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：

【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 和 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。