正文

RFM分析（rfm分析法名詞解釋）

發(fā)布時(shí)間：2023-04-14 00:35:30 稿源：創(chuàng)意嶺閱讀： 145

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于RFM分析的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開(kāi)始之前先推薦一個(gè)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(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫(xiě)出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、常用的分析方法及模型有哪些?
2、客戶價(jià)值如何分析？看看這個(gè)RFM模型分析吧
3、rfm模型可用來(lái)分析商戶么
4、數(shù)據(jù)分析之聚類分析

RFM分析（rfm分析法名詞解釋）

一、常用的分析方法及模型有哪些?

1、RFM模型

RFM分析是客戶關(guān)系分析中一種簡(jiǎn)單實(shí)用客戶分析方法，將最近一次消費(fèi)、消費(fèi)頻率、消費(fèi)金額這三個(gè)要素構(gòu)成了數(shù)據(jù)分析最好的指標(biāo)，衡量客戶價(jià)值和客戶創(chuàng)利能力。

RFM分析也就是通過(guò)這個(gè)三個(gè)指標(biāo)對(duì)客戶進(jìn)行觀察和分類，針對(duì)不同的特征的客戶進(jìn)行相應(yīng)的營(yíng)銷策略。

R——最后交易距離當(dāng)前天數(shù)（Recency）

F——累計(jì)交易次數(shù)（Frequency）

M——累計(jì)交易金額（Monetary）

在這三個(gè)制約條件下，我們把M值大，也就是貢獻(xiàn)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(chǎn)生了8種不同的客戶類型：

重要價(jià)值客戶：復(fù)購(gòu)率高、購(gòu)買頻次高、花費(fèi)金額大的客戶，是價(jià)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(diǎn)保持；

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

重要挽留客戶：愿意花錢但是不常買、購(gòu)買頻次不多的客戶，我們要重點(diǎn)挽留；

一般價(jià)值客戶：復(fù)購(gòu)率高、購(gòu)買頻次高，但是花費(fèi)金額小的客戶，屬于一般價(jià)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(gòu)買頻次不高，最沒(méi)有價(jià)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(guò)RFM模型對(duì)客戶的終生價(jià)值做一個(gè)合理的預(yù)估，基于一個(gè)理想的客戶特征來(lái)衡量現(xiàn)實(shí)中客戶價(jià)值的高低，通過(guò)此類分析，定位最有可能成為品牌忠誠(chéng)客戶的群體，讓我們把主要精力放在最有價(jià)值的用戶身上。

波士頓模型最初是一個(gè)時(shí)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(gè)象限，以此便于對(duì)時(shí)間進(jìn)行有效的管理。

運(yùn)用在客戶分析中，也就是利用銷售額和利潤(rùn)這兩個(gè)重要指標(biāo)分為四個(gè)象限，對(duì)我們的客戶進(jìn)行分組。我們將這兩個(gè)維度作為橫縱坐標(biāo)軸分為四個(gè)象限，將產(chǎn)品或者服務(wù)分為下面四種類型：

明星類：增長(zhǎng)率高、占有率高，代表著十分成功的產(chǎn)品，是主打的明星產(chǎn)品；

金牛類：增長(zhǎng)率低、占有率高，已經(jīng)占據(jù)了市場(chǎng)但是沒(méi)有發(fā)展空間的產(chǎn)品，屬于現(xiàn)金牛產(chǎn)品；

問(wèn)題類：增長(zhǎng)率高、占有率低，說(shuō)明用戶需求高，但是本身產(chǎn)品有問(wèn)題，需要改進(jìn)優(yōu)化；

瘦狗類：增長(zhǎng)率低、占有率低，市場(chǎng)不認(rèn)可的失敗產(chǎn)品，需要盡快去除；

我們?nèi)绱朔诸惖哪康恼且鶕?jù)波士頓矩陣，將一些沒(méi)有發(fā)展前景和市場(chǎng)潛力的產(chǎn)品盡快淘汰掉，保證明星產(chǎn)品和現(xiàn)金牛產(chǎn)品的份額，從而搭配好產(chǎn)品或者業(yè)務(wù)的整個(gè)市場(chǎng)布局。

