RFM客户价值模型
,如该客户类别是倾向于忠
(7) 对每类客户标准化后的各个指标取平均 值总得分 ,分析各类 顾客终身价值 的差别。
Email ,并主动关心消费者是否
有使用方面的问题, 一个月后发出使用是否满意的询问, 而三个月后则提供 交叉销售 的建议, 并
.
精品文档
开始注意客户的流失可能性, 会大幅提高。
不断地创造主动接触客户的机会。
这样一来, 客户再购买的机会也
企业在推行 CRM 时,就要根据 RFM 模型的原理,了解客户差异,并以此为主轴进行企业 流程重建,才能创新业绩与利润。否则,将无法在新世纪的市场立足。
RFM 客户价值 模型
精品文档
目录
[隐藏 ]
? o
1 RFM 模型的内容 1.1 最近一次消费
o
1.2 消费频率
o
1.3 消费金额
?
2 RFM 模型的应用意义
?
3 RFM 模型案例分析
o
3.1 案例一 :基于 RFM 的电信客户市场细分方法
[1]
?
4 参考文献
[编辑 ]
RFM 模型的内容
根据美国数据库营销研究所 Arthur Hughes 的研究, 客户数据库 中有三个神奇的要素, 这三 个要素构成了数据分析最好的 指标 :
认为针对不同的行业甚至不同的公司 ,频度、近度、值度的权重均存在一定差异
, 因此需要采
用科学的方法进行分析 .对此 ,以 层次分析法 为支撑 ,结合专家咨询方式来解决指标权重的确定问
题。
研究邀请了被研究的某电信企业的两位地区经理、
两位市场营销人员和一位长期客户应用文
献[5] 的标度含义对 RFM 各指标权重进行比较分析。在分别得到五位评价者的两两比较矩阵后
(3) 确定聚类的类别数量 m。
(4) 应用 K- 均值聚类法对加权后的指标进行聚类 ,得到 m 类客户。
(5) 将每类客户的 RFM 平均值和总 RFM 平均值作比较 ,每次对比有两个结果 :大于 (等于 )平均 值和小于平均值 ,通过对比得到每类客户 RFM 的变动情况。
(6) 根据每个客户类别的 RFM 的变动情况分析该客户类别的性质 诚的还是倾向于背离的 ,然后在此基础上定义客户类型。
最近一次消费的功能不仅在于提供的 促销 信息而已, 营销人员的最近一次消费报告可以监督
事业的健全度。 优秀的营销人员会定期查看最近一次消费分析,
以掌握趋势。 月报告如果显示上
一次购买很近的客户, (最近一次消费为 1 个月 )人数如增加, 则表示该 公司 是个稳健成长的 公司 ;
反之,如上一次消费为一个月的客户越来越少,则是该公司迈向不健全之路的征兆。
针对电信行业提出一种基于改进 RFM 模型的客户分类方法。应用 层次分析法 来确定 RFM 模型中每个变量的权重 ,在此基础上 ,应用 K 均值聚类法来对客户进行分类 ,之后分析每一类客户 的行为特征和价值 ,并且对不同的顾客类别采取不同的策略。
一、电信行业 RFM 模型。
客户分类方法主要有基于顾客 利润率 的分类和基于指标组合的客户分类方法
顾客价值 高低的最主要因素。
三、客户分类
1. 基于 K- 均值聚类法的客户分类过程应用 K- 均值聚类法 [6],,以加权 RFM 为指标 ,将具有相近 的顾客终身价值 的客户进行分类 ,基本思路如下 :
(1) 应用 AHP 法确定 RFM 各个指标的权重 ,并将各个指标加权。
(2) 将 RFM 各指标标准化。
下表所示 :
传统的 RFM 模型与电信业 RFM 模型的各指标含义 )
M( 值度 )
传统的 RFM 模型 客户最近一次 客户一定时期 客户一定时期
.
购买距离分析 内购买该企业 内购买该企业
点的时间
产品的次数 产品的总金额
客户最后一次 客户一定时期 客户一定时期
电信业 RFM 模型 交费距离分析 内交费的次数 内的交费总额
客户流失 的可能性,列出客户,再从
R、F 的 M (消费金额)
的角度来分析, 就可以把重点放在贡献度高且流失机会也高的客户上, 效的方式挽回更多的商机。
重点 拜访 或联系, 以最有
RFM 也不可以用过头,而造成高交易的客户不断收到信函。每一个企业应该设计一个客户
接触频率规则,如购买三天或一周内应该发出一个感谢的电话或
,采
取取平均的方法得到下表的评价矩阵。
评价矩阵
R FM
.
