正文

rfm分析方法（rfm分析法怎么做）

發(fā)布時間：2023-04-14 03:48:16 稿源：創(chuàng)意嶺閱讀： 87

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于rfm分析方法的問題，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(guān)鍵詞，就能返回你想要的內(nèi)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(nèi)優(yōu)秀的企業(yè)，服務客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、如何使用SPSS Modeler進行RFM分析
2、客戶價值如何分析？看看這個RFM模型分析吧
3、用戶體系搭建（二）——如何用RFM劃定用戶層級
4、如何分析RFM模型才能最有效，才能真正起到精細化運營的作用？

rfm分析方法（rfm分析法怎么做）

一、如何使用SPSS Modeler進行RFM分析

在軟件下方的“源”面板中選擇“可變文件”節(jié)點，把數(shù)據(jù)讀入到節(jié)點中。

在軟件下方的“源”面板中選擇“排序”節(jié)點，根據(jù)顧客ID進行排序，排序的目的是為加快計算速度。

在軟件下方的“源”面板中選擇“RFM匯總”節(jié)點，進行RFM匯總，此處注意，如果要查看匯總結(jié)果，要選擇一個表節(jié)點查看，否則無法運行。

在軟件下方的“源”面板中選擇“RFM分析”節(jié)點，運行進行RFM分析，分析的結(jié)果是每個顧客的RFM得分。

在軟件下方的“源”面板中選擇“排序”、“樣本”節(jié)點對顧客的得分進行排序并選擇出前n名的顧客ID，篩選的出的顧客為重點顧客，可以作為促銷目標用戶。

二、客戶價值如何分析？看看這個RFM模型分析吧

相信很多企業(yè)都希望服務好客戶，促進銷售轉(zhuǎn)化，最好能對產(chǎn)品和品牌產(chǎn)生黏性，長期購買。于是絞盡腦汁去維護客戶關(guān)系，但往往不是很理想，無感的依舊無感。為什么？因為不同的客戶消費需求不一樣。因此，對不同的客戶進行價值劃分，可以更好地幫助業(yè)務部門進行精準營銷，為不同的客戶定制不同的營銷策略，以提高轉(zhuǎn)化率。

那么如何對客戶價值進行分析呢？這里我們可以通過RFM模型對客戶進行細分：

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

F：消費頻率（Frequency），表示客戶在一定時期內(nèi)的購買次數(shù)。

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

通過這樣的模型對客戶價值劃分后，我們可以將客戶類型細分成：重要價值客戶、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應的價值。若想清晰的掌握不同客戶類型下的客戶數(shù)量及其所帶來的銷售額情況，我們可以借助下圖幫助用戶直觀統(tǒng)計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，但其所帶來的銷售價值并不高，而重要價值客戶所占數(shù)量不多，但卻為企業(yè)帶來了最大的收益價值。因此，企業(yè)可在面對不同類型的客戶時，采取不同的銷售策略，為企業(yè)帶來更大的收益價值。

在對客戶價值分析的過程中，我們還可以結(jié)合其他圖表對客戶進行分析，聯(lián)動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表，篩選過濾出任意一家或多家客戶的月度銷售額、成本、平均單價、所購買的商品種類、筆數(shù)等指標數(shù)據(jù)的變化趨勢，以及客戶所購買的物料具體明細，幫助企業(yè)更清晰了解不同客戶的銷售價值，以此采取不同的銷售應對策略。

當然，上述圖表僅供參考，在實際中可另行修改設計。該分析模型制作完成后，借助數(shù)林BI對數(shù)據(jù)進行自定義更新設置后，后續(xù)數(shù)據(jù)可自動可從用友或金蝶系統(tǒng)中獲取，幫助我們減少定期重復做表的繁瑣，減輕工作量，從而提高工作效率。

三、用戶體系搭建（二）——如何用RFM劃定用戶層級

RFM是很傳統(tǒng)的數(shù)據(jù)分析模型，幾乎所有文章都會提到它，然而市面上RFM模型很多只是講解了如何通過RFM解決和劃定用戶群體，但是很少有詳細說明RFM模型的計算方式，本文講解RFM模型的含義及應用以及如何使用SPSS計算RFM模型。

1、RFM模型概述

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。在眾多的客戶關(guān)系管理的分析模式中，RFM模型是被廣泛提到的。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3項指標來描述該客戶的價值狀況。（摘自百度百科）

以上是百度百科對RFM模型的描述，說的比較復雜，簡單的來講RFM是通過統(tǒng)計用戶最近購買時間（R），購買的次數(shù)（F），購買的金額（M）這三個維度來描述用戶在群體中的位置。對于這三個維度的描述具體如下：

基于這三個維度，將每個維度分為高低兩種情況，我們構(gòu)建出了一個三維的坐標系。

通過圖表很直觀的發(fā)現(xiàn)，我們把客戶分為了2的三次方也就是8個群體。

2、RFM模型取數(shù)方法

根據(jù)RFM模型的定義，我們可以很容易的推導出，RFM模型的數(shù)據(jù)取數(shù)內(nèi)容主要包括三個字段即：最近購買時間、最近購買次數(shù)、消費金額。但是在實際工作中也會有問題是我們要計算每個用戶的購買時間、購買次數(shù)費事費力，所以一般也可以通過統(tǒng)計訂單來進行計算。

