正文

rfm模型分類的8種客戶類型

發(fā)布時間：2023-04-10 13:09:38 稿源：創(chuàng)意嶺閱讀： 130

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于rfm模型分類的8種客戶類型的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關鍵詞，就能返回你想要的內容，越精準，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內優(yōu)秀的企業(yè)，服務客戶遍布全球各地，如需了解SEO相關業(yè)務請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、【分析方法or思維】RFM模型——用戶價值分析
2、常用的分析方法及模型有哪些?
3、客戶識別的rfm模型指的是什么
4、基于RFM的客戶價值分析報告

rfm模型分類的8種客戶類型

一、【分析方法or思維】RFM模型——用戶價值分析

RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段，模型主要是利用客戶的最近一次消費（Recency）、總體消費頻率（Fequency）以及消費全額（Monetary）3項指標來描述該客戶的價值狀況。 RFM代表近度，頻率和額度，這些指標表征了客戶的一些消費行為和習慣。頻率和額度會影響客戶的生命周期價值，新近度會影響保留率，而保留率是忠誠度的衡量標準。

RFM是一種客戶細分技術，用以幫助營銷人員快速識別用戶類型及群體分類，并幫助營銷人員根據(jù)客戶細分類型的共性、個性提供一定的營銷策略。因而，RFM的最終成果是客戶的分類及分類分析。

二、常用的分析方法及模型有哪些?

1、RFM模型

RFM分析是客戶關系分析中一種簡單實用客戶分析方法，將最近一次消費、消費頻率、消費金額這三個要素構成了數(shù)據(jù)分析最好的指標，衡量客戶價值和客戶創(chuàng)利能力。

RFM分析也就是通過這個三個指標對客戶進行觀察和分類，針對不同的特征的客戶進行相應的營銷策略。

R——最后交易距離當前天數(shù)（Recency）

F——累計交易次數(shù)（Frequency）

M——累計交易金額（Monetary）

在這三個制約條件下，我們把M值大，也就是貢獻金額最大的客戶作為“ 重要客戶 ”，其余則為“ 一般客戶 "和” 流失客戶 “，基于此，我們產生了8種不同的客戶類型：

重要價值客戶：復購率高、購買頻次高、花費金額大的客戶，是價值最大的用戶。

重要保持客戶：買的多、買的貴但是不常買的客戶，我們要重點保持；

重要發(fā)展客戶：經(jīng)常買、花費大但是購買頻次不多的客戶，我們要發(fā)展其多購買；

重要挽留客戶：愿意花錢但是不常買、購買頻次不多的客戶，我們要重點挽留；

一般價值客戶：復購率高、購買頻次高，但是花費金額小的客戶，屬于一般價值；

一般保持客戶：買的多但是不常買、花錢不多，屬于一般保持客戶；

一般發(fā)展客戶：經(jīng)常買，但是買不多、花錢也不多，屬于一般發(fā)展客戶；

一般挽留客戶：不愿花錢、不常買、購買頻次不高，最沒有價值的客戶；

下面是我用 FineBI 做的RFM模型可視化儀表板，可以通過RFM模型對客戶的終生價值做一個合理的預估，基于一個理想的客戶特征來衡量現(xiàn)實中客戶價值的高低，通過此類分析，定位最有可能成為品牌忠誠客戶的群體，讓我們把主要精力放在最有價值的用戶身上。

波士頓模型最初是一個時間管理模型，按照緊急、不緊急、重要、不重要排列組合分成四個象限，以此便于對時間進行有效的管理。

運用在客戶分析中，也就是利用銷售額和利潤這兩個重要指標分為四個象限，對我們的客戶進行分組。我們將這兩個維度作為橫縱坐標軸分為四個象限，將產品或者服務分為下面四種類型：