FineBI制作的波士頓模型實(shí)際使用：

如圖所示，每個(gè)銷售大區(qū)與每個(gè)銷售年份下的客戶分布，通過(guò)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(gè)非常有力的工具，可以幫助我們將雜亂無(wú)序的東西組塊整理，在使用矩陣的的時(shí)候，盡量選取縱向和橫向毫無(wú)關(guān)聯(lián)要素來(lái)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(jià)值，如果企業(yè)能夠?qū)Ｗ⒂谀切┛梢詭?lái)最大未來(lái)利益的客戶，就可以實(shí)現(xiàn)更好的運(yùn)營(yíng)。所以企業(yè)必須識(shí)別出這些客戶，CLV是對(duì)客戶未來(lái)利潤(rùn)的有效預(yù)測(cè)，它還有另外一個(gè)名字，叫做LTV （life time value)。

這里需要特別說(shuō)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(jì)算的不只是眼前顧客已經(jīng)產(chǎn)生的價(jià)值，還預(yù)測(cè)了未來(lái)價(jià)值。

CLV的計(jì)算公式有非常多，有的會(huì)非常復(fù)雜，主要在流失率這個(gè)環(huán)節(jié)和影響因素就相當(dāng)多，也有會(huì)加上投入成本，價(jià)值變化率和利率變化等等。

比較實(shí)用簡(jiǎn)單的是這種：

那對(duì)于CLV的應(yīng)用，可以從以下兩個(gè)模型來(lái)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(lái)：

帕累托原則，又稱二八原則，是關(guān)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(jié)果是由該系統(tǒng)中約20%的變量產(chǎn)生的。應(yīng)用在企業(yè)中，就是80%的利潤(rùn)來(lái)自于20%的項(xiàng)目或重要客戶。

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

模型的實(shí)際使用，某商場(chǎng)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(shuō)明需要增加大品牌客戶數(shù)量。

帶來(lái)大量銷售額的客戶必須認(rèn)真對(duì)待和維護(hù)，如果客戶數(shù)量大，尤其需要列出重點(diǎn)客戶重點(diǎn)跟進(jìn)，把有限的精力放在創(chuàng)造利潤(rùn)大的客戶上。

5、漏斗模型

漏斗模型本質(zhì)是分解和量化，為了方便大家理解，這里以營(yíng)銷漏斗模型舉例：

也就是說(shuō)營(yíng)銷的環(huán)節(jié)指的是從獲取用戶到最終轉(zhuǎn)化成購(gòu)買這整個(gè)流程中的一個(gè)個(gè)子環(huán)節(jié)，相鄰環(huán)節(jié)的轉(zhuǎn)化率則就是指用數(shù)據(jù)指標(biāo)來(lái)量化每一個(gè)步驟的表現(xiàn)。

所以整個(gè)漏斗模型就是先將一個(gè)完整的購(gòu)買流程拆分成一個(gè)個(gè)步驟，然后用轉(zhuǎn)化率來(lái)衡量每一個(gè)步驟的表現(xiàn)，最后通過(guò)異常的數(shù)據(jù)指標(biāo)找出有問(wèn)題的環(huán)節(jié)，然后解決該環(huán)節(jié)的問(wèn)題，最終達(dá)到提升整體購(gòu)買轉(zhuǎn)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(zhuǎn)化，我們要做的就是監(jiān)控每個(gè)層級(jí)上的用戶轉(zhuǎn)化，尋找每個(gè)層級(jí)的可優(yōu)化點(diǎn)。對(duì)于沒(méi)有按照流程操作的用戶，專門繪制他們的轉(zhuǎn)化模型，縮短路徑提升用戶體驗(yàn)。

