【Data】使用RFM模型进行客户细分

背景

如果是涉及到数据挖掘和分析工作,常常希望于有一套成熟系统的分析建模方法。
这个时代,不缺现成方法,缺的是从理论映射到实际解决方案的经验。
在客户精细化分析中,我了解到了RFM模型,在同别人的交流中,我看到别人通过RFM模型的分析思路,对特征工程的业务建模有一套非常流程化的思路。这让我非常感兴趣。

下面转入正题。
根据美国数据库营销研究所ArthurHughes的研究,客户数据库中有三个神奇的要素,这三个要素构成了数据分析较好的指标:

  • 最近一次消费(Recency)
  • 消费频率(Frequency)
  • 消费金额(Monetary)
    RFM分析原多用于传统营销、零售业等领域,适用于拥有多种消费品或快速消费品的行业,只要任何有数据记录的消费都可以被用于分析。那么对于电子商务网站来说,网站数据库中记录的详细的交易信息,同样可以运用RFM分析模型进行数据分析,尤其对于那些已经建立起客户关系管理(CRM)系统的网站来说,其分析的结果将更具意义。

介绍

RFM模型是衡量客户价值和客户创利能力的重要工具和手段。RFM分析模型主要由三个指标组成,下面对这三个指标的定义和作用做下简单解释:

  • 最近一次消费(Recency)意指用户上一次购买的时间,理论上,上一次消费时间越近的顾客应该是比较好的顾客,对提供即时的商品或是服务也最有可能会有反应。因为最近一次消费指标定义的是一个时间段,并且与当前时间相关,因此是一直在变动的。最近一次消费对营销来说是一个重要指标,涉及吸引客户,保持客户,并赢得客户的忠诚度。
    如果显示上一次购买很近的客户,(消费为1个月)人数如增加,则表示该公司是个稳健成长的公司;反之则是迈向不健全之路的征兆。
    要吸引一个几个月前才上门的顾客购买,比吸引一个一年多以前来过的顾客要容易得多。
  • 消费频率(Frequency)是顾客在一定时间段内的消费次数。最常购买的消费者,忠诚度也就较高,增加顾客购买的次数意味着从竞争对手处偷取市场占有率,由别人的手中赚取营业额。
    如果相信品牌及商店忠诚度的话,最常购买的消费者,忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率,由别人的手中赚取营业额。
  • 消费金额(Monetary)是对电子商务网站产能的最直接的衡量指标,也可以验证“帕雷托法则”(Pareto’sLaw)——公司80%的收入来自20%的顾客。

数据分析

在从数据库中提取相关数据之前,首先需要确定数据的时间跨度,根据网站销售的物品的差异,确定合适的时间跨度。如果经营的是快速消费品,如日用品,可以确定时间跨度为一个季度或者一个月;如果销售的产品更替的时间相对久些,如电子产品,可以确定时间跨度为一年、半年或者一个季度。在确定时间跨度之后就可以提取相应时间区间内的数据,其中:

  • 最近一次消费(Recency),取出来的数据是一个时间点,需要由当前时间点-最近一次消费时间点来作为该度量的值,注意单位的选择和统一,无论以小时、天为单位;
  • 消费频率(Frequency),这个指标可以直接在数据库中COUNT用户的消费次数得到;
  • 消费金额(Monetary),可以将每位客户的所有消费的金额相加(SUM)求得。

获取三个指标的数据以后,需要计算每个指标数据的均值,分别以AVG(R)、AVG(F)、AVG(M)来表示,最后通过将每位客户的三个指标与均值进行比较,可以将客户细分为8类:

缺陷不足

RFM分析只能分析有交易行为的用户,而对访问过网站但未消费的用户由于指标的限制无法进行分析,这样就无法发现潜在的客户。所以在分析电子商务网站的用户时,由于网站数据的丰富性——不仅拥有交易数据,而且可以收集到用户的浏览访问数据,可以扩展到更广阔的角度去观察用户。

参考资料

如何了解用户分层做到精细化运营?谈谈RFM模型的实际应用
老客户召回策略——RFM模型及应用