明星類：增長率高、占有率高，代表著十分成功的產品，是主打的明星產品；

金牛類：增長率低、占有率高，已經(jīng)占據(jù)了市場但是沒有發(fā)展空間的產品，屬于現(xiàn)金牛產品；

問題類：增長率高、占有率低，說明用戶需求高，但是本身產品有問題，需要改進優(yōu)化；

瘦狗類：增長率低、占有率低，市場不認可的失敗產品，需要盡快去除；

我們如此分類的目的正是要根據(jù)波士頓矩陣，將一些沒有發(fā)展前景和市場潛力的產品盡快淘汰掉，保證明星產品和現(xiàn)金牛產品的份額，從而搭配好產品或者業(yè)務的整個市場布局。

FineBI制作的波士頓模型實際使用：

如圖所示，每個銷售大區(qū)與每個銷售年份下的客戶分布，通過篩選數(shù)據(jù)，我們得到我們想要的客戶信息。而波士頓矩陣則是一個非常有力的工具，可以幫助我們將雜亂無序的東西組塊整理，在使用矩陣的的時候，盡量選取縱向和橫向毫無關聯(lián)要素來分析，這樣才能發(fā)揮矩陣分塊整理的作用。

我們知道并不是所有的顧客都具備相同的價值，如果企業(yè)能夠專注于那些可以帶來最大未來利益的客戶，就可以實現(xiàn)更好的運營。所以企業(yè)必須識別出這些客戶，CLV是對客戶未來利潤的有效預測，它還有另外一個名字，叫做LTV （life time value)。

這里需要特別說明的是，CLV考慮了完整的客戶生命周期，包含客戶獲取和客戶流失，也就是它計算的不只是眼前顧客已經(jīng)產生的價值，還預測了未來價值。

CLV的計算公式有非常多，有的會非常復雜，主要在流失率這個環(huán)節(jié)和影響因素就相當多，也有會加上投入成本，價值變化率和利率變化等等。

比較實用簡單的是這種：

那對于CLV的應用，可以從以下兩個模型來看，將企業(yè)的最優(yōu)客戶與不值得投入的客戶區(qū)分出來：

帕累托原則，又稱二八原則，是關于效率與分配的判斷方法。帕累托法則是指在任何大系統(tǒng)中，約80%的結果是由該系統(tǒng)中約20%的變量產生的。應用在企業(yè)中，就是80%的利潤來自于20%的項目或重要客戶。

模型的解釋：當一個企業(yè)80%利潤來自于20%的客戶總數(shù)時，這個企業(yè)客戶群體是健康且趨于穩(wěn)固的。當一個企業(yè)80%利潤來自大于20%的客戶總數(shù)時，企業(yè)需要增加大客戶的數(shù)量。當一個企業(yè)80%利潤來自小于20%的客戶群時，企業(yè)的基礎客戶群需要拓展與增加。

模型的實際使用，某商場品牌商的銷售額。

一共10家客戶，5家客戶（50%）提供了80%的銷售額，這就說明需要增加大品牌客戶數(shù)量。

帶來大量銷售額的客戶必須認真對待和維護，如果客戶數(shù)量大，尤其需要列出重點客戶重點跟進，把有限的精力放在創(chuàng)造利潤大的客戶上。

5、漏斗模型

漏斗模型本質是分解和量化，為了方便大家理解，這里以營銷漏斗模型舉例：

也就是說營銷的環(huán)節(jié)指的是從獲取用戶到最終轉化成購買這整個流程中的一個個子環(huán)節(jié)，相鄰環(huán)節(jié)的轉化率則就是指用數(shù)據(jù)指標來量化每一個步驟的表現(xiàn)。

所以整個漏斗模型就是先將一個完整的購買流程拆分成一個個步驟，然后用轉化率來衡量每一個步驟的表現(xiàn)，最后通過異常的數(shù)據(jù)指標找出有問題的環(huán)節(jié)，然后解決該環(huán)節(jié)的問題，最終達到提升整體購買轉化率的目的，所以漏斗模型的核心思想可以歸為分解和量化。

