RFM模型在客户分类中的应用

RFM模型在客户分类中的应用一.模型简介1.模型目标:用RFM模型将顾客购买行为转化为3个指标：最近一次消费、消费频率、消费金额。然后用量化的数据与之对应，例如:111；223。通过该数据直观的判断客户的优劣。2.基本概念:R(Recency)最近一次消费F(Frequency)消费频率M(Monetary)消费金额3.模型建立：R（最近一次消费）F（消费频率）M（消费金额）第一档1-7天10次以上1600以上第二档8-30天3-9次400-1599第三档31天以上1-2次0-399将第一档记为1，第二档记为2，第三档记为3。可获得每个顾客在RFM模型中的对应数组。例如：最近一次消费在7天内，且两个月总消费为5次，消费金额为1000的顾客，在RFM模型中的对应数组为122。显然，数字较小的顾客是相对优质的比如111,122，数字较大的顾客是相对劣质的比如223,333。这样我们就获得了3*3*3一共27类顾客，在工作中可以选取指定属性的顾客进行营销。例如：想对一段时间没买商品，但是历史记录很好地顾客进行激活，就选取211或311的顾客；想对购买频次较多的顾客进行奖励则选取212,312等。又对这27类顾客进一步进行聚类分析，将其归为S级、A-E六个等级。S000D232A111D321A121D331B122E133B211E233B221E322C131E332C132E333C222C231A-E五个等级是从模型中的27个分类得来，S级表示有异常消费行为，为企业带来极高的收入的顾客（目前该级别就一位，是购买好奇纸尿布花费45W的顾客）并由此得出不同评级顾客分布图如下。（数据源：2013.2.1-2013.3.31所有顾客购买数据。）贡献较小的E类顾客占到了71%，贡献较大的4类顾客占比29%。不同评级顾客的消费总金额如下：A,1350,2%B,2901,5%C,6338,10%D,7612,12%E,44929,71%不同评级顾客占比可以看出占比71%的E级客户贡献仅为32%，相反另外29%的顾客做出了企业收入68%的贡献。不同评级顾客人均消费图如下：未来的工作应该优先对A级和B级顾客进行维护。A,5995103,12%B,8037666,16%C,9667314,20%D,10115032,20%E,16007898,32%不同评级顾客消费总金额占比44412771152513293560500100015002000250030003500400045005000ABCDE不同评级顾客人均消费