客戶端

    官網(wǎng):https://ai.de1919.com。

    創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè),服務客戶遍布全球各地,如需了解SEO相關(guān)業(yè)務請撥打電話175-8598-2043,或添加微信:1454722008

    本文目錄:

    rfm模型的三個指標是什么

    一、RFM模型分析與客戶細分

    RFM模型分析與客戶細分

    根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes的研究,客戶數(shù)據(jù)庫中有三個神奇的要素,這三個要素構(gòu)成了數(shù)據(jù)分析最好的指標:最近一次消費(Recency)、消費頻率(Frequency)、消費金額(Monetary)。

    RFM模型:R(Recency)表示客戶最近一次購買的時間有多遠,F(xiàn)(Frequency)表示客戶在最近一段時間內(nèi)購買的次數(shù),M (Monetary)表示客戶在最近一段時間內(nèi)購買的金額。一般原始數(shù)據(jù)為3個字段:客戶ID、購買時間(日期格式)、購買金額,用數(shù)據(jù)挖掘軟件處理,加權(quán)(考慮權(quán)重)得到RFM得分,進而可以進行客戶細分,客戶等級分類,Customer Level Value得分排序等,實現(xiàn)數(shù)據(jù)庫營銷!

    這里再次借用@數(shù)據(jù)挖掘與數(shù)據(jù)分析的RFM客戶RFM分類圖。

    本次分析用的的軟件工具:IBM SPSS Statistics 19,IBM SPSS Modeler14.1,Tableau7.0,EXCEL和PPT

    因為RFM分析僅是項目的一個小部分分析,但也面臨海量數(shù)據(jù)的處理能力,這一點對計算機的內(nèi)存和硬盤容量都有要求。

    先說說對海量數(shù)據(jù)挖掘和數(shù)據(jù)處理的一點體會:(僅指個人電腦操作平臺而言)

    一般我們拿到的數(shù)據(jù)都是壓縮格式的文本文件,需要解壓縮,都在G字節(jié)以上存儲單位,一般最好在外置電源移動硬盤存儲;如果客戶不告知,你大概是不知道有多少記錄和字段的;

    Modeler挖掘軟件默認安裝一般都需要與C盤進行數(shù)據(jù)交換,至少需要100G空間預留,否則讀取數(shù)據(jù)過程中將造成空間不足

    海量數(shù)據(jù)處理要有耐心,等待30分鐘以上運行出結(jié)果是常有的現(xiàn)象,特別是在進行抽樣、合并數(shù)據(jù)、數(shù)據(jù)重構(gòu)、神經(jīng)網(wǎng)絡建模過程中,要有韌性,否則差一分鐘中斷就悲劇了,呵呵;

    數(shù)據(jù)挖掘的準備階段和數(shù)據(jù)預處理時間占整個項目的70%,我這里說如果是超大數(shù)據(jù)集可能時間要占到90%以上。一方面是處理費時,一方面可能就只能這臺電腦處理,不能幾臺電腦同時操作;

    多帶來不同,這是我一直強調(diào)的體驗。所以海量數(shù)據(jù)需要用到抽樣技術(shù),用來查看數(shù)據(jù)和預操作,記?。河袝r候即使樣本數(shù)據(jù)正常,也可能全部數(shù)據(jù)有問題。建議數(shù)據(jù)分隔符采用“|”存儲;

    如何強調(diào)一個數(shù)據(jù)挖掘項目和挖掘工程師對行業(yè)的理解和業(yè)務的洞察都不為過,好的數(shù)據(jù)挖掘一定是市場導向的,當然也需要IT人員與市場人員有好的溝通機制;

    數(shù)據(jù)挖掘會面臨數(shù)據(jù)字典和語義層含義理解,在MetaData元數(shù)據(jù)管理和理解上下功夫會事半功倍,否則等數(shù)據(jù)重構(gòu)完成發(fā)現(xiàn)問題又要推倒重來,悲劇;

    每次海量大數(shù)據(jù)挖掘工作時都是我上微博最多的時侯,它真的沒我算的快,只好上微博等它,哈哈!

    傳統(tǒng)RFM分析轉(zhuǎn)換為電信業(yè)務RFM分析主要思考:

    這里的RFM模型和進而細分客戶僅是數(shù)據(jù)挖掘項目的一個小部分,假定我們拿到一個月的客戶充值行為數(shù)據(jù)集(實際上有六個月的數(shù)據(jù)),我們們先用IBM Modeler軟件構(gòu)建一個分析流:

    數(shù)據(jù)結(jié)構(gòu)完全滿足RFM分析要求,一個月的數(shù)據(jù)就有3千萬條交易記錄!