PEST，也就是政治（Politics）、經(jīng)濟(jì)（Economy）、社會(huì)（Society）、技術(shù)（Technology），能從各個(gè)方面把握宏觀環(huán)境的現(xiàn)狀及變化趨勢(shì)，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(duì)宏觀環(huán)境因素作分析時(shí)，由于不同行業(yè)和企業(yè)有其自身特點(diǎn)和經(jīng)營(yíng)需要，分析的具體內(nèi)容會(huì)有差異，但一般都應(yīng)對(duì)政治、經(jīng)濟(jì)、技術(shù)、社會(huì)，這四大類影響企業(yè)的主要外部環(huán)境因素進(jìn)行分析。

政治環(huán)境：政治體制、經(jīng)濟(jì)體制、財(cái)政政策、稅收政策、產(chǎn)業(yè)政策、投資政策等。

社會(huì)環(huán)境：人口規(guī)模、性別比例、年齡結(jié)構(gòu)、生活力式、購(gòu)買習(xí)慣、城市特點(diǎn)等。

技術(shù)環(huán)境：折舊和報(bào)廢速度、技術(shù)更新速度、技術(shù)傳播速度、技術(shù)商品化速度等。

經(jīng)濟(jì)環(huán)境：GDP 及增長(zhǎng)率、進(jìn)出口總額及增長(zhǎng)率、利率、匯率、通貨膨脹率、消費(fèi)價(jià)格指數(shù)、居民可支配收入、失業(yè)率、勞動(dòng)生產(chǎn)率等。

5W2H，即為什么（Why）、什么事（What）、誰(shuí)（Who）、什么時(shí)候（When）、什么地方（Where）、如何做（How）、什么價(jià)格（How much），主要用于用戶行為分析、業(yè)務(wù)問(wèn)題專題分析、營(yíng)銷活動(dòng)等。

該分析方法又稱為七何分析法，是一個(gè)非常簡(jiǎn)單、方便又實(shí)用的工具，以用戶購(gòu)買行為為例：

Why：用戶為什么要買？產(chǎn)品的吸引點(diǎn)在哪里？

What：產(chǎn)品提供的功能是什么？

Who：用戶群體是什么？這個(gè)群體的特點(diǎn)是什么？

When：購(gòu)買頻次是多少？

Where：產(chǎn)品在哪里最受歡迎？在哪里賣出去？

How：用戶怎么購(gòu)買？購(gòu)買方式什么？

How much：用戶購(gòu)買的成本是多少？時(shí)間成本是多少？

SWOT分析法也叫態(tài)勢(shì)分析法，S （strengths）是優(yōu)勢(shì)、W （weaknesses）是劣勢(shì)，O （opportunities）是機(jī)會(huì)、T （threats）是威脅或風(fēng)險(xiǎn)。

SWOT分析法是用來(lái)確定企業(yè)自身的內(nèi)部?jī)?yōu)勢(shì)、劣勢(shì)和外部的機(jī)會(huì)和威脅等，通過(guò)調(diào)查列舉出來(lái)，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(lái)加以分析。

運(yùn)用這種方法，可以對(duì)研究對(duì)象所處的情景進(jìn)行全面、系統(tǒng)、準(zhǔn)確的研究，從而將公司的戰(zhàn)略與公司內(nèi)部資源、外部環(huán)境有機(jī)地結(jié)合起來(lái)。

4P即產(chǎn)品（Product）、價(jià)格（Price）、渠道（Place）、推廣（Promotion），在營(yíng)銷領(lǐng)域，這種以市場(chǎng)為導(dǎo)向的營(yíng)銷組合理論，被企業(yè)應(yīng)用最普遍。

可以說(shuō)企業(yè)的一切營(yíng)銷動(dòng)作都是在圍繞著4P理論進(jìn)行，也就是將：產(chǎn)品、價(jià)格、渠道、推廣。通過(guò)將四者的結(jié)合、協(xié)調(diào)發(fā)展，從而提高企業(yè)的市場(chǎng)份額，達(dá)到最終獲利的目的。

