数据分析之客户价值模型(RFM)技术总结

©作者 | leo

管理学中有一个重要概念那就是客户关系管理(CRM)，它核心目的就是为了提高企业的核心竞争力，通过提高企业与客户间的交互，优化客户管理方式，从而实现吸引新客户、保留老客户以及将已有客户转化为忠实客户的运营机制。

而这其中最为经典的实现模型那就是RFM模型，它主要通过对每个客户的近期消费时间，购买频率和购买金额来对不同的客户进行价值状态划分。

从而使得我们可以有针对性的对不同用户进行个性化运营和营销。

01 RFM模型核心维度

针对上述3个维度，我们的预期：

最近一次消费的时间(Recency)：

该维度指的是最近一次消费时间间隔(R), 也就是上一次消费的时间间隔，该值越小客户价值越高，这是因为消费间隔越近的客户越有可能产生二次消费。

某段时间内消费频率次数(Frequency):

消费频次(F)体现了客户的购买频率，那么购买频次越高，越能体现用户的消费活跃程度，因此，客户价值也就越高。

某段时间消费的总金额(Monetary)：

消费金额(M)这个从字面意思即可知道，用户的消费金额越高，用户的消费能力越强，那么自然用户的价值也就越高。

02 RFM划分用户类型及对应运营策略

03 Excel中实现RFM模型

为了解决现存方法的缺陷，作者首次提出了将MCL、SSL和Excel是实现RFM模型的一个重要且十分直接的工具，只需要灵活使用Excel自带的函数就可以实现数据的汇总计算，得到RFM模型的三个指标值，从而将用户的价值类型提取出来，让我们有针对性的进行业务推广策略。

接下来我们给大家演示一个用Excel实现的RFM模型：

【数据来源】

某淘宝店铺的月份销售数据

【分析目标】

根据现有订单数据，构建店铺用户价值模型，从而为后续的精细化运营不同的客户群体打下基础

【数据预处理】

数据量大概有3989条，可以在excel内处理，也可以使用python对大批量的数据进行处理。

3.1 提取关键词字段：

【买家会员名】、【总金额】、【订单付款时间】、并设置对应的数据类型，我们要在同页面进行RFM值的计算。

3.2 计算Recency, Monetary,Frequency

Recency： 通过对【买家会员名】、【总金额】、【订单付款时间】三列数据做透视表，对订单付款时间求最大值，即最近消费时间，然后与观测时间进行求差运算，可得R值

Monet