正文

RFM分析（rfm分析法名詞解釋）

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

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于RFM分析的問題，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(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相關業(yè)務請撥打電話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、客戶價值如何分析？看看這個RFM模型分析吧
3、rfm模型可用來分析商戶么
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(chǎn)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(chǎn)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(chǎn)品，是主打的明星產(chǎn)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(chǎn)品，屬于現(xiàn)金牛產(chǎn)品；

問題類：增長率高、占有率低，說明用戶需求高，但是本身產(chǎn)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(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，將一些沒有發(fā)展前景和市場潛力的產(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?qū)Ｗ⒂谀切┛梢詭碜畲笪磥砝娴目蛻?，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(chǎn)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(chǎn)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(zhì)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(zhuǎn)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(zhuǎn)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(zhuǎn)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(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)控每個層級上的用戶轉(zhuǎn)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(zhuǎn)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(nèi)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(chǎn)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(chǎn)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(chǎn)品的吸引點在哪里？

What：產(chǎn)品提供的功能是什么？

Who：用戶群體是什么？這個群體的特點是什么？

When：購買頻次是多少？

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(nèi)部優(yōu)勢、劣勢和外部的機會和威脅等，通過調(diào)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(nèi)部資源、外部環(huán)境有機地結合起來。

4P即產(chǎn)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(chǎn)品、價格、渠道、推廣。通過將四者的結合、協(xié)調(diào)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(chǎn)品：從市場營銷的角度來看，產(chǎn)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(chǎn)品、服務、人員、組織、觀念或它們的組合。

價格：是指顧客購買產(chǎn)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(chǎn)品從生產(chǎn)企業(yè)流轉(zhuǎn)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?qū)е绿崆跋M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(nèi)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。

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、rfm模型可用來分析商戶么

可以

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

監(jiān)控異常數(shù)據(jù)，如信用欺詐;

建立模型和預測，如產(chǎn)品分析;

關鍵變分析和預測，如潛在客戶分析;

預測分析，如客戶流失預測。

業(yè)務數(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記錄、分析和細化數(shù)據(jù)，并擬易于理解的格式顯示結果。簡單地說，業(yè)務數(shù)據(jù)分析使領導者能夠了解他們面臨的問題，并以有效的方式解決它們。數(shù)據(jù)本身就是事實和數(shù)字。數(shù)據(jù)分析人員通過在數(shù)據(jù)中尋找模式來結合業(yè)務問題提供有用的信息。然后，決策者可以利用這一背景采取行動，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分析只能對客戶的行為進行分析，包含的信息量有點少。一般來說，對人群進行分類，要綜合考慮其行為、態(tài)度、模式以及相關背景屬性，通過使用特定的方法，發(fā)現(xiàn)隱藏在這些信息背后的特征，將其分成幾個類別，每一類具有一定的共性，進而做出進一步的探索研究。這個分類的過程就是聚類分析。

聚類分析，就是按照個體的特征將它們分類，目的在于讓同一個類別內(nèi)的個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行分析，并制定出適用于不同類別的解決方案。

聚類可以對變量進行聚類，但是更常見的還是對個體進行聚類，也就是樣本聚類。例如對用戶、渠道、商品、員工等方面的聚類，聚類分析主要應用在市場細分、用戶細分等領域。

為了合理的聚類，需要采用適當?shù)闹笜藖砗饬垦芯繉ο笾g的聯(lián)系緊密程度，常用的指標有“距離”和“相似系數(shù)”，相似系數(shù)一般指的是相關系數(shù)。假設將研究對象采用點表示，聚類分析時，將“距離”較小的點或“相似系數(shù)”較大的點歸為同一類，將“距離”較大的點或“相似系數(shù)”較小的點歸為不同的類。

聚類分析具有如下特點：

1.對于聚類結果是未知的，不同的聚類分析方法可能得到不同的分類結果，或者相同的聚類分析方法但是所分析的變量不同，也會得到不同的聚類結果；

2.對于聚類結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，就認為聚類結果是可行的。

聚類分析可以應用于以下場景：

聚類分析的步驟：

（1）確定需要參與聚類分析的變量；

（2）對數(shù)據(jù)進行標準化處理；

因為各個變量間的變量值的數(shù)量級別差異較大或者單位不一致，例如一個變量的單位是元，另一個變量的單位是百分比，數(shù)量級別差異較大，而且單位也不一致，無法直接進行比較或者計算“距離”和“相似系數(shù)”等指標。

（3）選擇聚類方法和類別個數(shù)；

（4）聚類分析結果解讀；

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，讓個案向最近的聚類中心點聚集形成初始分類，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案（或變量）各視為一類，然后根據(jù)兩個類別之間的聚類或者相似性逐步合并，直到所有個案（或變量）合并為一個大類為止。實際上，系統(tǒng)聚類分析結果展現(xiàn)了每個個案的聚類過程和分類結果。系統(tǒng)聚類之后，要制作交叉表通過每一個類別的均值來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)展起來的一種智能聚類方法。整個聚類方法分為兩個步驟，第一個步驟是預聚類，就是根據(jù)定義的最大類別數(shù)對個案進行初步歸類；第二個步驟是正式聚類，就是對第一步得到的初步歸類進行再聚類并確定最終聚類結果，并且在這一步中，會根據(jù)一定的統(tǒng)計標準確定聚類的類別數(shù)。

（1）系統(tǒng)聚類分析不僅支持輸入單個分類數(shù)量，還支持輸入分類數(shù)量的范圍。這對于暫時無法確定類別數(shù)，或者想進行多類別數(shù)的結果比較時，非常方便。

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

譜系圖（樹狀圖）：它以樹狀的形式展現(xiàn)個案被分類的過程；

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)類型的測量方法。

其中，測量方法（度量標準）：

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

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

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

通過方法里的轉(zhuǎn)換值項來進行標準化處理。由于參與聚類分析的變量是連續(xù)變量，所以，【測量】應選擇【區(qū)間】項，方法為默認的【平方歐式距離】，標準化可以選擇【Z得分】，選擇按【變量項】，用以每個變量單獨進行標準化。

二階聚類分析能夠?qū)B續(xù)變量和分類變量同時進行處理，無需提前指定聚類的數(shù)目，二階聚類會自動分析并輸出最優(yōu)聚類數(shù)。二階聚類的自動聚類結果借由統(tǒng)計指標施瓦茲貝葉斯準則（BIC）幫助判斷最佳分類數(shù)量。判斷一個聚類方案的依據(jù)是BIC的數(shù)值越小，同時，“BIC變化量”的絕對值和“距離測量比率”數(shù)值越大，則說明聚類效果越好。

聚類分析屬于探索性數(shù)據(jù)分析方法，它沒有一個所謂的標準流程和答案，不同的數(shù)據(jù)有不同的適用方法，即使相同的數(shù)據(jù)，應用不同的方法也可能會得到不同的結果。只要能有效解決實際業(yè)務問題即可。

以上就是關于RFM分析相關問題的回答。希望能幫到你，如有更多相關問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。