ML之FE：RFM指标的简介意义应用之详细攻略

Posted 2022-06-08 一个处女座的程序猿

ML之FE：RFM指标的简介、意义、应用之详细攻略

目录

RFM指标的简介

RFM指标的意义

RFM指标的应用

---

RFM指标的简介

在众多的客户关系管理(CRM)的分析模型中，RFM模型是被广泛提到的。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。该模型通过一个客户的近期交易行为、交易的总体频率以及交易金额三项指标来描述该客户的价值状况，依据这三项指标划分8类客户价值：重要价值客户、重要唤回客户、重要深耕客户、重要挽留客户、潜力客户、新客户、一般维持客户、流失客户。

RFM模型三个指标		内容	影响因素	应用场景
R	Recency 距离最近一次购买时间 R 越小越好：最近购买的时间越近，客户对产品促销互动越大；客户价值越高。	表示客户最近一次消费距离现在的时间。 (1)、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。 (2)、如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。 (3)、历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至3个月的顾客收到营销人员的沟通信息多于3至6个月的顾客。	店铺记忆强度 接触机会多少 回购周期	决定接触策略 决定接触频次 决定刺激力度
F	Frequency 购买次数 F越大越好：客户购买的频率越高，客户就品牌的满意度就越大；	指客户在统计周期内购买商品的次数。 经常肯定比偶尔来一次的客户价值大。 注意：实操中实际店铺会受品类宽度的影响，比如空调四五年才买一次，馒头每天都要买一次。对于耐用品等，即使是忠实粉丝用户也很难在1年内购买多次。所以，有些店铺在运营RFM模型时，会把F值的时间范围去掉，替换成累计购买次数。	品牌忠诚度 店铺熟悉度 客户会员等级 购买习惯养成	决定资源投入 决定营销优先级 决定活动方案
M	Monetary 购买金额 M越大越好(区别高低消费客户)：货币价值（购买金额）将高消费客户和低消费客户区分开来；	消费金额是指客户在统计周期内消费的总金额。 消费越多的客户价值越大。 二八定律—公司80%的收入来自于20%的用户	消费能力 产品认可度	决定推荐商品 决定折扣门槛 决定活动方案

RFM指标的意义

衡量当前客户价值和客户潜在价值的重要工具和手段

         根据RFM模型，就可以根据在某一段时间内业务订单数据，统计客户最近的消费间隔、消费次数和消费金额。可以进一步地，再利用机器学习中的K-Means算法对客户进行聚类分群。当然，不仅仅可以局限于这三个数据字段，还可以根据业务需求，加入其他字段，进行调整模型。

RFM指标的应用

T1、基于RFM模型指标分段进行客户分组

RFM模型中的1~3个指标进行客户细分。切记细分指标需要在自己可操控的合理范围内，并非越多越好。一旦用户细分群组过多，一来会给自己的营销方案执行带来较大的难度，二来可能会遗漏用户群或者对同个用户造成多次打扰。

指标	客户分组	指标分段	营销策略
R值	活跃客户	90天未购买	密集的营销信息推送
	沉默客户	90~180天未购买	减少推送频率，提升优惠力度
	睡眠客户	180~360天未购买	大型活动时营销推送
	流失客户	360天未购买	超大型活动(比如双11、618等)
F值	新客户	购买1次	传递促销信息
	老客户	购买2次	传递品牌信息
	成熟客户	购买3次	传递新品/活动信息
	忠实客户	购买3次以上	传递会员活动和权益信息
M值	低贡献客户	1/2客单价以下	促销商品/折扣活动
	中贡献客户	1/2客单价~客单价	促销商品/折扣活动
	中高贡献客户	客单价~2倍客单价	形象商品/品牌活动
	高贡献客户	2倍客单价以上	形象商品/品牌活动

T2、基于RFM模型指标分段进行分组

利用RFM模型的三个属性对客户进行打分，通过打分确定每个用户的质量，最终筛选出合适的目标用户。可以根据实际情况，自定义RFM的分段及其对应分段的分值之后，就可以按照用户情况对应进行打分。

得分	R值分段	F值分段	M值分段
1	720天以上未购买	购买1次	100元以下
2	360~720天未购买	购买2次	100~200元
3	180~360天未购买	购买3次	200~500元
4	90~180天未购买	购买4次	500~1000元
5	90天未购买	购买5次	1000元以上