ML之FE：RFM指标的简介、意义、应用之详细攻略
ML之FE：RFM指标的简介、意义、应用之详细攻略
目录
RFM指标的意义—新增【客户价值】字段—衡量当前客户价值及其潜在价值的重要工具和手段
T1、基于RFM模型指标分段通过打标签直接进行客户分群→得到【客户价值·客户群类】字段
T2、基于RFM模型指标分段打分并结合聚类算法进行客户分群→得到【客户价值·客户得分/群类】字段
RFM指标的简介
在众多的客户关系管理(CRM)的分析模型中，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。该模型通过一个客户的近期交易行为、交易的总体频率以及交易金额三项指标来描述该客户的价值状况，依据这三项指标划分8类客户价值：重要价值客户、重要唤回客户、重要深耕客户、重要挽留客户、潜力客户、新客户、一般维持客户、流失客户。
| RFM模型三个指标 | 内容 | 影响因素 | 应用场景 | |
| R | Recency 距离最近一次购买时间 | 表示客户最近一次消费距离现在的时间。 (1)、上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。 (2)、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。 (3)、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3个月的顾客收到营销人员的沟通信息多于3至6个月的顾客。 | 店铺记忆强度 接触机会多少 回购周期 | 决定接触策略 决定接触频次 决定刺激力度 |
| F | Frequency 购买次数 F越大越好：客户购买的频率越高，客户就品牌的满意度就越大； | 指客户在统计周期内购买商品的次数。 经常肯定比偶尔来一次的客户价值大。 注意：实操中实际店铺会受品类宽度的影响，比如空调四五年才买一次，馒头每天都要买一次。对于耐用品等，即使是忠实粉丝用户也很难在1年内购买多次。所以，有些店铺在运营RFM模型时，会把F值的时间范围去掉，替换成累计购买次数。 | 品牌忠诚度 店铺熟悉度 客户会员等级 购买习惯养成 | 决定资源投入 决定营销优先级 决定活动方案 |
| M | Monetary 购买金额 M越大越好(区别高低消费客户)：货币价值（购买金额）将高消费客户和低消费客户区分开来； | 消费金额是指客户在统计周期内消费的总金额。 消费越多的客户价值越大。 二八定律—公司80%的收入来自于20%的用户 | 消费能力 产品认可度 | 决定推荐商品 决定折扣门槛 决定活动方案 |
RFM指标的意义—新增【客户价值】字段—衡量当前客户价值及其潜在价值的重要工具和手段
根据RFM模型，就可以根据在某一段时间内业务订单数据，统计客户最近的消费间隔、消费次数和消费金额。可以进一步地，利用机器学习中的K-Means算法对客户进行聚类分群。当然，不仅仅可以局限于这三个数据字段，还可以根据业务需求，加入其他字段，进行调整模型。
对于电商网站，如果要做一次营销推荐活动，需要针对不同价值的客户群体，进行分群推荐。对于高价值的客户推荐手表、珠宝等高端商品，而对于低价值客户推荐打折促销的廉价商品。当然，还有以下这些问题都是需要考虑的：
- 1)、谁是最佳客户？
- 2)、谁即将要成为流失客户？
- 3)、谁将有潜力成为有价值的客户?
