基于RFM理论模型的客户价值评估及流失监测
业务部 何文丽 | 资料来源：烟草数据研究微期刊
为了得到客户的“心”（如客户满意度、忠诚度等），从客户那里获得更大的生命周期价值，客户关系管理（CRM）理论提供了许多分析和预测模型，如客户购买行为随机模型、马可夫链状态移转矩阵方法、回归拟合方法等。但是目前最行之有效的方法则是RFM模型。业务部 何文丽 | 资料来源：烟草数据研究微期刊
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，依据该模型既可以简便高效的实现客户价值评估，还可以对客户价值的未来趋势变动进行分析，找出客户交易趋势，方便企业采取相应的营销策略防止大客户流失，最终达到增加销量的目的。
RFM模型简介
RFM模型是由美国数据库营销研究所ArthurHughes提出的，他认为客户数据库中有三个神奇的要素，即最近一次消费（Recency）、消费频率（Frequency）、消费金额（Monetary），简称RFM，这三个要素构成了客户价值刻画的最好指标。
- R
理论上，要吸引一个消费时间较近的顾客购买，比吸引一个消费时间较远的顾客要容易得多。营销人员如接受这种强有力的营销哲学——与顾客建立长期的关系而不仅是卖东西，会让顾客持续保持往来，并赢得他们的忠诚度。
另外，如果报告显示上一次购买很近的客户，人数如增加，则表示该公司是个稳健成长的公司；反之，如上一次消费很近的客户越来越少，则是该公司迈向不健全之路的征兆。
- F
购买频次最高的顾客，也是满意度最高的顾客，忠诚度也就最高。
根据这个指标，我们可以对客户进行分类，形成 “忠诚度的阶梯”(loyalty ladder)，营销的诀窍就在于让消费者一直顺着阶梯往上爬，并及时发现下滑的客户，采取措施进行挽留。
- M
消费金额是所有数据库报告的支柱，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，而每个顾客的平均消费，表现最好的 10%的顾客的平均花是最差的10%的100倍左右。。
如果你的营销推广预算及人手不多，你会将他们用在贡献80%收入的顾客身上。还是那些不到20%的顾客？答案显而易见。
结合这三个指标，我们就可以对顾客形成多种价值的分类，并对其进行数据分析，然后制定我们的营销策略。
消费、消费频率、消费金额是测算消费者价值最重要也是最容易的方法，这充分的表现了这三个指标对营销活动的指导意义。而其中，消费是最有力的预测指标。
RFM模型的应用意义
RFM非常适用于生产多种商品的企业，而且这些商品单价相对不高，如消费品、化妆品、小家电、录像带店、超市等；它也适合在一个企业内只有少数耐久商品，但是该商品中有一部分属于消耗品，如复印机、打印机、汽车维修等消耗品；RFM对于加油站、旅行保险、运输、快递、快餐店、KTV、信用卡、证券公司等也很适合。
首先，RFM模型较为动态地显示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值(甚至是终身价值)，通过改善三项指标的状况，从而为更多的营销决策提供支持。
其次，RFM可以用来提高客户的交易次数。一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。研究表明，如果依据R(Recency)指标将客户分为五级，最好的第五级重购率是第四级的三倍，因为这些客户刚完成交易不久，所以会更注意同一公司的产品信息。而如果用M(Monetary)来把客户分为五级，最好与次好的平均回复率，几乎没有显著差异。
最后，企业可以依据对R、F的变化的监测，推测客户消费的异动状况，从而形成对客户流失的可能性的判断，再从M（消费金额）的角度来分析，就可以把重点放在贡献度高且流失机会也高的客户上，重点拜访或联系，以最有效的方式挽回更多的商机。
基于RFM模型的烟草高价值零售户监测
对于烟草工业公司而言，维护高价值零售户客户关系，是增加市场份额的重要手段。今天我们就以烟草高价值零售户的流失监测为例，尝试RFM模型在烟草行业的应用。
1、按照M（Monetary）进行高价值零售户筛选
首先，按照零售户单次的平均订货金额进行高价值零售户筛选，选择订单金额前20%的零售户，进行进一步的监测分析。
2、对零售户的R（Recency）、F（Frequency）指标进行量化
为了便于统计分析，我们对零售户订购单规格的最近一次购买时间、最近一个月订货次数这两个指标进行量化处理，这里以周为单位，最近一次购买时间越近的客户，其R标签值越高，活跃度也就越高；最近一个月订货次数越多的零售户，其F标签值也越高，具体标量化方法可以参考下表：
3、计算R、F异动值，进行零售户流失监测
统计R、F的本期及上期值变化，用以表示零售户的异动情况，形成本次检测的R、F指标异动值。
接着，将R、F的异动值进行加权计算综合异动值，若综合异动值变化为正，说明该零售户对产品的兴趣正在提升，将这些零售户分为活跃型客户；若综合异动值为负，则说明该零售户有潜在流失的可能需要进行重点关注，将这些零售户称为流失型客户；如为零，则将该零售户分为平稳型客户。
当然，这仅仅是对当期一个时期的变动得出的结论，零售户在短期内出现波动属于正常现象，因此，我们可以连续观测多个周期零售户的异动值，如果多个周期的异动值整体出现负值，则可以较为确切的判定出零售户属于流失型。判断结果示例见下表：
需要说明的是，对于不同行业、不同商品其特性的不同，对R、F两指标变动的重视程度也不同，我们可以依据实际情况进行权重的调整设计。本例中我们暂且采用的等权重方法进行综合异动的加权计算。
欢迎分享，转载请注明出处
粤公网安备 44010402000809号