Loading [MathJax]/jax/input/TeX/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >专栏 >RFM 客户价值分析模型

RFM 客户价值分析模型

作者头像
博文视点Broadview
发布于 2021-12-06 06:19:21
发布于 2021-12-06 06:19:21
2.2K02
代码可运行
举报
运行总次数:2
代码可运行

RFM 客户价值分析模型是衡量客户价值和客户创利能力的重要工具和手段。

在众多的客户关系管理(CRM)分析模式中,RFM 客户价值分析模型经常被提到。RFM 客户价值分析模型通过一个客户的近期购买行为、购买的总体频率及花费金额三项指标来描述该客户的价值状况。

RFM 模型的三个参数分别是 R(最近一次消费的时间间隔)、F(消费的频次)和 M(消 费金额)。

R 即最近一次消费的时间间隔,指上一次购买时间距离当天的时间间隔。

从理论上说, 距离上一次消费时间较近的客户应该是比较优质的客户,对提供即时的商品或服务也最 有可能有反应。营销人员若想业绩有所增长,只能争夺竞争对手的市场占有率,而要想 密切地关注客户的购买行为,那么最近的一次消费就是营销人员首先要利用的。距离上 一次消费的时间越短,客户越能接受营销信息,这也是消费时间间隔 0~6 个月的客户收 到的营销信息多于消费时间间隔 31~36 个月的客户收到的营销信息的原因。

F 即消费的频次,指客户在限定的时间内购买商品的次数。经常购买商品的客户可以 说是满意度很高的客户,如果客户增加了购买的次数,就意味着商家从竞争对手处争夺了市场占有率,从别人的手中赚取了销售额。

M 即消费金额,指客户在限定的时间内所消费的金额总和,遵循“帕雷托法则”(Pareto' s Law)——公司 80% 的收入来自 20% 的客户。

RFM 客户价值分析模型动态地显示了一个客户的全部消费轮廓,为商家定制个性化 的沟通和服务提供了依据。同时,通过对该客户长时间的观察,能够较为精确地判断该客户的长期价值,甚至终身价值。通过改善三项指标的状况,可以为更多的营销决策提供支持。

01

计算 R

R 的计算方法是计算当天与最近一次购买日期之间的间隔天数。

计算每一笔订单距离当天的时间间隔,可以选中“订单报表”,在“建模”选项卡中单击“新建列”按钮,如图1所示。

图 1
图 1

在打开的公式文本框中输入以下表达式 :

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
时间间隔 = DATEDIFF('pbi 订单报表 '[ 订单付款时间 ],TODAY(),DAY)

计算最小的 R,选中“订单报表”,在“建模”选项卡中单击“新建度量值”按钮, 如图2所示。

图 2
图 2

在打开的公式文本框中输入以下表达式 :

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
R = MIN([ 时间间隔 ])

02

计算 F

F 的计算方法是对客户的订单数量进行统计。

对“订单编号”进行计数,可以选中“ pbi 订单报表”,在“建模”选项卡中单击“新 建度量值”按钮。

在打开的公式文本框中输入以下表达式 :

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
F = COUNTA([ 订单编号 ])

03

计算 M

M 的计算方法是将客户的消费金额进行汇总。

对“买家实际支付金额”进行求和,选中“ pbi 订单报表”,在“建模”选项卡中单击“新 建度量值”按钮。

在打开的公式文本框中输入以下表达式 :

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
M = SUM([ 买家实际支付金额 ])

04

分析 RFM 模型

3 个主要参数的度量值创建完毕后,根据“买家会员名”进行汇总,在“建模”选项 卡中单击“新建表”按钮,如图3所示。

图 3
图 3

在打开的公式文本框中输入以下表达式 :

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
RFM = SUMMARIZE('pbi 订单报表 ','pbi 订单报表 '[ 买家会员名 ],"R",[R],"F",[F],"M",  [M])

