翔宇：數(shù)據(jù)分析之RFM分析法

大家好，我是翔宇！今天我們來了解做數(shù)據(jù)分析一定要會的分析方法之一—-RFM分析法。

想知道你在電商平臺心里的地位嗎？學(xué)會RFM分析法，你自然知道

相信大家在前天的雙十一一定也多多少少貢獻了自己的力量了吧！

剁手然后吃土，那么你是否思考過你在眼里是上帝還是可有可無？基于這個問題，今天我特意來和大家聊聊RFM模型，了解RFM模型之后，上面的問題將迎刃而解。如果我直接將RMF的原理及實現(xiàn)，我怕各位立馬劃走，所以，我們先來看看有趣的場景，再根據(jù)此場景逐步剖析RFM。

場景

公司里面有這樣一個場景，一個搞食品的公司在某一個月突然就發(fā)現(xiàn)相比上個月來說月銷售極度下跌，老板驚慌失措，找來下屬分析原因，但是沒有一個人能夠清楚的講出導(dǎo)致此次事故的重要原因。后來發(fā)現(xiàn)，這個公司出現(xiàn)這樣的情況可謂真的是活該，因為他們連一個數(shù)據(jù)分析師都沒有。聽了高人的建議后，找來了數(shù)據(jù)分析師，果不其然，在了解大致描述后，只見數(shù)據(jù)分析師花了一個下午利用Excel做了一些簡單的統(tǒng)計圖表，便直接給出了導(dǎo)致銷售額下降的原因。原因是，重要“價值客戶“流失。后來找到并查看了“重要價值客戶”名單以及其此月的銷售額貢獻情況。證實了數(shù)據(jù)分析師得出的結(jié)論的確是正確的。那么，到底數(shù)據(jù)分析師是怎樣從數(shù)據(jù)之中得到連相關(guān)人員都不知道的情況的呢？

RFM模型

上面的場景中，數(shù)據(jù)分析師是如何找到原因的呢？他能解決這樣的問題用到的就是我們這里要講的RFM模型。首先我們先來介紹一下三個字母的意思。實際上這三個字母分別代表以下三個指標。

R 最近1次消費時間間隔（Recency）

F 消費頻率（Frequency）

M 消費金額（Monetary）：一段時間內(nèi)消費的總金額（“一段時間”通常根據(jù)不同應(yīng)用場景來定）

而用這三個指標進行分析的方法就叫RFM模型或者是RFM分析法。

這個分析方法，在進行數(shù)據(jù)分析時通常我們將它用來客戶群體劃分上面。比如上面的場景中我們想要找到哪些客戶屬于“高價值”客戶，哪些客戶是“一般價值”客戶，哪些又是“低價值“客戶？這個時候我們就可以用這樣三個指標來做評價的依據(jù)。以此來對客戶進行“分層”。

那么，相信很明顯，三個指標中

第一個指標R一定是越低越好。

例如，翔宇開了一個店鋪，今天是31號，我要根據(jù)這個月的銷售情況讀客戶分群，找到不同“層次”的客戶。而張三是店里的?？停@個月最后一次在翔宇的店里消費是29號，那么距離31號是2天，這個時候，我們就說R等于2，于是我們肯定是認為R越小，客戶價值越高。

第二個指標是消費頻率F，F(xiàn)一定是越高越好了，這個就更簡單了吧，就比如還是上面的例子，這個月張三總共來了翔宇的店里消費了5次，那么F就是5，我們希望F越大越好

第三個是消費金額M，這個就更明顯了，我就不解釋了啊，M一定是越大客戶越有價值。

知道這三個指標后，RFM模型是根據(jù)這三個指標得到一個三維的空間（立體坐標系），然后將客戶根據(jù)各自三個指標的值映射到8個象限中，根據(jù)查看客戶所在象限確定其價值程度。如下圖。

圖片來源于網(wǎng)絡(luò)

圖片來源于網(wǎng)絡(luò)

（以上圖片來源于網(wǎng)絡(luò)）

那么，通過這樣八個維度的劃分，我們就成功將客戶劃分成了八個類別。那么接下來問題來了，我們需要怎樣衡量每一個客戶的RFM指標呢？給定一個用戶，我們怎樣才能正確將他劃分呢？對于每一個指標來說，我們總得有一個標準衡定它為高還是低吧！請往下看。

RFM模型怎么用

對于上面的問題，通常是這樣實施的。

想要計算每個用戶的RFM，通常我們需要的信息有：用戶ID，消費時間，消費金額

思路是這樣：

1.確定時間范圍

例如，在上面翔宇的店鋪中，就采用了統(tǒng)計本月31天的這個時間間隔確定了時間范圍

2.要定義指標的衡量標準

例如對于最近消費時間間隔R來說，我們怎樣定義標準呢？是小于3天算高呢？還是小于5天算高呢？

還是超過20天算低呢？對于這個問題，對于不同的業(yè)務(wù)場景來說都是不同的，所以，這個時候，我們就得找上我們的業(yè)務(wù)、運營來討論定義標準了。

定義好標準后，我們通常得到類似這樣一個打分表

同理，對于F、M兩個指標，也是使用同樣的方式進行定義，接下來就是根據(jù)表格對指標進行打分了。

3.對客戶指標進行打分

例如

4.計算平均值

一般我們用每個指標打分的平均值作為劃分標準，即是客戶的對應(yīng)得分大于等于平均值分類為高，否則為低。例如

5.用戶分類

根據(jù)，4中的劃分，現(xiàn)在，我們就可以在八個象限中找到該客戶的位置了，我們將客戶分為以下八類。

圖片來源于網(wǎng)絡(luò)

不同客戶不同解決方案

得到客戶分類后，我們是不是就該對不同的客戶提供不同的服務(wù)呢?

這就是人們常說的精細化運營，在流量紅利逐漸消失后，人們不得不進行精細化運營，必須對不同的客戶提供不同等級的服務(wù)。在文章開頭講到的沒有數(shù)據(jù)分析師的公司問題就是還沒有意識到精細化運營這一點，才出現(xiàn)了連”大客戶“的名單都不知道的情況。

言歸正傳，那么，通常我們肯定是要將重點放在前四類客戶上。對于

1.重要價值客戶，RFM都很高，我們要提供VIP服務(wù)

2.重要發(fā)展客戶，消費頻率低，這類客戶是最容易轉(zhuǎn)化成第一類客戶的群體，一定要想辦法提高他們的消費頻率。

3.重要保持客戶，最近一筆消費時間已經(jīng)有些遠了，所以必須要主動保持聯(lián)系，提高復(fù)購。

4.重要挽留客戶，這類客戶消費頻率低和最近消費時間間隔比較遠，但是消費金額高，這種用戶即將流失，要主動聯(lián)系用戶，調(diào)查問題出在哪里，想辦法挽回。

總結(jié)

1.RFM模型是通過三個以下指標來分析的方法

~R 最近1次消費時間間隔（Recency）

~F 消費頻率（Frequency）

~M 消費金額（Monetary）：一段時間內(nèi)消費的總金額

2.通過三個指標將客戶劃分為8個類別

3.對于每個類別的客戶要提供不同的服務(wù)

4.RFM模型能夠應(yīng)用的場景很廣，例如電商、航空、酒店、超市等。

好了，這期的內(nèi)容就分享到這里，如果對你有幫助，請記得關(guān)注哦，也可以分享給小伙伴哦！

我是翔宇，公眾號：“Python和數(shù)據(jù)分析”