產(chǎn)品：從市場(chǎng)營(yíng)銷的角度來(lái)看，產(chǎn)品是指能夠提供給市場(chǎng)，被入們使用和消費(fèi)并滿足人們某種需要的任何東西，包括有形產(chǎn)品、服務(wù)、人員、組織、觀念或它們的組合。

價(jià)格：是指顧客購(gòu)買產(chǎn)品時(shí)的價(jià)格，包括基本價(jià)格、折扣價(jià)格、支付期限等。影響定價(jià)的主要因素有三個(gè):需求、成本與競(jìng)爭(zhēng)。

渠道：是指產(chǎn)品從生產(chǎn)企業(yè)流轉(zhuǎn)到用戶手上全過(guò)程中所經(jīng)歷的各個(gè)環(huán)節(jié)。

促銷：是指企業(yè)通過(guò)銷售行為的改變來(lái)刺激用戶消費(fèi)，以短期的行為（比如讓利、買一送一，營(yíng)銷現(xiàn)場(chǎng)氣氛等等)促成消費(fèi)的增長(zhǎng)，吸引其他品牌的用戶或?qū)е绿崆跋M(fèi)來(lái)促進(jìn)銷售的增長(zhǎng)。廣告、宣傳推廣、人員推銷、銷售促進(jìn)是一個(gè)機(jī)構(gòu)促銷組合的四大要素。

邏輯樹(shù)又稱問(wèn)題樹(shù)、演繹樹(shù)或分解樹(shù)等。它是把一個(gè)已知問(wèn)題當(dāng)成“主干”，然后開(kāi)始考慮這個(gè)問(wèn)題和哪些相關(guān)問(wèn)題有關(guān)，也就是“分支”。邏輯樹(shù)能保證解決問(wèn)題的過(guò)程的完整性，它能將工作細(xì)分為便于操作的任務(wù)，確定各部分的優(yōu)先順序，明確地把責(zé)任落實(shí)到個(gè)人。

邏輯樹(shù)的使用必須遵循以下三個(gè)原則：

要素化：把相同的問(wèn)題總結(jié)歸納成要素。

框架化：將各個(gè)要素組織成框架。遵守不重不漏的原則。

關(guān)聯(lián)化：框架內(nèi)的各要素保持必要的相互關(guān)系，簡(jiǎn)單而不獨(dú)立。

AARRR模型是所有運(yùn)營(yíng)人員都要了解的一個(gè)數(shù)據(jù)模型，從整個(gè)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(gè)環(huán)節(jié)分別對(duì)應(yīng)生命周期的5個(gè)重要過(guò)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。

二、客戶價(jià)值如何分析？看看這個(gè)RFM模型分析吧

相信很多企業(yè)都希望服務(wù)好客戶，促進(jìn)銷售轉(zhuǎn)化，最好能對(duì)產(chǎn)品和品牌產(chǎn)生黏性，長(zhǎng)期購(gòu)買。于是絞盡腦汁去維護(hù)客戶關(guān)系，但往往不是很理想，無(wú)感的依舊無(wú)感。為什么？因?yàn)椴煌目蛻粝M(fèi)需求不一樣。因此，對(duì)不同的客戶進(jìn)行價(jià)值劃分，可以更好地幫助業(yè)務(wù)部門進(jìn)行精準(zhǔn)營(yíng)銷，為不同的客戶定制不同的營(yíng)銷策略，以提高轉(zhuǎn)化率。

那么如何對(duì)客戶價(jià)值進(jìn)行分析呢？這里我們可以通過(guò)RFM模型對(duì)客戶進(jìn)行細(xì)分：

R：最近一次消費(fèi)（Recency），指客戶最近交易日期距離當(dāng)前天數(shù)。

F：消費(fèi)頻率（Frequency），表示客戶在一定時(shí)期內(nèi)的購(gòu)買次數(shù)。

M：消費(fèi)金額（Monetary），表示客戶在一定時(shí)期內(nèi)消費(fèi)的平均金額。

通過(guò)這樣的模型對(duì)客戶價(jià)值劃分后，我們可以將客戶類型細(xì)分成：重要價(jià)值客戶、重要發(fā)展客戶、重要保持客戶、重要挽留客戶、一般價(jià)值客戶、一般發(fā)展客戶、一般保持客戶、一般挽留客戶，如下圖所示：