得到名为“RFM”的新表,如图4 所示。

图 4
图 4

根据 RFM 的定义,将数值大于均值的标为“+”,将数值小于均值的标为“-”,共有 8 种组合,如图5所示。

图 5
图 5

针对不同标签的客户,制定不同的应对策略,具体如下。

  • 重要价值客户(+++):最近消费时间近,消费频次和消费金额都很高,属于企业的VIP 客户,应该对他们重点关注,跟踪他们的消费行为,及时提供有效、高质 量的服务。
  • 重要保持客户(-++):最近消费时间较远,但消费频次和消费金额都很高,他们 是一段时间没来光顾店铺的忠诚客户,商家需要主动和他们保持联系。
  • 重要发展客户(+-+):最近消费时间较近、消费金额高,但频次不高,忠诚度不高, 他们是很有潜力的客户,必须重点发展。
  • 重要挽留客户(- -+):最近消费时间较远、消费频次不高,但消费金额高,可能 是将要流失或已经流失的客户,应当采取挽留措施。

另外的 4 种组合和上面的 4 种组合类似,以“一般”来定义,其重视程度低于以上 4 种组合的重视程度。

根据规则计算每个客户的定位,选中“RFM”表,在“建模”选项卡中单击“新建列” 按钮,如图6所示。

图 6
图 6

在打开的公式文本框中输入以下表达式 :

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
客户价值 = IF('RFM'[R]<AVERAGE(RFM[R]) && 'RFM'[F]>AVERAGE(RFM[F])  && 'RFM'[M]>AVERAGE(RFM[M])," 重要价值客户 ",IF('RFM'[R]<AVERAGE(RFM[R])  && 'RFM'[F]>AVERAGE(RFM[F]) &&'RFM'[M]<AVERAGE(RFM[M])," 一般价 值客户 ",IF('RFM'[R]> AVERAGE(RFM[R]) && 'RFM'[F]>AVERAGE(RFM[F])  &&'RFM'[M]>AVERAGE(RFM[M]), " 重要保持客户 ",IF('RFM'[R]>AVERAGE(RFM[R])  && 'RFM'[F]>AVERAGE(RFM[F]) &&'RFM'[M]<AVERAGE(RFM[M])," 一般保 持客户 ",IF('RFM'[R]<AVERAGE(RFM[R]) && 'RFM'[F]<AVERAGE(RFM[F])  &&'RFM'[M]>AVERAGE(RFM[M])," 重要发展客户 ",IF('RFM'[R]< AVERAGE(RFM[R])  && 'RFM'[F]<AVERAGE(RFM[F]) &&'RFM'[M]<AVERAGE(RFM[M]), " 一 般 发展客户 ",IF('RFM'[R]>AVERAGE(RFM[R]) && 'RFM'[F]<AVERAGE(RFM[F]) &&'RFM'[M]>AVERAGE(RFM[M])," 重要挽留客户 "," 一般挽留客户 ")))))))

上式也可以写为 :

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
客户价值 = IF('RFM'[R]<AVERAGE(RFM[R]),IF('RFM'[F]>AVERAGE('RFM'[F]),  IF('RFM' [M] >AVERAGE(RFM[M])," 重要价值客户 "," 一般价值客户 "),IF('RFM'[M]>  AVERAGE (RFM[M])," 重要发展客户 "," 一般发展客户 ")),IF('RFM'[F]>AVERAGE('RFM' [F]), IF('RFM'[M]> AVERAGE(RFM[M])," 重要保持客户 "," 一般保持客户 "),IF('RFM'[M]>  AVERAGE(RFM[M])," 重要挽留客户 "," 一般挽留客户 ")))

