客户价值如何分析？看看这个RFM模型分析吧

Question

如题所述

Answer 1

RFM模型用于分析客户价值，它需要提供三项数据，分别是最近一次消费 (Recency)，消费频率 (Frequency)，和消费金额 (Monetary)。最近一次消费指研究时间点减去用户最近一次消费的时间，得到的gap时间值，单位上是天或月或周或年均可，以实际业务情况为准。消费频率是研究数据范畴内用户的消费次数，消费金额指研究数据范畴内用户的消费总计金额。

RFM的原理在于将RFM这三项数据进行分类，首先是分成1~5分计分方式，然后接着将1~5分计分方式按平均值大小分成两类群体（高价值和低价值群体）。最后RFM分别为两类群体即2*2*2=8种组合，8种组合对应着8类价值人群，最终结合此8类价值人群提供有针对性的营销策略。

RFM模型研究客户价值情况，最终将客户分成8个不同的类别（8种用户类型）。具体RFM模型如何将数据划分为8种类别用户上，其内部计算上分为两步；

第一步：是将数据转换成1~5分计分方式（转化后分值越高代表价值越高），SPSSAU默认是按20%/40%/60%/80%分位数将数据计为1~5分。SPSSAU具体计分方式如下表所示：

第2步是将1~5分值，按分别对应的平均值进行划分，划分为0和1，数字0代表低价值群体，数字1代表高价值群体。如下表所示：

最后将RFM的组别建立组合，共计2*2*2=8种组合，即8种用户类型，如下表：

可以使用SPSSAU进行分析。

Answer 2

相信很多企业都希望服务好客户，促进销售转化，最好能对产品和品牌产生黏性，长期购买。于是绞尽脑汁去维护客户关系，但往往不是很理想，无感的依旧无感。为什么？因为不同的客户消费需求不一样。因此，对不同的客户进行价值划分，可以更好地帮助业务部门进行精准营销，为不同的客户定制不同的营销策略，以提高转化率。

那么如何对客户价值进行分析呢？这里我们可以通过RFM模型对客户进行细分：

R：最近一次消费（Recency），指客户最近交易日期距离当前天数。

F：消费频率（Frequency），表示客户在一定时期内的购买次数。

M：消费金额（Monetary），表示客户在一定时期内消费的平均金额。

通过这样的模型对客户价值划分后，我们可以将客户类型细分成：重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户，如下图所示：

借助上图所示的RFM模型分析，企业可以很直观的了解到不同客户所对应的价值。若想清晰的掌握不同客户类型下的客户数量及其所带来的销售额情况，我们可以借助下图帮助用户直观统计出不同类型客户的情况：

如图，我们可以看到，一般挽留客户与一般发展客户的数量最多，但其所带来的销售价值并不高，而重要价值客户所占数量不多，但却为企业带来了最大的收益价值。因此，企业可在面对不同类型的客户时，采取不同的销售策略，为企业带来更大的收益价值。

在对客户价值分析的过程中，我们还可以结合其他图表对客户进行分析，联动筛选出想要了解的客户情况：

如上图所示，我们可以借助此分析报表，筛选过滤出任意一家或多家客户的月度销售额、成本、平均单价、所购买的商品种类、笔数等指标数据的变化趋势，以及客户所购买的物料具体明细，帮助企业更清晰了解不同客户的销售价值，以此采取不同的销售应对策略。

当然，上述图表仅供参考，在实际中可另行修改设计。该分析模型制作完成后，借助数林BI对数据进行自定义更新设置后，后续数据可自动可从用友或金蝶系统中获取，帮助我们减少定期重复做表的繁琐，减轻工作量，从而提高工作效率。