二八原则将人分为了三六九等

                                               RFM模型仅仅是客户价值模型中的一种

       不同行业对于客户价值的判断标准不同，电商行业中会经常使用客户价值领域中的RFM模型，电商中常用R表示时间与流失、F表示购买数量、M表示购买金额，但是这样的指标定义却并不适用于其他行业，例如银行。

                                                   二八原则将人分为了三六九等

      二八原则适用于经济环境的各个领域，这个世界上很多事物都遵循着二八原则，例如：

• 空气中氮气与氧气的比例

• 人体占比中的水分与其他

• 20%的人靠脖子上赚钱80%的人靠脖子下赚钱

• 20%的人想的是怎么做才有钱80%的人想的是要是钱就怎么做

• 银行投入80%的人力去服务20%的优质客户

• 再或者超市中酸奶品牌很多，然而真正卖的好的产品一般只有蒙牛伊利，也就是酸奶类产品的利润主要来源于20%的酸奶品牌

       通常会用正态分布去衡量公司的客户价值，旧时候的工业社会由于技术、服务的匮乏，生产的产品相差不多，例如上一辈的年代，中国人穿的衣服基本都是相同的款式，那个年代，社会服务因此也更容易呈现出比较标准的正态分布。

       然而老板并不希望客户分布为正态分布，对于公司发展而言，特别是互联网类新型技术经济体的出现，导致人们使用工具的利用效率完全不同，大部分人群分布会向高端分布偏移，从而公司利润的分配也相应进行了改变，人因此被分为了三六九等，作为老板，自然也是希望更多的非核心价值客户转化核心价值客户，从而公司的资金、人力以及资源也必然会向核心客户倾斜，这就是为什么普通百姓去银行需要排很久的队，即使排队人再多，银行也不肯多开一个窗口的原因，要知道，银行并不指望着排队的这些“平庸”客户赚钱。

                                                    可有可无的客户必然被放弃

       实际客户分布中，完全让公司赚钱的高端客户很少，完全让公司不赚钱的低端用户也很少，大部分的客户都是普通大众，即大部分客户的需求与对公司的贡献都差不多。

       随着客户逐渐流动，必然会导致客户分布曲线中高端客户一端趋于拖尾，因此客户便被公司分为高利润客户、次利润客户、中庸客户以及可有可无客户等几部分，也就是人被分为了三六九等，享有的服务也完全不同。

       针对高利润客户，公司会投入更多的精力进行维护，针对次利润客户，公司会想办法将他们转化为高利润客户，针对可有可无的客户，公司会想办法进行放弃。

                                                             要抛弃劣质客户

       客户的向右流动即为客户的转换，为什么要放弃分布在最左端的劣质客户呢？

       例如，人的精力、财力有限，如果选择在淘宝购物，那么便不会在京东再下一次相同的订单，针对京东而言，这样的客户便是无价值的客户，而针对淘宝而言，这样的客户则是高价值客户。抛弃最左端的劣质客户意味着人员的优化，这也导致客户价值分布曲线的偏移越来越严重，这种情况下，便需要针对不同价值特征的客户进行分组，整个二八原则也在当前的经济体系下被划分的越来越细致完善。

       目前的经济已经由大工业化经济转为了个性化的工业经济、互联网经济，经济体系符合的是每个人的个性化的需求，因此也驱使了大众行为渐渐转化为小众行为。作为数据分析师，在当前的价值分配体系下，我更多想到的是如何将大众的行为更多的转化成小众行为、由小众行为再进一步转化为更加小众的行为，以此以持续的形成客户的向右流动，即由非价值客户转换为价值客户、再由价值客户转换为高价值客户。

                                                     如何表示客户向右转化？

       若要表示客户向右转化，除了需要找到具体的转化特征外，还需要找到指标特征，例如，一个人买东西的数量很多，金额也很多，此时便可以将购物数量与购物金额这两个指标作为客户的核心价值所在。

       同样，客户的周期分析与时间相关，一个客户流失概率的大小是由订购时间长短进行区分，这个区分可以不断进行细化，甚至可以在RFM模型的R指标中融入更多的影响因素，使得R这个指标变得更加科学。所以电商环境中，经常会将R指标作为客户流失程度的衡量指标，原因就是R指标可以整合其他的因素在模型之中，这样整合可以理解成更深层的分析以及算法中的深层策略。

                                                             RFM是什么？

       客户价值模型中的RFM模型是通过判断客户某段时间的活跃情况以及交易金额大小来进行客户价值贡献度区分，从而为客户价值细分提供算法依据，其中三个指标分别代表：

• R：Recency，表示客户最近一次交易的时间间隔程度，R指标的数值越大，则表示两次交易间隔时间越长；
• F：Frequency，表示客户最近一段时间内的交易次数，F指标的数值越大，则表示客户交易的次数越多，交易越频繁，客户较活跃；
• M：Monetary，表示客户最近一段时间内的交易金额，M指标的数值越大，则表示该客户的价值越高。

       指标的选择是客户价值模型的核心，如果前期指标选择错误，那么后期客户评定根本无法实现。需要注意的是，其他行业中，一般不太使用RFM这三个指标去进行客户价值的分析，其他领域中需要另外寻找科学的框架或者理论，实际工作中，如果不知道如何进行指标的选择，则需要参考大量行业资料进行指标的选择。

                                                       有意思的客户评定标准

       实际生活中可见很多有意思的客户评定，例如：

• 迅雷喜欢将客户评定为列兵、少尉、中尉、少校、中校、上校、大校、少将、中将、上将、三军统帅等级别
• 银行喜欢依据星级对客户进行评定
• 电商行业喜欢用金银铜对客户进行评定

       无论哪种客户评定方式，其背后的核心技术都是依据理论信息从而将客户分为三六九等的。

 

 

我的公众号：Data Analyst

个人网站：https://www.datanalyst.net/