精品文档
R 1 0.71 0.46 F 1.41 1 0.85
M 2.18 1.18 1
上表所示的两两比较矩阵的一致性比例
C。
R < 0.1 ,表明该判断矩阵的一致性可以接受。由上表得出
RFM 各指标相对权重为
[WF ,WR,WM]=[0.221,0.341,0.439] 。其中 M 的权重最大 ,即专家们认为客户交费金额的高低是影响
顾客 ,对提供即时的 商品 或是服务也最
有可能会有反应。 营销人员若想业绩有所成长, 只能靠偷取 竞争对手 的市场占有率, 而如果要密
切地注意 消费者 的 购买行为 ,那么最近的一次消费就是营销人员第一个要利用的工具。
历史显示,
如果我们能让消费者购买,他们就会持续购买。这也就是为什么,
0 至 6 个月的顾客收到营销人
点的时间
精品文档
以客户交费的近度、频度和值度来替代客户消费的近度、频度和值度
, 基于以下几点考虑 :
(1) 客户交费的时间间隔较大 问题。
,以交费近度替代消费近度
,避免了客户消费的近度难于区分的
(2) 客户交费次数相对较少 ,可以减少统计客户消费次数的工作量。
(3) 客户交费额等于客户消费额 .因此 ,从交费角度构建电信业的 RFM 模型是可取的。
“忠诚度的阶
梯”(loyalty ladder) ,其诀窍在于让消费者一直顺着阶梯往上爬,
把销售想像成是要将两次购买的
顾客往上推成三次购买的顾客,把一次购买者变成两次的。
[编辑 ]
消费金额
消费金额是所有数据库报告的支柱,也可以验证
“帕雷托法则 ”(Pareto ’s Law) ——公司 80 %
的收入来自 20 %的顾客。它显示出排名前 10 %的顾客所花费的金额比下一个等级者多出至少
最近一次消费、 消费频率、 消费金额是测算消费者价值最重要也是最容易的方法, 表现了这三个指标对营销活动的指导意义。而其中,最近一次消费是最有力的预测指标。
这充分的
[编辑 ]
RFM 模型的应用意义
在众多的 客户关系管理 (CRM) 的分析模式中, RFM 模型是被广泛提到的。 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。
RFM 非常适用于生产多种商品的 企业 ,而且这些商品单价相对不高,如 消费品 、化妆品、
小家电 、录像带店、超市等;它也适合在一个企业内只有少数耐久商品,
但是该商品中有一部分
属于消耗品,如复印机、 打印机 、汽车维修等消耗品; RFM 对于加油站、旅行保险、 运输 、快
递、快餐店、 KTV 、行动电话 信用卡 、 证券公司 等也很适合。
员的沟通信息多于 31 至 36 个月的 顾客 。
.
精品文档
最近一次消费的过程是持续变动的。 在顾客距上一次购买时间满一个月之后, 在数据库里就 成为最近一次消费为两个月的 客户 。反之,同一天,最近一次消费为 3 个月前的客户作了其下 一次的购买, 他就成为最近一次消费为一天前的顾客, 也就有可能在很短的期间内就收到新的折 价信息。
? 最近一次消费 (Recency) ? 消费频率 (Frequency) ? 消费金额 (Monetary)
[编辑 ]
最近一次消费
最近一次消费意指上一次购买的时候 —— 顾客上一次是几时来店里、 上一次根据哪本邮购目 录购买东西、什么时候买的车,或在你的超市买早餐最近的一次是什么时候。
理论上, 上一次消费时间越近的顾客应该是比较好的
,则对于每天都在使用电信业务的客户 ,其近度为零 ,
不同的客户区分度很小;如果客户在一定时期内使用电信业务的次数数量非常大
, 则客户的频度
也将是一个很大的数量 .因此按照传统的 RFM 模型对电信企业客户进行分析是没有意义的。 从客
户交费角度来考虑电信业客户的 RFM 模型 ,改进后的 RFM 指标与传统的 RFM 指标含义比较如
2
倍,占公司所有 营业额 的 40 %以上。如看累计百分比的那一栏,我们会发现有
40 %的顾客贡献
公司总营业额的 80 %;而有 60 %的客户占营业额的 90 %以上。最右的一栏显示每一等分顾客
的平均消费,表现最好的 10 %的顾客平均花费 1195 美元 ,而最差的 10 %仅有 18 美元 。
[2] 。RFM 模型经
常使用的三个指标是近度 (Recency) 、频度 (Fre2quency) 、值度 (Monentary) [3]。以 RFM 模型为
基础 , 通过客户的 RFM 行为特征衡量分析 客户忠诚度 与客户内在价值 .按照传统的 RFM 模型 ,以
客户最后一次购买到当前的时间间隔为近度
二、 RFM 权重分析
对 RFM 各变量的指标权重问题 ,Hughes,Arthur 认为 RFM 在衡量一个问题上的权重是一致 的, 因而并没有给予不同的划分。 而 Stone,Bob 通过对 信用卡 实证分析 , 认为各个指标的权重并不 相同 , 应该给予频度最高 ,近度次之 ,值度最低的权重 。 [4]
RFM 可以用来提高客户的交易次数。 业界常用的 DM (直接邮寄 ),常常一次寄发成千上万封
邮购清单,其实这是很浪费钱的。根据统计
(以一般邮购日用品而言 ),如果将所有 R(Recency)