當我們通過訂單進行統(tǒng)計時需要包含以下字段

當我們準備好以上數(shù)據(jù)時就可以開始準備計算RFM模型

考慮不少人不是很了解SPSS，下面也將包含一些SPSS基礎功能的講解

1、設置度量標準

SPSS分為數(shù)據(jù)視圖和變量視圖，在開始前需要在變量視圖中設置數(shù)據(jù)類型

SPSS中數(shù)據(jù)類型包括度量、名義、序號，

2、設置變量類型及寬度

變量類型是定義該變量是何種類，點擊類型彈出變量類型選擇彈窗

寬度定義變量的展示位數(shù)，對于Order_id、User_id等需要注意變量長度，讓這兩個字段完全展示。

另外對于，Create_time這一字段應選用日期這一類型并選擇yyyy:mm:dd

我們可以直接將excel里的數(shù)據(jù)直接復制過來。

4、選擇分析模型分析

Step1：選擇分析模型

完成數(shù)據(jù)準備后選擇直銷——RFM分析，不同漢化版本翻譯可能稍有不同

Step2：選擇數(shù)據(jù)格式

由于我們使用的是訂單記錄，所以我們選用交易數(shù)據(jù)

Stpe4:SPSS執(zhí)行RFM分析

SPSS完成分析后，會生成一個新的數(shù)據(jù)文件，記錄每個客戶的最近一次交易日期、交易總次數(shù)、交易總金額、RS/FS/MS分值、RFM匯總分值。

RFM匯總分值=RS分值 100+FS分值 10+MS分值。

選用分析—描述統(tǒng)計——描述這一方法計算RS\FS\MS均值

最終可得如下結(jié)果

選擇"重新編碼為不同變量"，先對客戶的RS進行高低轉(zhuǎn)化。

依據(jù)上表，逐個設置各客戶類型所對應的數(shù)據(jù)規(guī)則。

設置客戶類型=1的數(shù)據(jù)規(guī)則，操作如下：

重復以上操作設定不同數(shù)據(jù)類型

最后將將客戶類型編碼1、2、3、4、5、6、7、8轉(zhuǎn)換成實際客戶類型：

最終，可得出如下結(jié)果

四、如何分析RFM模型才能最有效，才能真正起到精細化運營的作用？

舉一個互聯(lián)網(wǎng)餐飲的例子~來證明如何分析RFM模型：

如何通過外賣訂單數(shù)據(jù)，分析用戶的基本屬性；

用戶的訂單上都有訂餐地址，通過對于訂餐地址的統(tǒng)計，我們可以查詢到不同條件組合下的用戶分布，甚至能知道喜歡某道菜的用戶都在哪里。類似的用戶數(shù)據(jù)挖掘，還可以根據(jù)復購構(gòu)成、復購用戶跨平臺使用情況、性別組成做更精細化的分析。值得注意的是，數(shù)據(jù)平臺間的差異還是蠻大的，有利于針對不同平臺做出不同的營銷策略。

上面這些最基本的用戶屬性對于精細化運營還是不夠的。因為這些信息無法幫助你解決下面四個問題——

1.誰是我的重要價值客戶，他們都有什么特點？

2.誰是我需要重點保持聯(lián)系的客戶，他們都有什么特點？

3.誰是我的重要發(fā)展客戶，他們都有什么特點？

4.誰是我的重要挽留客戶，他們都有什么特點？

2.如何通過RFM模型，為用戶分群，實現(xiàn)精細化運營

　RFM模型是一個被廣泛使用的客戶關(guān)系分析模型，主要以用戶行為來區(qū)分客戶，RFM分別是：

R = Recency 最近一次消費

F = Frequency 消費頻率

M = Monetary 消費金額

需要詳細了解以上三個指標定義的，百度會將維度再細分出5份，這樣就能夠細分出5x5x5=125類用戶，再根據(jù)每類用戶精準營銷……顯然125類用戶已超出普通人腦的計算范疇了，更別說針對125類用戶量體定制營銷策略。實際運用上，我們只需要把每個唯獨做一次兩分即可，這樣在3個維度上我們依然得到了8組用戶。

重要價值客戶（111）：最近消費時間近、消費頻次和消費金額都很高，必須是VIP??！

重要保持客戶（011）：最近消費時間較遠，但消費頻次和金額都很高，說明這是個一段時間沒來的忠實客戶，我們需要主動和他保持聯(lián)系。

重要發(fā)展客戶（101）：最近消費時間較近、消費金額高，但頻次不高，忠誠度不高，很有潛力的用戶，必須重點發(fā)展。

重要挽留客戶（001）：最近消費時間較遠、消費頻次不高，但消費金額高的用戶，可能是將要流失或者已經(jīng)要流失的用戶，應當基于挽留措施。

rfm分析方法（rfm分析法怎么做）