借助上圖所示的RFM模型分析，企業(yè)可以很直觀的了解到不同客戶所對(duì)應(yīng)的價(jià)值。若想清晰的掌握不同客戶類型下的客戶數(shù)量及其所帶來(lái)的銷售額情況，我們可以借助下圖幫助用戶直觀統(tǒng)計(jì)出不同類型客戶的情況：

如圖，我們可以看到，一般挽留客戶與一般發(fā)展客戶的數(shù)量最多，但其所帶來(lái)的銷售價(jià)值并不高，而重要價(jià)值客戶所占數(shù)量不多，但卻為企業(yè)帶來(lái)了最大的收益價(jià)值。因此，企業(yè)可在面對(duì)不同類型的客戶時(shí)，采取不同的銷售策略，為企業(yè)帶來(lái)更大的收益價(jià)值。

在對(duì)客戶價(jià)值分析的過(guò)程中，我們還可以結(jié)合其他圖表對(duì)客戶進(jìn)行分析，聯(lián)動(dòng)篩選出想要了解的客戶情況：

如上圖所示，我們可以借助此分析報(bào)表，篩選過(guò)濾出任意一家或多家客戶的月度銷售額、成本、平均單價(jià)、所購(gòu)買的商品種類、筆數(shù)等指標(biāo)數(shù)據(jù)的變化趨勢(shì)，以及客戶所購(gòu)買的物料具體明細(xì)，幫助企業(yè)更清晰了解不同客戶的銷售價(jià)值，以此采取不同的銷售應(yīng)對(duì)策略。

當(dāng)然，上述圖表僅供參考，在實(shí)際中可另行修改設(shè)計(jì)。該分析模型制作完成后，借助數(shù)林BI對(duì)數(shù)據(jù)進(jìn)行自定義更新設(shè)置后，后續(xù)數(shù)據(jù)可自動(dòng)可從用友或金蝶系統(tǒng)中獲取，幫助我們減少定期重復(fù)做表的繁瑣，減輕工作量，從而提高工作效率。

三、rfm模型可用來(lái)分析商戶么

可以

商業(yè)數(shù)據(jù)分析是基于業(yè)務(wù)理論，從數(shù)據(jù)分析入手，依托統(tǒng)計(jì)工具，以決策優(yōu)化為目的，洞察數(shù)據(jù)背后的規(guī)律，為業(yè)務(wù)創(chuàng)造最大價(jià)值。主要用于:

監(jiān)控異常數(shù)據(jù)，如信用欺詐;

建立模型和預(yù)測(cè)，如產(chǎn)品分析;

關(guān)鍵變分析和預(yù)測(cè)，如潛在客戶分析;

預(yù)測(cè)分析，如客戶流失預(yù)測(cè)。

業(yè)務(wù)數(shù)據(jù)分析不僅僅是為管理提供各種數(shù)據(jù)。它需要更深入的方法來(lái)記錄、分析和細(xì)化數(shù)據(jù)，并擬易于理解的格式顯示結(jié)果。簡(jiǎn)單地說(shuō)，業(yè)務(wù)數(shù)據(jù)分析使領(lǐng)導(dǎo)者能夠了解他們面臨的問(wèn)題，并以有效的方式解決它們。數(shù)據(jù)本身就是事實(shí)和數(shù)字。數(shù)據(jù)分析人員通過(guò)在數(shù)據(jù)中尋找模式來(lái)結(jié)合業(yè)務(wù)問(wèn)題提供有用的信息。然后，決策者可以利用這一背景采取行動(dòng)，提高生產(chǎn)率和企業(yè)盈利能力。