比如分析電商的轉化，我們要做的就是監(jiān)控每個層級上的用戶轉化，尋找每個層級的可優(yōu)化點。對于沒有按照流程操作的用戶，專門繪制他們的轉化模型，縮短路徑提升用戶體驗。

PEST，也就是政治（Politics）、經(jīng)濟（Economy）、社會（Society）、技術（Technology），能從各個方面把握宏觀環(huán)境的現(xiàn)狀及變化趨勢，主要用戶行業(yè)分析。

宏觀環(huán)境又稱一般環(huán)境，是指影響一切行業(yè)和企業(yè)的各種宏觀力量。

對宏觀環(huán)境因素作分析時，由于不同行業(yè)和企業(yè)有其自身特點和經(jīng)營需要，分析的具體內容會有差異，但一般都應對政治、經(jīng)濟、技術、社會，這四大類影響企業(yè)的主要外部環(huán)境因素進行分析。

政治環(huán)境：政治體制、經(jīng)濟體制、財政政策、稅收政策、產業(yè)政策、投資政策等。

社會環(huán)境：人口規(guī)模、性別比例、年齡結構、生活力式、購買習慣、城市特點等。

技術環(huán)境：折舊和報廢速度、技術更新速度、技術傳播速度、技術商品化速度等。

經(jīng)濟環(huán)境：GDP 及增長率、進出口總額及增長率、利率、匯率、通貨膨脹率、消費價格指數(shù)、居民可支配收入、失業(yè)率、勞動生產率等。

5W2H，即為什么（Why）、什么事（What）、誰（Who）、什么時候（When）、什么地方（Where）、如何做（How）、什么價格（How much），主要用于用戶行為分析、業(yè)務問題專題分析、營銷活動等。

該分析方法又稱為七何分析法，是一個非常簡單、方便又實用的工具，以用戶購買行為為例：

Why：用戶為什么要買？產品的吸引點在哪里？

What：產品提供的功能是什么？

Who：用戶群體是什么？這個群體的特點是什么？

When：購買頻次是多少？

Where：產品在哪里最受歡迎？在哪里賣出去？

How：用戶怎么購買？購買方式什么？

How much：用戶購買的成本是多少？時間成本是多少？

SWOT分析法也叫態(tài)勢分析法，S （strengths）是優(yōu)勢、W （weaknesses）是劣勢，O （opportunities）是機會、T （threats）是威脅或風險。

SWOT分析法是用來確定企業(yè)自身的內部優(yōu)勢、劣勢和外部的機會和威脅等，通過調查列舉出來，并依照矩陣形式排列，然后用系統(tǒng)分析的思想，把各種因素相互匹配起來加以分析。

運用這種方法，可以對研究對象所處的情景進行全面、系統(tǒng)、準確的研究，從而將公司的戰(zhàn)略與公司內部資源、外部環(huán)境有機地結合起來。

4P即產品（Product）、價格（Price）、渠道（Place）、推廣（Promotion），在營銷領域，這種以市場為導向的營銷組合理論，被企業(yè)應用最普遍。

可以說企業(yè)的一切營銷動作都是在圍繞著4P理論進行，也就是將：產品、價格、渠道、推廣。通過將四者的結合、協(xié)調發(fā)展，從而提高企業(yè)的市場份額，達到最終獲利的目的。

產品：從市場營銷的角度來看，產品是指能夠提供給市場，被入們使用和消費并滿足人們某種需要的任何東西，包括有形產品、服務、人員、組織、觀念或它們的組合。

價格：是指顧客購買產品時的價格，包括基本價格、折扣價格、支付期限等。影響定價的主要因素有三個:需求、成本與競爭。

渠道：是指產品從生產企業(yè)流轉到用戶手上全過程中所經(jīng)歷的各個環(huán)節(jié)。

促銷：是指企業(yè)通過銷售行為的改變來刺激用戶消費，以短期的行為（比如讓利、買一送一，營銷現(xiàn)場氣氛等等)促成消費的增長，吸引其他品牌的用戶或導致提前消費來促進銷售的增長。廣告、宣傳推廣、人員推銷、銷售促進是一個機構促銷組合的四大要素。