多个 IF 语句嵌套后的结果如图 7所示。

图 7
图 7

分别将“客户价值”和“买家会员名”设置为“表格”对象,然后将“买家会员名” 设置为计数,结果如图8所示。

图 8
图 8

最终结果如图9所示。

图 9
图 9
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-12-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 博文视点Broadview 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
数仓:如何使用RFM模型进行用户分层?
在适当、有效的商务智能环境中,数据分析的质量必须得到保障。而确保数据分析质量的第一步就是根据问题需求从海量数据中提炼出真正所需的数据,因为这是发挥数据价值很重要的一个方面。通过数据的分析与可视化呈现可以更加直观的提供数据背后的秘密,从而辅助业务决策,实现真正的数据赋能业务。本文主要介绍在用户分层和用户标签中常常使用的一个模型——RFM模型。
Python数据科学
2021/09/08
1.9K0
数仓:如何使用RFM模型进行用户分层?
手把手教你如何利用RFM模型细分客户群
在众多的客户关系管理分析模式中,应用最广泛的就是RFM模型,它可以通过一个客户的近期购买行为、购买的频率以及花了多少钱三项指标来描述客户的价值情况。
永洪数据科学院
2021/04/02
1.4K0
【数据分析】RFM模型分析与客户细分
今天把数据挖掘RFM模型的建模思路细节与大家分享一下吧!手机充值业务是一项主要电信业务形式,客户的充值行为记录正好满足RFM模型的交易数据要求。 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:最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程,有兴趣的朋友可以阅读! RFM模型
陆勤_数据人网
2018/02/26
2.4K0
【数据分析】RFM模型分析与客户细分
RFM用户分层|原理+Python全流程实现
《RFM模型》 在数据分析中经常会进行用户分层,本文我们来了解一下常见的用户分层模型RFM。
数据山谷
2022/04/12
5690
RFM用户分层|原理+Python全流程实现
不知道如何衡量会员的价值?来学习下RFM模型
很多直接面向消费者的企业,也是我们常说的To C的企业通常都会建立自己的会员体系,并在线上和线下的渠道中积累了大量的会员数据。但是如何能够更好的利用这些会员数据以及如何识别哪些是高价值的会员,这些都是每个企业都在不断探索的话题。 我们今天就一起来讨论一个可行的方案,RFM模型。讨论的内容主要会分为两个部分:
臭豆腐
2019/04/16
1.4K0
不知道如何衡量会员的价值?来学习下RFM模型
航空客户价值分析特色LRFMC模型——RFM升级
我们说RFM模型由R(最近消费时间间隔)、F(消费频次)和M(消费总额)三个指标构成,通过该模型识别出高价值客户。但该模型并不完全适合所有行业,如航空行业,直接使用M指标并不能反映客户的真实价值,因为“长途低等舱”可能没有“短途高等舱”价值高。所以得根据实际行业灵活调整RFM模型的指标,本文就拿航空公司的数据为例,将RFM模型构建成L(入会至当前时间的间隔,反映可能的活跃时长)、R(最近消费时间距当前的间隔,反映当前的活跃状态)、F(乘机次数,反映客户的忠诚度)、M(飞行里程数,反映客户对乘机的依赖性)和C(舱位等级对应的折扣系数,侧面反映客户价值高低)5个指标。下面就利用这5个指标进行客户价值分群的实战:
悟乙己
2019/05/28
2.8K0
构建RFM体系:优化客户分析和营销策略
RFM 分析是一种用于洞悉客户价值和行为的强大工具,广泛应用于市场营销和客户关系管理。本文将介绍 RFM 分析如何在数据产品不充分的情况下实现以及如何利用RFM分析来优化营销策略,提高客户满意度,增加业务收益。
政采云前端团队
2023/09/22
1.8K0
构建RFM体系:优化客户分析和营销策略
案例实操|手把手教你搭建 RFM 客户价值分析模型
随着电商的不断发展,网上购物变得越来越流行。更多电商平台崛起,对于电商卖家来说增加的不只是人们越来越高的需求,还要面对更多强大的竞争对手。面对这些挑战,就需要能够及时发现店铺经营中的问题,并且能够有效解决这些实际的问题,从而提升自身的竞争力。
用户6888863
2023/03/01
1.4K0
案例实操|手把手教你搭建 RFM 客户价值分析模型