    我們先用挖掘工具的RFM模型的RFM匯總節(jié)點和RFM分析節(jié)點產(chǎn)生R(Recency)、F(Frequency)、M (Monetary);

    接著我們采用RFM分析節(jié)點就完成了RFM模型基礎數(shù)據(jù)重構(gòu)和整理;

    現(xiàn)在我們得到了RFM模型的Recency_Score、Frequency_Score、Monetary_Score和RFM_Score;這里對RFM得分進行了五等分切割,采用100、10、1加權(quán)得到RFM得分表明了125個RFM魔方塊。

    傳統(tǒng)的RFM模型到此也就完成了,但125個細分市場太多啦無法針對性營銷也需要識別客戶特征和行為,有必要進一步細分客戶群;

    另外:RFM模型其實僅僅是一種數(shù)據(jù)處理方法,采用數(shù)據(jù)重構(gòu)技術(shù)同樣可以完成,只是這里固化了RFM模塊更簡單直接,但我們可以采用RFM構(gòu)建數(shù)據(jù)的方式不為RFM也可用該模塊進行數(shù)據(jù)重構(gòu)。

    我們可以將得到的數(shù)據(jù)導入到Tableau軟件進行描述性分析:(數(shù)據(jù)挖掘軟件在描述性和制表輸出方面非常弱智,哈哈)

    我們也可以進行不同塊的對比分析:均值分析、塊類別分析等等

    這時候我們就可以看出Tableau可視化工具的方便性

    接下來,我們繼續(xù)采用挖掘工具對R、F、M三個字段進行聚類分析,聚類分析主要采用:Kohonen、K-means和Two-step算法:

    這時候我們要考慮是直接用R(Recency)、F(Frequency)、M (Monetary)三個變量還是要進行變換,因為R、F、M三個字段的測量尺度不同最好對三個變量進行標準化,例如:Z得分(實際情況可以選擇線性插值法,比較法,對標法等標準化)!另外一個考慮:就是R、F、M三個指標的權(quán)重該如何考慮,在現(xiàn)實營銷中這三個指標重要性顯然不同!

    有資料研究表明:對RFM各變量的指標權(quán)重問題,Hughes,Arthur認為RFM在衡量一個問題上的權(quán)重是一致的,因而并沒有給予不同的劃分。而Stone,Bob通過對信用卡的實證分析,認為各個指標的權(quán)重并不相同,應該給予頻度最高,近度次之,值度最低的權(quán)重;

    這里我們采用加權(quán)方法:WR=2 WF=3 WM=5的簡單加權(quán)法(實際情況需要專家或營銷人員測定);具體選擇哪種聚類方法和聚類數(shù)需要反復測試和評估,同時也要比較三種方法哪種方式更理想!

    下圖是采用快速聚類的結(jié)果:

    以及kohonen神經(jīng)算法的聚類結(jié)果:

    接下來我們要識別聚類結(jié)果的意義和類分析:這里我們可以采用C5.0規(guī)則來識別不同聚類的特征:

    其中Two-step兩階段聚類特征圖:

    采用評估分析節(jié)點對C5.0規(guī)則的模型識別能力進行判斷:

    結(jié)果還不錯,我們可以分別選擇三種聚類方法,或者選擇一種更易解釋的聚類結(jié)果,這里選擇Kohonen的聚類結(jié)果將聚類字段寫入數(shù)據(jù)集后,為方便我們將數(shù)據(jù)導入SPSS軟件進行均值分析和輸出到Excel軟件!

    輸出結(jié)果后將數(shù)據(jù)導入Excel,將R、F、M三個字段分類與該字段的均值進行比較,利用Excel軟件的條件格式給出與均值比較的趨勢!結(jié)合RFM模型魔方塊的分類識別客戶類型:通過RFM分析將客戶群體劃分成重要保持客戶、重要發(fā)展客戶、重要挽留客戶、一般重要客戶、一般客戶、無價值客戶等六個級別;(有可能某個級別不存在);

    另外一個考慮是針對R、F、M三個指標的標準化得分按聚類結(jié)果進行加權(quán)計算,然后進行綜合得分排名,識別各個類別的客戶價值水平;

    至此如果我們通過對RFM模型分析和進行的客戶細分滿意的話,可能分析就此結(jié)束!如果我們還有客戶背景資料信息庫,可以將聚類結(jié)果和RFM得分作為自變量進行其他數(shù)據(jù)挖掘建模工作!

