客户价值分析:RFM聚类分析原理

一、RFM模型

在用户运营过程中,通常需要根据用户的属性对用户进行归类,以便于在转化过程中获得更大的收益。用户有很多属性,究竟选择哪些属性进行分析呢?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神奇的要素,这三个要素构成了客户分类最好的指标:

R-最近一次消费距当前的时长(Recency)

F-消费频率(Frequency)

M-消费金额(Monetary)

举个例子:

客户A---R:180天,F:1次/月,M:100元/月

客户B---R:3天,F:10次/月,M:1000元/月

结论:客户B价值高于客户A

----------------------------------------------------------------------------------------------------------------------------------------------------------------------------

客户分类:

1-R、F、M都很高

超级用户或重要价值客户

最近消费时间近,消费频次和消费金额都很高,应该重点关注这类客户的消费行为

【说明】R很高,表示最近消费时间很近,也就是R值很小

2-R很低,F、M很高

重要保持客户

最近消费时间较远,但消费频次和金额都很高,需要我们主动保持联系

当R低到一点程度,例如R:6个月-->流失客户

3-R、M很高,但F不高

重要发展客户

最近消费时间很近,消费金额高,但消费频次不高,这类客户有潜力,需要重点发展。

4-R、F很低,M很高

重要挽留客户

这类客户最近消费时间较远,消费频次不高,但消费金额高,应该采取挽留措施。

 

8个类别示意图:

客户价值分析:RFM聚类分析原理_第1张图片

【说明】可以分成4个类别,也可以分成6个或者8个类别,类别数根据业务需求来定。

二、聚类分析

聚类分析方法:层次聚类法K-均值法

三、RFM聚类分析

以R、F、M这三个核心指标为维度进行聚类分析

利用K-means聚类分析将用户分成4个类别(或者6个类别或8个类别)

根据这4个类别的R、F、M指标,对用户进行标注

RFM聚类分析有什么用?识别优质客户,对于不同的用户类别,制定个性化的营销服务,为更多的营销决策提供支持。

 

 

你可能感兴趣的:(Python,数据分析,RFM模型,聚类分析,RFM聚类分析,客户价值分析)