【数据分析】RFM模型-利用R做客户气泡图

一、RFM模型简介

        RFM分析原多用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的行业，只要任何有数据记录的消费都可以被用于分析。那么对于电子商务网站来说，网站数据库中记录的详细的交易信息，同样可以运用RFM分析模型进行数据分析，尤其对于那些已经建立起客户关系管理（CRM）系统的网站 来说，其分析的结果将更具意义。

基本概念解释

        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。RFM分析模型主要由三个指标组成，下面对这三个指标的定义和作用做下简单解释：

最近一次消费（Recency）

        最近一次消费意指用户上一次购买的时间，理论上，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。 因为最近一次消费指标定义的是一个时间段，并且与当前时间相关，因此是一直在变动的。最近一次消费对营销来说是一个重要指标，涉及吸引客户，保持客户，并 赢得客户的忠诚度。

消费频率（Frequency）

        消费频率是顾客在一定时间段内的消费次数。最常购买的消费者，忠诚度也就最高，增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的 手中赚取营业额。

        根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯'（loyalty ladder），其诀窍在于让消费者一直顺着阶梯往上爬。

消费金额（Monetary）

        消费金额是对电子商务网站产能的最直接的衡量指标，也可以验证“帕雷托法则'（Pareto’s Law）——公司80％的收入来自20％的顾客。

RFM模型

模型三维图

评分标准

客户分组

客户气泡图A

客户气泡图B

二、使用R做客户气泡图

      RFM模型为三维图形，将其转化为二位图更容易理解客户所在分布。转化方式为：借款金额分为大、小两部分(根据M的平均值划分)。

1、创建客户的RFM值宽表

客户宽表

2、使用R做气泡图

#清除内存rm(list=ls())

#大金额的借款人数和频率

library(RJDBC)

library(stringr)

library(data.table)

#使用ODBC包

drv

#账号密码连接数据库

con <- dbConnect(drv,"jdbc:oracle:thin:@10.20.11.86:15:dbwarehouse","u_r_liu","Lz")

#数据库查询宽表，限定金额为大金额

rfm <- dbGetQuery(con,'SELECT TT,NN,SS FROM RISK_TEMP.LZW_BORROWAGAIN_RFMNEW WHERE SS>300')

attach(rfm)

r<-sqrt(SS/pi)

symbols(TT,NN,circle=r,inches=0.05,main="客户借款分布图",ylab="借款次数",xlab="借款日期距离天数")

detach(rfm)

小金额的气泡图只要更改查询宽表的条件。

三、结束

        RFM分析也存在着一定的缺陷，它只能分析有交易行为的用户，户主社区而对访问过网站但未消费的用户由于指标的限制无法进行分析，这样就无法发现潜在的客户。所以在分析电子商务网站的用户时，由于网站数据的丰富性——不仅拥有交易数据，而且可以收集到用户的浏览访问数据，可以扩展到更广阔的角度去观察用户。