四、數(shù)據(jù)分析之聚類分析

RFM分析只能對(duì)客戶的行為進(jìn)行分析，包含的信息量有點(diǎn)少。一般來(lái)說(shuō)，對(duì)人群進(jìn)行分類，要綜合考慮其行為、態(tài)度、模式以及相關(guān)背景屬性，通過(guò)使用特定的方法，發(fā)現(xiàn)隱藏在這些信息背后的特征，將其分成幾個(gè)類別，每一類具有一定的共性，進(jìn)而做出進(jìn)一步的探索研究。這個(gè)分類的過(guò)程就是聚類分析。

聚類分析，就是按照個(gè)體的特征將它們分類，目的在于讓同一個(gè)類別內(nèi)的個(gè)體之間具有較高的相似度，而不同類別之間具有較大的差異性。這樣，就能夠根據(jù)不同類別的特征有的放矢地進(jìn)行分析，并制定出適用于不同類別的解決方案。

聚類可以對(duì)變量進(jìn)行聚類，但是更常見(jiàn)的還是對(duì)個(gè)體進(jìn)行聚類，也就是樣本聚類。例如對(duì)用戶、渠道、商品、員工等方面的聚類，聚類分析主要應(yīng)用在市場(chǎng)細(xì)分、用戶細(xì)分等領(lǐng)域。

為了合理的聚類，需要采用適當(dāng)?shù)闹笜?biāo)來(lái)衡量研究對(duì)象之間的聯(lián)系緊密程度，常用的指標(biāo)有“距離”和“相似系數(shù)”，相似系數(shù)一般指的是相關(guān)系數(shù)。假設(shè)將研究對(duì)象采用點(diǎn)表示，聚類分析時(shí)，將“距離”較小的點(diǎn)或“相似系數(shù)”較大的點(diǎn)歸為同一類，將“距離”較大的點(diǎn)或“相似系數(shù)”較小的點(diǎn)歸為不同的類。

聚類分析具有如下特點(diǎn)：

1.對(duì)于聚類結(jié)果是未知的，不同的聚類分析方法可能得到不同的分類結(jié)果，或者相同的聚類分析方法但是所分析的變量不同，也會(huì)得到不同的聚類結(jié)果；

2.對(duì)于聚類結(jié)果的合理性判斷比較主觀，只要類別內(nèi)相似性和類別間差異性都能得到合理的解釋和判斷，就認(rèn)為聚類結(jié)果是可行的。

聚類分析可以應(yīng)用于以下場(chǎng)景：

聚類分析的步驟：

（1）確定需要參與聚類分析的變量；

（2）對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

因?yàn)楦鱾€(gè)變量間的變量值的數(shù)量級(jí)別差異較大或者單位不一致，例如一個(gè)變量的單位是元，另一個(gè)變量的單位是百分比，數(shù)量級(jí)別差異較大，而且單位也不一致，無(wú)法直接進(jìn)行比較或者計(jì)算“距離”和“相似系數(shù)”等指標(biāo)。

（3）選擇聚類方法和類別個(gè)數(shù)；

（4）聚類分析結(jié)果解讀；

常用的聚類方法包括：

1.快速聚類：也稱K均值聚類，它是按照一定的方法選取一批聚類中心點(diǎn)，讓個(gè)案向最近的聚類中心點(diǎn)聚集形成初始分類，然后按照最近距離原則調(diào)整不合理的分類，直到分類合理為止。

2.系統(tǒng)聚類：也稱層次聚類，首先將參與聚類的個(gè)案（或變量）各視為一類，然后根據(jù)兩個(gè)類別之間的聚類或者相似性逐步合并，直到所有個(gè)案（或變量）合并為一個(gè)大類為止。實(shí)際上，系統(tǒng)聚類分析結(jié)果展現(xiàn)了每個(gè)個(gè)案的聚類過(guò)程和分類結(jié)果。系統(tǒng)聚類之后，要制作交叉表通過(guò)每一個(gè)類別的均值來(lái)了解每一類別的特征。

