如何对客户价值进行精准预测和分析？

作者 CDA 数据分析师

在多数企业运营中，20%的客户占80%的销售额，20%的客户给我们提供了80%的利润。这20%的客户是我们的重要客户，是我们利润的来源。同时由于新客户的开发成本是老客户的5倍，因此客户关系管理显得越来越重要。今天我们来探讨企业中常用的客户价值分析的话题。

一、分析客户价值的方法

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重要指标：

① 最近一次消费(Recency)

最近一次消费意指上一次购买的时间。上一次消费时间越近的顾客对提供即时的商品或是服务也最有可能会有反应。对提供即时的商品或是服务也最有可能会有反应。

② 消费频率(Frequency)

消费频率是顾客在限定的期间内所购买的次数。最常购买的顾客，也是满意度最高的顾客。这个指标是“忠诚度”很好的代理变量。

③ 消费金额(Monetary)

消费金额是最近消费的平均金额。是体现客户短期价值重要变量。如果你的预算不多，而且只能提供服务信息给2000或 3000个顾客，你会将信息邮寄给贡献40％收入的顾客，还是那些不到1％的顾客？数据库营销有时候就是这么简单。这样的营销所节省下来的成本会很可观 。

二、RFM在SPSS中的实现

我们获得了某零售企业客户消费信息表，对数据进行预处理之后，我们准备在 SPSS 软件系统中构建 FRM 分析模型。

首先，导入“客户信息表“之后选择“直销”下面的“了解我的联系人”。

选择“客户数据‘’

接下来在变量里面选择时间、交易数和金额以及客户标识字段。

分箱化中选择分组的形式，可以自动分组，也可以自行手工分组。

点击确定，在结果查看器中可以看到RFM分析结果和热图：

同时返回数据视图即可查看RFM各项指标的的得分及总分，结合业务规则，可以得到分级别客户的名单。从而进行后续的营销和管理。

三、RFM方法的总结和思考

1. RFM只是分析的开始，通过这种方法获取了描述客户消费行为的基本信息，为将来的客户画像（聚类模型）、购买响应倾向（分类预测模型）提供可分析的变量；

2. 还有许多有意义的变量可以获取，比如订单间隔的稳定性、客户存在时间、购买量的稳定性；

3. 可以分不同的产品，不同的场景（比如是否促销），不同的时间长度通过RFM 方法构造指标。