发表于2019年7月30日16:58最后回复于2019年7月30日16:58

利用RFM模型对会员客户进行细分管理

1057浏览量

0评论

打开百度App,看更多图片

背景(Background)

一个会员服务的企业,有近1年约1200个会员客户的收银数据。由于公司想针对不同类别不活跃客户进行激活促销;同时,为回馈重点客户,也计划推出一系列针对重点客户的优惠活动,希望保留这些客户,维持其活跃度。因此希望利用该数据进行客户分类研究。

根据客户的需求,RFM模型相对简单并且直接,按照R(Recency-近度)、F(Frequency-频度)和M(Monetary-额度)三个维度进行细分客户群体。由于该客户的数量较少(约1200个),所以,采用3x3x3=27个魔方(1200/27=44左右)较为合适,虽然平均每类客户数量较少,考虑到集中度分布情况,数量多的分类也能够有200-300左右,适合针对会员客户进行短期的电话、短信营销或者信函营销的数量。

正文

RFM模型原理

RFM模型是一个简单的根据客户的活跃程度和交易金额贡献所做的分类。因为操作简单,所以较为常用。

近度R:R代表客户最近的活跃时间距离数据采集点的时间距离,R越大,表示客户越久未发生交易,R越小,表示客户越近有交易发生。R越大则客户越可能会“沉睡”,流失的可能性越大。在这部分客户中,可能有些优质客户,值得公司通过一定的营销手段进行激活。

频度F:F代表客户过去某段时间内的活跃频率。F越大,则表示客户同本公司的交易越频繁,不仅仅给公司带来人气,也带来稳定的现金流,是非常忠诚的客户;F越小,则表示客户不够活跃,且可能是竞争对手的常客。针对F较小、且消费额较大的客户,需要推出一定的竞争策略,将这批客户从竞争对手中争取过来。

额度M:表示客户每次消费金额的多少,可以用最近一次消费金额,也可以用过去的平均消费金额,根据分析的目的不同,可以有不同的标识方法。一般来讲,单次交易金额较大的客户,支付能力强,价格敏感度低,是较为优质的客户,而每次交易金额很小的客户,可能在支付能力和支付意愿上较低。当然,也不是绝对的。

通过RFM分析将客户群体划分成一般保持客户、一般发展客户、一般价值客户、一般挽留客户、重要保持客户、重要发展客户、重要价值客户、要挽留客户等八个级别。

“↑”表示大于均值,“↓”表示小于均值

因为有三个变量,所以要使用三维坐标系进行展示,X轴表示Recency,Y 轴表示Frequency,Z轴表示Monetary,坐标系的8个象限分别表示8类用户,根据上表中的分类,可以用如下图形进行描述:

RFM的分析工具有很多,可以使用SPSS或者SAS进行建模分析,然后深度挖掘。IBM SPSS还有个Modeler,有专门的RFM挖掘算法供使用。本文为了普及,介绍使用Excel(2016版)做初步的RFM分析,操作步骤如下:

第一步:数据处理

根据分析需要,R用客户最后成交时间跟数据采集点时间的时间差(天数)作为计量标准;F根据数据集中每个会员客户的交易次数作为计量标准(1年的交易次数);M以客户平均的交易额为计量标准。通过Excel的透视表即可计算以上RFM数据。

Excel操作:

确认数据表连续的,中间没有空行空列的情况选中表格中有数据的任意单元格在“插入”选项卡下点击“数据透视表”,excel会默认选择有数据的整个区域,无需在插入透视表前选择区域

在右侧的数据透视表字段中,将“客户编号”拖动至行的位置,将“日期”拖动到值得位置。日期的计算方法默认是计数,这里我们希望它计算最大值,点击“计数项:日期”右侧的小三角

点击后出现如下选项,选择“值字段设置”

将值汇总方式改为“最大值”。如果此时直接点击确定,透视表中日期将变为数字形式显示,为了使其显示为日期格式,点击“数字格式”更改格式,选择日期格式。

接下来,依次将“记录ID”和“销售金额”拖动至值的位置,按照上面修改日期的值汇总方式,“记录ID”值汇总方式选择计数,“销售金额”值汇总方式选择平均值。

以上我们得到了:

1)F值:客户这1年共消费了多少次

2)M值:客户每次交易的平均消费金额

但是,R值还需要做些处理。目前R值只得到的是客户最近一次消费日期,需要计算距离数据采集日期的天数。

Excel操作:

选中整个透视表区域(快捷操作:点中透视表中任意单元格,按Ctrl A),复制整个透视表新建一个sheet,点击右键,在粘贴选项中选择粘贴值

在空白单元中填入采集数据日期,选中B列中除去汇总行其他有数据的区域即B1:B996(快捷操作:选中B1单元格,同时按住Ctrl Shift 向下键可以选中该列所有有数据的单元格,然后按住Shift 向上键,此时就选中了除去汇总行的其他单元格),点击右键,选择选择性粘贴,在对话框中运算区域选择“减”。