3.二階聚類：也稱兩步聚類，它是隨著人工智能的發(fā)展起來(lái)的一種智能聚類方法。整個(gè)聚類方法分為兩個(gè)步驟，第一個(gè)步驟是預(yù)聚類，就是根據(jù)定義的最大類別數(shù)對(duì)個(gè)案進(jìn)行初步歸類；第二個(gè)步驟是正式聚類，就是對(duì)第一步得到的初步歸類進(jìn)行再聚類并確定最終聚類結(jié)果，并且在這一步中，會(huì)根據(jù)一定的統(tǒng)計(jì)標(biāo)準(zhǔn)確定聚類的類別數(shù)。

（1）系統(tǒng)聚類分析不僅支持輸入單個(gè)分類數(shù)量，還支持輸入分類數(shù)量的范圍。這對(duì)于暫時(shí)無(wú)法確定類別數(shù)，或者想進(jìn)行多類別數(shù)的結(jié)果比較時(shí)，非常方便。

（2）系統(tǒng)聚類分析支持生成聚類結(jié)果圖，從而更加直觀地查看聚類過(guò)程。系統(tǒng)聚類分析支持兩種圖形：

譜系圖（樹(shù)狀圖）：它以樹(shù)狀的形式展現(xiàn)個(gè)案被分類的過(guò)程；

冰柱圖：它以“X”的形式顯示全部類別或指定類別數(shù)的分類過(guò)程。

（3）系統(tǒng)聚類分析提供多種聚類方法和適用于不同數(shù)據(jù)類型的測(cè)量方法。

其中，測(cè)量方法（度量標(biāo)準(zhǔn)）：

（i）區(qū)間：適用于連續(xù)變量，雖然SPSS提供了8種測(cè)量方法，但是通常選用默認(rèn)的【平方歐式距離】即可。

（ii）計(jì)數(shù)：適用于連續(xù)或分類變量，SPSS提供了2種測(cè)量方法，通常選用【卡式測(cè)量】即可。

（iii）二元：適用于0/1分類變量，SPSS提供多達(dá)27種測(cè)量方法，通常選用【平方歐式距離】即可。

通過(guò)方法里的轉(zhuǎn)換值項(xiàng)來(lái)進(jìn)行標(biāo)準(zhǔn)化處理。由于參與聚類分析的變量是連續(xù)變量，所以，【測(cè)量】應(yīng)選擇【區(qū)間】項(xiàng)，方法為默認(rèn)的【平方歐式距離】，標(biāo)準(zhǔn)化可以選擇【Z得分】，選擇按【變量項(xiàng)】，用以每個(gè)變量單獨(dú)進(jìn)行標(biāo)準(zhǔn)化。

二階聚類分析能夠?qū)B續(xù)變量和分類變量同時(shí)進(jìn)行處理，無(wú)需提前指定聚類的數(shù)目，二階聚類會(huì)自動(dòng)分析并輸出最優(yōu)聚類數(shù)。二階聚類的自動(dòng)聚類結(jié)果借由統(tǒng)計(jì)指標(biāo)施瓦茲貝葉斯準(zhǔn)則（BIC）幫助判斷最佳分類數(shù)量。判斷一個(gè)聚類方案的依據(jù)是BIC的數(shù)值越小，同時(shí)，“BIC變化量”的絕對(duì)值和“距離測(cè)量比率”數(shù)值越大，則說(shuō)明聚類效果越好。

聚類分析屬于探索性數(shù)據(jù)分析方法，它沒(méi)有一個(gè)所謂的標(biāo)準(zhǔn)流程和答案，不同的數(shù)據(jù)有不同的適用方法，即使相同的數(shù)據(jù)，應(yīng)用不同的方法也可能會(huì)得到不同的結(jié)果。只要能有效解決實(shí)際業(yè)務(wù)問(wèn)題即可。

以上就是關(guān)于RFM分析相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。