    二、數(shù)據(jù)分析方法3—RFM分析模型

            對于一個新上線產(chǎn)品的前期運營,我們一般的做法都是做活動、上新品、蹭熱點、做營銷、不斷地去拓展新的客戶。但是這種做法收效卻不容樂觀,真正獲取的用戶沒有幾個,最終都便宜了羊毛黨。其實客戶在不同階段的需求是不一樣的,有的客戶圖便宜,有的客戶看新品,有的客戶重服務。所以我們想要運營好一個產(chǎn)品,就需要對客戶精細化運營。

         精細化運營最經(jīng)典的用戶分群工具就是RFM模型,RFM模型是衡量用戶價值和用戶創(chuàng)新能力的經(jīng)典工具,主要是由用戶最近一次購買時間、消費頻次、消費金額組成。

            RFM模型是衡量客戶價值和客戶潛在價值的重要工具和手段,RFM是Rencency(最近一次消費),F(xiàn)requency(消費頻率),Monetary(消費金額)組合而成,此模型對于運營、銷售、財務、市場來說都比較重要。

    R值(Recency): 最近一次消費

            表示用戶最近一次消費距離現(xiàn)在的時間,消費時間越近的客戶價值越大,1年前消費過的用戶肯定沒有1月前消費過的用戶價值大,是衡量用戶價值的一個指標。

            基于R值的大小,可以看出上表中的客戶2是最有價值的,客戶3是最沒有價值的,但是如果就此說明客戶2是最有價值,而客戶3是沒有價值的是不成立的,對于客戶價值我們不能僅看R值,還需要考慮F值和M值。這里我們只舉出4個客戶為例,但在真實的客戶場景中,我們可以把客戶按照周、月、季、年等維度的占比詳細來觀察出R的趨勢變化。

    F值(Frequency): 消費頻率

            消費頻率是指用戶在統(tǒng)計周期內(nèi)購買商品的次數(shù),經(jīng)常購買的用戶也就是熟客,其價值比偶爾來一次的客戶價值大

            基于F值的大小,可以看出客戶4的價值最大,客戶1的價值最小,但是如果考慮R值和M值就不能這樣認為。其實客戶對于產(chǎn)品的復購的核心因素是類目。有的類目產(chǎn)品復購率高(食品類)主要是食品屬于易耗品,消耗周期短,購買的頻率高,相對容易產(chǎn)生重復性購買。而有的類目產(chǎn)品復購率低(家電類),消耗周期長,購買頻次低。建議在對F值進行統(tǒng)計時對于不同的類目要有相應的統(tǒng)計周期。

    M值(Monetary): 消費金額

    消費金額是指用戶在統(tǒng)計周期內(nèi)消費的總金額,體現(xiàn)了消費者對于企業(yè)的價值。

            基于M值的大小,可以看出客戶4的價值最高,客戶1的價值最低,M值同上面的R值、F值類似,單一的值并不能說明客戶的好壞,三者結(jié)合才能更好地精細化用戶,對購買產(chǎn)品的用戶合理的分隔,采用不同的機制去運營。

    RFM模型的主觀細分

            根據(jù)RFM模型值得大小對客戶進行細分,如下表所示,將客戶分為了8部分去運營,對于不同的細分人群采取不同的運營策略,在實際的應用場景中,店鋪可以根據(jù)自己店鋪的實際情況來細分人群,購買人群多的就分多個人群,購買人群少的就少分幾個人群,具體的情況根據(jù)店鋪來定。

