,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)