邏輯樹又稱問題樹、演繹樹或分解樹等。它是把一個已知問題當成“主干”，然后開始考慮這個問題和哪些相關問題有關，也就是“分支”。邏輯樹能保證解決問題的過程的完整性，它能將工作細分為便于操作的任務，確定各部分的優(yōu)先順序，明確地把責任落實到個人。

邏輯樹的使用必須遵循以下三個原則：

要素化：把相同的問題總結歸納成要素。

框架化：將各個要素組織成框架。遵守不重不漏的原則。

關聯(lián)化：框架內的各要素保持必要的相互關系，簡單而不獨立。

AARRR模型是所有運營人員都要了解的一個數(shù)據(jù)模型，從整個用戶生命周期入手，包括獲?。ˋcquisition）、激活（Activition）、留存（Retention）、變現(xiàn)（Revenue）和傳播（Refer）。

每個環(huán)節(jié)分別對應生命周期的5個重要過程，即從獲取用戶，到提升活躍度，提升留存率，并獲取收入，直至最后形成病毒式傳播。

三、客戶識別的rfm模型指的是什么

RFM模型。

即：

最近一次消費(Recency)

消費頻率(Frequency)

消費金額(Monetary)

在眾多的客戶關系管理(CRM)的分析模式中，RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段。該機械模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢三項指標來描述該客戶的價值狀況。

四、基于RFM的客戶價值分析報告

項目背景

在面向客戶制定運營策略、營銷策略時，我們希望針對不同的客戶推行不同的策略，實現(xiàn)精準化運營，以期獲取最大的轉化率。精準化運營的前提是客戶分類。通過客戶分類，對客戶群體進行細分，區(qū)別出低價值客戶、高價值客戶，對不同的客戶群體開展不同的個性化服務，將有限的資源合理地分配給不同價值的客戶，實現(xiàn)效益最大化。在客戶分類中，RFM模型是一個經(jīng)典的分類模型，模型利用通用交易環(huán)節(jié)中最核心的三個維度——最近消費(Recency)、消費頻率(Frequency)、消費金額(Monetary)細分客戶群體，從而分析不同群體的客戶價值。

項目目標

本項目借助某電商客戶數(shù)據(jù)，探討如何對客戶群體進行細分，以及細分后如何利用RFM模型對客戶價值進行分析。在本項目中，主要希望實現(xiàn)以下三個目標：1.借助某電商客戶數(shù)據(jù)，對客戶進行群體分類；2.比較各細分群體的客戶價值；3.對不同價值的客戶制定相應的運營策略。

分析過程

1.數(shù)據(jù)預覽

我們的源數(shù)據(jù)是訂單表，記錄著用戶交易相關字段

通過數(shù)據(jù)可以發(fā)現(xiàn)，訂單狀態(tài)有交易成功和退款關閉的，檢查是否還有其他情況

只有這兩種情況，后續(xù)清洗中需剔除退款訂單。然后觀察數(shù)據(jù)類型與缺失情況

訂單一共28833行，沒有缺失，付款日期是時間格式，實付金額、郵費和購買數(shù)量是數(shù)值型，其他均為字符串類型

2. 數(shù)據(jù)清洗

(1)剔除退款

(2)關鍵字段提取：提取RFM模型所需要的買家昵稱，付款時間，實付金額

(3)關鍵字段構造：構建模型所需的三個字段，R(最近一次購買時間間隔),F(購買頻次),M(平均或累計購買金額)

首先構造R值，思路是按買家昵稱分組，選取付款日期最大值

為了得到最終的R值，用今天減去每位用戶最近一次付款時間，就得到R值了，這份訂單是7月1日生成的，所以這里我們把“2019-7-1”當作“今天”