    RFM模型的量化細分

            上面的模型細分主要是根據(jù)RFM值的大小進行模糊的細分,而如果想要更細地對人群進行劃分,就需要對RFM進行量化處理,一般采用的方式有

    1、根據(jù)經(jīng)驗定義權(quán)重

    RFM值=a*R值+b*F值+c*M值

    對于其中的權(quán)重a,b,c則需要經(jīng)驗豐富的業(yè)務人員來判斷

    2、歸一化處理

    將RFM的值進行歸一化處理,公式為

    RFM值=R1值+F1值+M1值

    上面的R1,F1,M1都是歸一化處理過后的值

    3、AHP層次分析得出權(quán)重值

    RFM值=a1*R值+a2*F值+a3*M值

    a1,a2,a3的值是AHP層次分析得出的權(quán)向量值

    具體參考鏈接

    最終按照得出值的大小進行人群細分,得出不同的人群

    三、會員系統(tǒng)RFM數(shù)據(jù)分析模型的什么是RFM數(shù)據(jù)分析模型

    RFM 模型是會員管理領(lǐng)域里的一種會員消費行為分析模型, 其中R近度(Recency) 代表最近購買時間,指上次購買至現(xiàn)在的時間間隔; F 頻度(Frequency)代表購買頻率,指的是某一期間內(nèi)購買的次數(shù);M額度(Monetary) 代表總購買金額,指的是某一期間內(nèi)購買商品的金額。

    RFM模型在反映會員購買偏好方面具有良好的表征性。

    經(jīng)過研究發(fā)現(xiàn) R值越小,會員越有可能與企業(yè)達成新的交易。 F值越大,會員越有可能與企業(yè)達成新的交易。 M值越大,會員越有可能與企業(yè)達成新的交易。 RFM 模型在反映會員價值方面同樣具有良好的表征性,它是衡量會員價值和會員創(chuàng)利能力的重要工具和手段。一卡易將該模型成功應用于會員系統(tǒng)中,通過一個會員的近期購買行為、購買的總頻率以及購買的總金額等3項指標來描述該會員的價值狀況。如果與該會員打交道的時間足夠長,也能夠較為精確地判斷該會員的長期價值( 甚至是終身價值),通過改善3項指標的狀況,從而為更多的營銷決策提供支持。 連鎖會員系統(tǒng)的‘統(tǒng)計分析’模塊運用RFM模型做出‘會員RFM’,幫助使用者來了解會員的消費行為和消費的意向。

    rfm模型的三個指標是什么

    四、rfm是什么意思

    rfm的意思是RFM模型。

    RFM模型是衡量客戶價值和客戶創(chuàng)造利益能力的重要工具和手段。在眾多的客戶關(guān)系管理(CRM)的分析模式中,RFM模型是被廣泛提到的。該機械模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢3項指標來描述該客戶的價值狀況。

    最近一次消費意指上一次購買的時候——顧客上一次是幾時來店里、上一次根據(jù)哪本郵購目錄購買東西、什么時候買的車,或在你的超市買早餐最近的一次是什么時候。

    rfm模型的三個指標是什么

    消費金額:

    消費金額是所有數(shù)據(jù)庫報告的支柱,也可以驗證“帕雷托法則”Pareto’s Law——公司80%的收入來自20%的顧客。它顯示出排名前10%的顧客所花費的金額比下一個等級者多出至少2倍,占公司所有營業(yè)額的40%以上。

    rfm模型的三個指標是什么

    如看累計百分比的那一欄,我們會發(fā)現(xiàn)有40%的顧客貢獻公司總營業(yè)額的80%;而有60%的客戶占營業(yè)額的90%以上。最右的一欄顯示每一等分顧客的平均消費,表現(xiàn)最好的 10%的顧客平均花費1195美元,而最差的10%僅有18美元 。

    理論上M值和F值是一樣的,都帶有時間范圍,指的是一段時間(通常是1年)內(nèi)的消費金額,在工作中我認為對于一般店鋪的類目而言,產(chǎn)品的價格帶都是比較單一的。

    比如:同一品牌美妝類,價格浮動范圍基本在某個特定消費群的可接受范圍內(nèi),加上單一品類購買頻次不高,所以對于一般店鋪而言,M值對客戶細分的作用相對較弱。

    以上就是關(guān)于rfm模型的三個指標是什么相關(guān)問題的回答。希望能幫到你,如有更多相關(guān)問題,您也可以聯(lián)系我們的客服進行咨詢,客服也會為您講解更多精彩的知識和內(nèi)容。


    推薦閱讀:

    xrd是什么意思(xrf是什么意思)

    RFM價值模型(RFM價值模型的描述正確的是)

    paper免費查重入口官網(wǎng)(paperfree免費查重入口官網(wǎng))

    拍一拍高端語錄(拍一拍的設置幽默句子)

    景觀設計領(lǐng)軍名單公示(景觀設計領(lǐng)軍名單公示最新)