基于 LRFMC 模型的会员用户画像
RFM 模型的概念介绍,用途,详细的使用方法本博文都不 一一 介绍了,毕竟如此常见的模型,前人论文文献、各平台都已经十分详细的叙述了整个流程。所以我们便将侧重点放在根据场景进行了优化调整的 LRFMC 模型上,这里穿插回顾少部分精华理论即可。
萝 卜
2022/05/12
8250
基于 LRFMC 模型的会员用户画像
用python轻松实现数据分析中的RFM建模
  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。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。
朱小五
2020/03/10
1.4K0
用python轻松实现数据分析中的RFM建模
「Python」用户消费行为分析
请注意,本文编写于 297 天前,最后修改于 296 天前,其中某些信息可能已经过时。
曼亚灿
2023/05/17
1.1K0
「Python」用户消费行为分析
用RFM分析法分析超市客户质量
而如何将用户从一个整体拆分成特征明显的群体决定了运营的成败,最经典的用户分群工具就是RFM模型。
阿黎逸阳
2024/05/09
2590
用RFM分析法分析超市客户质量
4.2 PowerBI分析模板-RFM模型
加入 PowerBI自己学 知识星球 可以:下载源文件,边学边练;遇到问题,提问交流,有问必答。
PowerBI自己学_轻松
2025/02/26
1030
4.2 PowerBI分析模板-RFM模型
图解面试题:如何实现精细化运营?
业务问题:店铺在对用户进行盘点时发现,用户运营过于粗放,没能做到用户分类运营。老板想在下一个月对不同的用户进行有针对性的营销,达到降低成本提高收入,精细化运营的效果。怎么办?
猴子数据分析
2022/12/12
8720
图解面试题:如何实现精细化运营?
[数据分析] 使用Python简单玩玩RFM用户价值模型
最近有朋友在问怎么做用户分群,刚好看到有个RFM客户价值模型,就移过来用python简单演示一下,感觉还是有一定的作用的。
可以叫我才哥
2021/08/05
8191
python做RFM代码太复杂,使用Tableau多简单!
本文旨在通过2015-2018的客户订单分析,了解各大区销售经营情况、不同偏好,并通过RFM模型来进行客户价值分类,实现定向营销。
朱小五
2020/05/19
1.5K0
python做RFM代码太复杂,使用Tableau多简单!
【商业数据分析】用户价值RFM模型详解
一个聪明的营销者懂得“了解你的客户”的重要性。营销人员不能仅关注于产生更多的点击量,他们必须遵循从增加点击率到保持、忠诚和建立客户关系的模式转变。 与其把整个客户群作为一个整体来分析,不如把他们分成同质化的群体,了解每个群体的特点,让他们参与相关的活动,而不是仅仅根据客户的年龄或地理位置来细分。 接下来介绍的RFM模型是最受欢迎的、易于使用的和有效的客户细分方法之一,它使市场营销人员能够分析客户行为。
润森
2022/09/22
3.2K0
【商业数据分析】用户价值RFM模型详解
【数据分析】商品新零售行业——客户价值分析驾驶舱(附详细操作) | 留言送书
大家可以叫我黄同学(博客名:Huang Supreme),一个应用统计硕士,爱好写一些技术博客,志在用通俗易懂的写作风格,帮助大家学到知识,学好知识!
磐创AI
2020/04/29
1.7K0
【数据分析】商品新零售行业——客户价值分析驾驶舱(附详细操作) | 留言送书
Python实现基于客观事实的RFM模型(CDA持证人分享)
RFM(Recency Frequency Monetary)模型是衡量客户价值和客户创利能力的重要工具和手段。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。
CDA数据分析师
2021/12/17
2.1K0
Python实现基于客观事实的RFM模型(CDA持证人分享)
数据分析方法和思维—RFM用户分群
在运营场景中, 经常需要对用户进行分层, 把整体的用户分层不同的层次的用户, 然后针对不同层次的用户采取不同的运营策略, 也被称作精细化运营。但是如何运用科学的方法对用户进行划分呢。
数据森麟
2021/01/08
8920
数据分析方法和思维—RFM用户分群
推荐阅读
相关推荐
数仓:如何使用RFM模型进行用户分层?
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验