根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有三个重要的指标衡量客户价值:
最近一次消费(Recency)
指上一次消费或者投资的时间,可以将上次时间减去当前数据提取的时间节点。上一次消费时间越近的顾客对提供即时的商品或是服务也最有可能会有反
消费频次(Frequency)
顾客在限定的期限内所购买的次数。最常购买的顾客,是满意度最高的客户,这是“忠诚度”指标很好的代理变量
消费金额(Monetary)
消费金额是最近消费的平均金额。是体现客户短期价值重要变量。如果你的预算不多,最好将预算用在投资价值最大的顾客上面
![26233230_lVGe.png](https://static.oschina.net/uploads/img/201711/26233230_lVGe.png)
重要价值客户:最近有投资,频次高,金额高,也可称为
高价值用户
重要发展客户:最近有投资,频次低,金额高,也可称为
活跃的高潜力用户
重要挽留客户:最近无投资,频次低,金额高,也可称为不活跃的高价值客户
重要保持客户:最近无投资,频次高,金额高,也可称为一般活跃的高价值客户
一般价值客户:
最近有投资,高频次,金额低,也可称为活跃的小金额用户
一般发展客户:最近有投资,频次低,金额低,也可称为活跃的低价值用户
一般挽留客户:最近无投资,频次低,金额低,也可称为不活跃的低价值用户
一般保持客户:最近无投资,频次高,金额低,也可称为一般活跃的低价值用户
还有一种分法
![26233231_snNF.jpg](https://static.oschina.net/uploads/img/201711/26233231_snNF.jpg)
a、用RFM对客户价值进行分析,
将平台上的用户进行分群,观察他们的行为数据,拟定差异化策略,比如我们可以用这个方法聚类出有高价值的用户,重点维护和关注这些有价值的客户
b、RFM还是分析的开始,通过这种方法获取了描述客户消费的基本信息,为将来的客户画像(聚类模型)、购买响应倾向(分类预测模型)提供分析的变量
c、可以分不同的产品、不同的场景(比如是否促销),不同的时间长度通过RFM方法构造指标
![26233235_drry.png](https://static.oschina.net/uploads/img/201711/26233235_drry.png)
图1是原始数据,用户信息在三个维度的散点图
图2是分群过程
图3是聚类的结果,将客户他通过这3各维度进行分成8类