此时B列下数据现在显示为#号。保持B列中数据被选择的情况,在开始选项卡下,将格式修改为“常规”。此时B列中的数据都是负数。在空白单元格中键入-1,复制填有-1的单元格,选中B列中有数据的单元格,选择性粘贴,这次运算方式改为“乘”,方法参考上一步选择性粘贴的方法。

最后得到:

到此,我们得到R,F,M针对每个客户编号的值。

第二步:数据分析

R-score, F-score, M-score的值,为了对客户根据R,F,M进行三等分,我们需要计算数据的极差(最大值和最小值的差),通过对比R(或者F,M)值和极差三等分距,来确定R(或者F,M)的R-score, F-score, M-score。

所以先计算R、F、M的最大值、最小值、极差三等分距

Excel操作:

在G2中求 R的最大值,利用公式max求最大值,公式参考下图

在G3中求 R的最小值,利用公式min求最小值,公式参考下图

在G4中求 R的极差三等分距,公式参考下图

计算F、M的最大值、最小值、极差三等分距(快捷操作:选中刚刚计算的三个单元格,将鼠标滑动值选中区域的右下角,出现一个黑色实心的十字,点击左键,拖动鼠标至I4单元格)

R-score的计算公式为:

插入4列计算R值、F值、M值、RFM值在E2中输入公式=IF(ROUNDUP((B2-K$3)/K$4,0)=0,1,ROUNDUP((B2-K$3)/K$4,0))。之所以使用IF判断函数,主要是考虑到当R值为最小值时,roundup(B5,0)为0,用if函数判断如果为0,则强制为1。使用K$3和K$4锁定引用的单元格,是为了后续的公式复制,最小值和极差三等分距不会发生相对引用而变化位置(锁定引用单元格除了手工添加$符号外,快捷方式是选中引用的单元格按F4快捷键,此处都比较麻烦,手工输入$符号还快些)

滑动鼠标至E2单元格右下角,出现黑色实心十字后,按住左键拖动鼠标至G2单元格,求出F值和M值

RFM-score的计算,利用分别乘以100-10-1然后相加的方式,让R、F、M分别为一个三位数字的三个百分位、十分位和个位表达,该三位数的三个位代表了3x3x3=27魔方三个维度上的坐标。

在H2单元中输入公式,=E2*100 F2*10 G2,求得RFM值

在选中E2:H2单元格的状态下,滑动鼠标至H2单元格右下角,出现黑色实心十字后,双击鼠标左键,求得所有客户的R值、F值、M值和RFM值,如下图

接下来的步骤就是统计各个魔方上的客户数量,再次利用透视表形成统计结果。

Excel操作:

选中数据表中带有数据的任意单元格,在插入选项卡下,选择数据透视表。由于左侧数据表和右侧计算R、F、M的最大值等数据表中间有空列,所有Excel在识别区域时,不会识别到右侧的数据表,默认区域会识别到997行,由于不需要最后一行的汇总行,将区域修改只到996行。

将RFM score拖入行的位置,将行标签拖入值得位置,汇总方式为计数。

第四步:数据分析结果解读和可视化

得到这个分析结果,利用Excel的条件格式功能可以对得到的数据分析结果做简单的视觉化。

Excel操作:

将B列宽度拉宽在开始选项卡下,选择条件格式下拉菜单下,选择数据条,选择随意颜色即可

通过条形图的视觉化,可以直观地对比哪类客户数量较多。

第五步:数据分析结果的商业解读(略)

因为此数据为模拟数据,且数据分析过程中有许多需要商业活动参与执行者参与的过程。此案例仅仅是一种操作的演示。具体的分析结果解读,读者可以自行思考,也可以将您的答案留言到评论区哦。

大家可以思考以下几个问题:

1)哪一类客户是最优质的客户?

2)哪一类客户是具有高流失风险的优质客户?

3)哪一类客户是需要进行Upsell的客户?

4)哪一类客户是公司的高成本客户(不赚钱客户)?

结 语

消费进度、消费频度、消费额度是测算消费者价值最重要也是最容易的方法,这充分的表现了这三个指标对营销活动的指导意义,但不代表这三个指标牢不可破,例如嘀嘀(快车、专车、顺风车多业务类型)和支付宝(多功能场景)这种,业务方除了消费额度、消费频度以外,在制定补贴策略的时候,还会考虑用户的跨场景使用,越多的功能业务场景被使用,意味着用户忠诚度越高,这个时候将模型的核心指标增加或者调换,就可以实际应用到辅佐补贴策略上了,这也是为什么别人领券能领5块钱,你只能领1块钱,别人为啥能领到快车券,你只能领到接机专车券的原因了。


发布新帖

私信

举报