如何利用RFM模型对客户进行精细化管理
如何利用RFM模型對客戶進行精細化管理
新零售相較于傳統零售來說，其中一個很重要的是人貨場的重構，從以商品為核心轉向以人為核心。所以現在的零售企業對消費者是越來越重視了，很多的企業都建立起了自己的會員體系，通過線上或者線下的渠道收集了大量的會員數據。但是如何有效的利用這些會員數據，如何通過這些會員數據識別出有價值的會員呢？
?
?
?
?
在眾多的客戶細分模型當中，RFM模型可以說是很多人第一個想到的模型，也是大部分運營人員都會接觸到的一個模型。RFM模型主要是通過最近一次消費頻率（Recency）、消費頻率（Frequency）、消費金額（Monetary）這三個指標去衡量客戶價值和客戶創利能力。
最近一次消費頻率（Recency）
代表著用戶距離現在最近的一次消費時間，這個最近一次消費時間距離現在越近越好，越近對我們越有價值。也就是說R值越小，表示客戶近期有交易發生，R值大了，客戶可能已經沉睡或者已經流失了。其中可能有些優質客戶，需要想辦法喚醒。
消費頻率（Frequency）
代表著用戶在一段時間內的消費頻次，這個消費頻次自然是是越頻繁越好了。也就是說F值越大表示用戶的消費越頻繁，反之則表示用戶不夠活躍。但是這個一段時間需要根據產品的屬性去設定，比如3C數碼產品，他們本身頻次就不可能太高的，不可能設置幾個月。而日用百貨的購買頻次就高了，不可能設置個幾年。
消費金額（Monetary）
代表著用戶在一段時間內的消費的金額（根據需求不同，可以算是每次的平均金額，也可以計算一定時間內消費的總金額），體現著消費者為企業的創利多少，消費越多的用戶越有價值。也就是說M值越高，表示客戶價值越高。這個值是比較重要的，大家都聽過二八定律，20%的用戶產生了80%的價值，這部分客戶對公司的營收來說很重要。
?
?
?
?
基于這三個指標，我們對客戶進行細分，以一家零售百貨超市為例子說明一下吧：
| R （最近一次消費頻率） | F （消費頻率） | M （消費金額） | |||
| 0 | ＜7天 | 0 | 1次 | 0 | ＜100元 |
| 1 | 7天-15天 | 1 | 2次 | 1 | 100元-299元 |
| 2 | 15天-30天 | 2 | 3次 | 2 | 300元-499元 |
| 3 | 30天-45天 | 3 | 4次 | 3 | 500元-699元 |
| 4 | 45天-60天 | 4 | 5次 | 4 | 700元-900元 |
| 5 | 大于60天 | 5 | ＞5次 | 5 | 大于900元 |
我們根據用戶最近一次消費的時間，兩個月內消費的頻次，消費的總金額將客戶細分成了5個等級。將0、1、2劃分為低值，3、4、5劃分為高值。
| R | F | M | 客戶類型 | 策略 |
| 低 | 低 | 低 | 一般挽留客戶 | 可放棄 |
| 低 | 高 | 低 | 一般保持客戶 | 流失召回 |
| 高 | 低 | 低 | 一般發展客戶 | 挖掘需求 |
| 高 | 高 | 低 | 一般價值客戶 | 刺激消費 |
| 低 | 低 | 高 | 重要挽留客戶 | 重點召回 |
| 低 | 高 | 高 | 重要保持客戶 | 用戶回流 |
| 高 | 低 | 高 | 重要發展客戶 | 提高頻次 |
| 高 | 高 | 高 | 重要價值客戶 | 保持 |
可以看出來，M值的重要性，當M指為高的時候，這個客戶就是重要客戶，當M值為低的時候，這個客戶就是一般客戶。我們根據客戶的數據，將客戶細分到相應的分組當中，針對不同的客戶采用不同的策略進行營銷。以個人近兩個月的超市購物數據為例：
| 序號 | 日期 | 金額 |
| 1 | 6月16日 | 61.8元 |
| 2 | 6月8日 | 78.9元 |
| 3 | 5月25日 | 74.6元 |
| 4 | 5月18日 | 63元 |
| 5 | 5月11日 | 58.7元 |
| 6 | 4月27日 | 58.3元 |
| 7 | 4月16日 | 53.9元 |
消費頻次7次，最近一次消費時間為3天前，消費總金額為449.2元，根據上述的RFM表格進行劃分的話，應當是屬于一般有價值客戶。針對我這樣的用戶，應該通過活動拉高我的消費單價，通過促銷、優惠券等方式，刺激消費。
而對于一般企業擁有大量的會員數據，我們可以通過excel表格簡單的if函數應用來進行篩選，或者使用專業的CRM客戶關系管理系統來處理。
| 用戶 | 最近一次 消費時間 | 消費頻次 | 消費金額 | R值 | F值 | M值 | 用戶類型 |
| 趙 | 1 | 5 | 348 | 低 | 高 | 低 | 一般保持用戶 |
| 錢 | 3 | 4 | 416 | 低 | 高 | 低 | 一般保持用戶 |
| 孫 | 2 | 2 | 842 | 低 | 低 | 高 | 重要挽留用戶 |
| 李 | 4 | 5 | 526 | 高 | 高 | 高 | 重要價值用戶 |
| 周 | 3 | 5 | 325 | 低 | 高 | 低 | 一般保持用戶 |
| 吳 | 5 | 2 | 41 | 高 | 低 | 低 | 一般挽留用戶 |
| 鄭 | 2 | 6 | 156 | 低 | 高 | 低 | 一般保持用戶 |
| 王 | 9 | 2 | 624 | 高 | 低 | 高 | 重要發展用戶 |
| 馮 | 2 | 1 | 741 | 低 | 低 | 高 | 重要挽留用戶 |
| 陳 | 5 | 3 | 267 | 高 | 低 | 低 | 一般挽留用戶 |
針對不同的企業，我們可以針對不同的數值進行分析，例如在論壇網站的話，可以抓取用戶的其他數據，R=最近的登錄時間，F=一段時間內的登錄次數，M=一段時間內的發帖互動數。而根據設定的閾值和設計的等級也應該隨著變化。
當然了，所有的數據，最后還是得回歸到運營上來，也可以加入更多維度的數據去分層。針對不同層次的用戶的政策，應當根據具體的行業和企業的實際來制定，結合企業的資源去實施。
總結
以上是生活随笔為你收集整理的如何利用RFM模型对客户进行精细化管理的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： php smarty 调试模式,Smar
- 下一篇： 北京市昌平区卫星地图离线包下载