- 4)、哪些客户能够留存？
- 5)、哪些客户会对目前的活动有所反应？
总而言之，最终的问题会转化为如何对客户进行分群，即如何建立客户的价值模型。目前来说，RFM模型作为客户细分模型是被广泛用在传统零售企业和现代电商中。
RFM指标的应用→得到【客户价值】字段
T1、基于RFM模型指标分段通过打标签直接进行客户分群→得到【客户价值·客户群类】字段
基于RFM模型，利用三个不同维度的指标分别进行客户细分，细分可以由数据驱动划分，基于大量的数据进行合理规划，但是也并非越细越好。因为一旦用户细分群组过多，第一个是会给自己的营销方案执行带来较大的难度，第二个是可能会遗漏用户群或者对同个用户造成多次打扰。
| 指标 | 客户分组 | 指标分段 | 营销策略 |
| R值 | 活跃客户 | 90天未购买 | 密集的营销信息推送 |
| 沉默客户 | 90~180天未购买 | 减少推送频率，提升优惠力度 | |
| 睡眠客户 | 180~360天未购买 | 大型活动时营销推送 | |
| 流失客户 | 360天未购买 | 超大型活动(比如双11、618等) | |
| F值 | 新客户 | 购买1次 | 传递促销信息 |
| 老客户 | 购买2次 | 传递品牌信息 | |
| 成熟客户 | 购买3次 | 传递新品/活动信息 | |
| 忠实客户 | 购买3次以上 | 传递会员活动和权益信息 | |
| M值 | 低贡献客户 | 1/2客单价以下 | 促销商品/折扣活动 |
| 中贡献客户 | 1/2客单价~客单价 | 促销商品/折扣活动 | |
| 中高贡献客户 | 客单价~2倍客单价 | 形象商品/品牌活动 | |
| 高贡献客户 | 2倍客单价以上 | 形象商品/品牌活动 |
T2、基于RFM模型指标分段打分并结合聚类算法进行客户分群→得到【客户价值·客户得分/群类】字段
(1)、给客户打分
T1、三个维度得分直接累加法
一般情况下，可以直接累加每个用户三个维度的指标得分(R_Score、F_Score、M_Score)，得到客户质量分，最终筛选出合适的目标用户。
首先，可以根据实际情况，自定义RFM的分段及其对应分段的分值，比如一般每个指标分为3~5个区间，其中R值可以根据开店以来的时间和产品的回购周期来判定，F值根据现有店铺的平均购买频次，M值可参考客单价的分段指标。
然后，以用户为维度，来计算每个客户的RFM各个指标得分(R_Score、F_Score、M_Score)，相加之后，根据总得分筛选出优质的客户。
| 得分 | R值分段 | F值分段 | M值分段 |
| 1 | 720天以上未购买 | 购买1次 | 100元以下 |
| 2 | 360~720天内购买过 | 购买2次 | 100~200元 |
| 3 | 180~360天内购买过 | 购买3次 | 200~500元 |
| 4 | 90~180天内购买过 | 购买4次 | 500~1000元 |
| 5 | 90天内购买过 | 购买5次 | 1000元以上 |
比如，甲客户是女性，淘宝上经常购物的用户，而乙客户是个宅男码农。虽然，可以看出是两种不同类型的客户，但是，甲客户买的频繁但总价值和不经常买东西的乙客户一样，其最后得分也都是10分。
| R_Score | F_Score | M_Score | 总得分 | |
| 甲客户 | 5 | 3 | 2 | 10 |
| 乙客户 | 4 | 1 | 5 | 10 |
T2、三个维度得分赋权累加法
计算各个用户价值(给每位用户打总分)。基于实际业务经验，给RFM赋予权重（目前权重采用R:F:M =0.25:0.25:0.5 ），计算各用户价值。
| R_Score(25%) | F_Score(25%) | M_Score(50%) | 总得分 | |
| 甲客户 | 5 | 3 | 2 | 3 |
| 乙客户 | 4 | 1 | 5 | 3.75 |
(2)、给客户分群
利用聚类方法对用户进行分组：利用K-Means、层次聚类等无监督学习方法，对用户进行聚类分析，划分客户群体。一般可以分为八个类别，但也可以依据实际业务情况而定。
网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。
- 上周热门
- Kingbase用户权限管理 2020
- 信刻全自动光盘摆渡系统 1749
- 信刻国产化智能光盘柜管理系统 1419
- 银河麒麟添加网络打印机时，出现“client-error-not-possible”错误提示 1014
- 银河麒麟打印带有图像的文档时出错 924
- 银河麒麟添加打印机时，出现“server-error-internal-error” 715
- 麒麟系统也能完整体验微信啦！ 657
- 统信桌面专业版【如何查询系统安装时间】 633
- 统信操作系统各版本介绍 624
- 统信桌面专业版【全盘安装UOS系统】介绍 598
- 本周热议
- 我的信创开放社区兼职赚钱历程 40
- 今天你签到了吗？ 27
- 信创开放社区邀请他人注册的具体步骤如下 15
- 如何玩转信创开放社区—从小白进阶到专家 15
- 方德桌面操作系统 14
- 我有15积分有什么用? 13
- 用抖音玩法闯信创开放社区——用平台宣传企业产品服务 13
- 如何让你先人一步获得悬赏问题信息？（创作者必看） 12
- 2024中国信创产业发展大会暨中国信息科技创新与应用博览会 9
- 中央国家机关政府采购中心：应当将CPU、操作系统符合安全可靠测评要求纳入采购需求 8
