RFM模型在电商行业的应用

原文链接：http://tecdat.cn/?p=393

如何衡量电商存量用户的价值？是上一次购买时间？消费金额？还是购买次数？通过什么模型进行用户细分对营销活动提升用户的响应率最有效？

如果一个电商店铺在2017年4月要开展营销活动，需要对老用户进行优惠券、短信、邮件营销。但是营销费用只够给支持2000个用户。

那么我们可以通过RFM模型选择，选择最有可能相应的2000个用户。

RFM简介

RFM是用于分析客户价值的方法。通常用于数据库营销和直销。

RFM代表的含义

最近购买 - 客户最近购买了什么？

购买频率 - 他们多久购买一次？

购买价值 - 他们花多少钱？

大多数企业将保留有关客户购买的数据。所需要的是一张表，其中包含客户名称，购买日期和购买价值。

最近购买= max（10 - 自客户上次购买以来已经过去的月数）

购买频率= max（过去12个月内的购买次数）

购买价值= 客户的最高订单价值

客户分析部分

返回不同商家的用户的RFM数据

表名:userrfm

用户(Userid)

最近一次消费(Recency) [l1]

消费频率(Frequency)

金额(Monetary)

商家(Busid)

100001

1

100002

1

100001

2

自定义分析部分

设置新客户回头客老客户的购买次数阈值为 p q r(参数在r中设置，后期通过其他方式传递)

表名:frequency

会员类型

条件设置（F）[l2]

会员人数

会员占比

消费金额

客单价

商家名(Busid)

兴趣客户

0

120

1

新客户

p

20

1

回头客

q

10

1

老客户

r

3

1

兴趣客户

0

120

2

新客户

p

20

2

回头客

q

10

2

老客户

r

3

2

同样设置客户光顾天数的阈值分别阈值为 p q r(参数在r中设置后期通过其他方式传递)

光顾天数（R）

流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)

表名:Recency

会员类型

条件设置（F）[l3]

会员人数

会员占比

消费金额

客单价

商家名(Busid)

售后期客户

0~a

120

1

活跃期客户

a~b

20

1

沉默期客户

b~c

10

1

睡眠期客户

c~d

3

1

流失期客户

>d

2

1

售后期客户

0~a

2

活跃期客户

a~b

2

沉默期客户

b~c

2

睡眠期客户

c~d

2

流失期客户

>d

2

光顾天数（R）

流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)

表名:Recency

会员类型

条件设置（F）[l4]

会员人数

会员占比

消费金额

客单价

商家名(Busid)

售后期客户

0~a

120

1

活跃期客户

a~b

20

1

沉默期客户

b~c

10

1

睡眠期客户

c~d

3

1

流失期客户

>d

2

1

售后期客户

0~a

2

活跃期客户

a~b

2

沉默期客户

b~c

2

睡眠期客户

c~d

2

流失期客户

>d

2

客单价（M）

流失期客阈值为 l ml m h (参数在r中设置后期通过其他方式传递)

表名:Monetary

会员类型

条件设置（F）[l5]

会员人数

会员占比

消费金额

客单价

商家名(Busid)

低价值客户

0~l

120

1

中低价值客户

l~ml

20

1

中等价值客户

ml~m

10

1

中高价值客户

m~h

3

1

高价值客户

>h

2

1

低价值客户

0~l

2

中低价值客户

l~ml

2

中等价值客户

ml~m

2

中高价值客户

m~h

2

高价值客户

>h

2

模型实现部分

客户分析部分

自定义分析部分

购买次数

光顾天数

客单价（M）

RFM三维交叉表分析

界面：

1、客户数/占比

2、平均每次购买金额

3、累计购买金额

R值分析（时间跨度[0,1080]

1、F值指标

2、M值指标

3、会员等级指标

F值分析（F值[1,20],(20,+info)）

1、R值指标

2、M值指标

3、会员等级指标

M值分析（M值间隔选择、购买金额（平均每次购买金额、累计消费金额）、20行）

1、R值指标

2、F值指标

3、会员等级指标

通过这些报表全面展示了RFM模型分析的各个维度方向，因此，我们可以将一个客户群体中的关系结构分析的很清楚，并且结合实际业务与针对不同群体推送不同业务。