p2p 客户价值分析 RMF模型

1.目的 客户的价值属性是客户在平台的贡献情况，就和一般的商家，所谓的vip、vvip客户一样，其实说到底就是对客户进行分类，对于不同的客户采用不同的营销方式。一般对客户进行价值分析的模型是rfm模型，r是客户的最近投资时间间隔，f是投资次数、m是投资金额。 但是对于p2p公司而言，这3个指标似乎有些不够，比如说，A客户投资1万元，1个月和B客户投资1万元，12个月，都是投资了1万元，但是对于平台而言，B客户的价值更高，为什么呢？ 第一：年化投资金额不一样，B的年化投资额有1万，但是A客户的年化投资金额是1万*1/12=833.33. 第二：因为B的标期长，那么还款时间也较远，这类客户在平台的留存时间久，而A客户的投资是一个月，一个月之后，他就很可能流失了； 所以，我们rfm模型里面，我们不再用累计投资金额最为m，我们用累计年化投资金额作为m； 此外，客户是老客户还是新客户在一定程度上还是对客户价值还是有影响，比如，A客户已经投资了一年，累计年化金额1万，和B客户只投资了一个月，累计年化金额也是1万，这2个客户对于平台的贡献是不一样的。 所以，我们采用的指标是LRFM模型，L是首投日期距离目前的天数、R是最近一次投资日期距离目前的天数、F是累计投资次数、M是累计年化投资金额。 2.数据分析 2.1提取数据 以2018/2/28日为截止日期，选取从2016/1/1日开始首投的客户，另外这些客户在截止日的时候还是在投客户，因为已经没有在投的客户，其大部分已经流失，这些客户在流失客户召回的时候在考虑。 2.2聚类 我们从数据库提取数据，对数据标准化之后，然后计算聚类的最佳数，之后聚类，www.zhika78.com 结果如下： Var1FreqMFRL 1169600.200.79-0.291.01 224655-0.34-0.29-0.080.07 315293-0.40-0.73-0.12-1.35 41434-0.33-0.665.45-0.16 从上面的数据，我们分析下每个群的特征： 先看第1个群，这个群的特征很明显，累计年化投资额最大，投资次数也是最大，投资时间L也是最大，最近投资时间最小。这个群的客户是我们最重要的客户，对平台的贡献最大，也很忠诚，这些客户需要平台重点维护，我们定义为重点保持客户； 其次我们分析第4个群，这个群的客户最显著的特点是R最大，也就是这些客户很久没有投资了，并且累计年化投资额和投资次数也比较小，说明这个群体的客户对平台的贡献并不大，但是目前还是在投的，这就说明这些客户之前投资了长期标，比如180天或者360天的标期，但是之后很久不投资了。这个客户群，我们定义为重要挽留客户，需要重新刺激客户，唤醒他们再次投资； 第3个群的特征是，年化投资额、投资次数、投资时间都是最小，最近投资时间较小，说明这个群体是最近才开始投资的，大部分是最近开始注册的客户，他们投资金额和次数也最小，还在尝试期，这个群体定义为重要引导客户，这些客户是平台的新鲜血液，刺激其增加投资次数，对平台产生忠诚； 第2个群的特征是，MFRL几个指标都是中间大小，这些客户投资有段时间了，时不时投资，这些客户是平台的中间力量，有很大的发展潜力，增加客户的满意度，让其逐渐成为高价值客户，刺激其不断复投，定义为重要发展客户。 这4个群体，价值最高的是重要保持客户，其次是重要发展客户，之后是重要挽留客户、重要引导客户。 3.另外一种思路 上面的我们选取年化金额是客户在平台投资的累计年化投资额，但是有些客户之前对平台贡献很大，目前却回收资金，在投的并不是很多，我觉得之前我们考察的是客户的历史价值，我们还可以考察目前的待收价值，用客户待收的年化投资额M，待收的笔数F、待收最长日期距离目前的天数R，用上面同样的方式，我们聚类看看： Var1FreqMFR 112885-0.190.50-0.31 2129930.320.131.79 332464-0.35-0.49-0.69 把上面的中心点转为原始数据： Var1FreqMFR 11288520958.3311.0075.00 21299370125.008.00345.00 3324645625.003.0027.00 第二个群体，待收年化投资额最大，待收笔数较大，待收时长R也是较大，说明这些人是平台的待收大户，这些客户同样定义是重要保持客户； 第一个群体，待收金额较大，待收笔数最多，待收时长在70天左右，属于重点发展客户，需要刺激其增加投资金额和增加投资长期产品； 第三个群体，三个指标都是最小的，他们属于比较危险的客户，其最近一个月就会待收结束，并且这些人投资次数和年化金额较小，这些客户对平台的忠诚度不高，大部分是刚开始投资的客户，一般投资短期30天，属于重点引导客户； 上面我们对客户进行分类，采用2种不同维度，一种是客户对平台的历史贡献，一种是客户对平台目前的待收贡献，考虑角度不同，适用不同的场景。