[BigData] RFM

博客首页 » BigData RFM

发布于 05 May 2015 11:35
标签 blog
RFM模型梳理
http://xchunlnei.blog.sohu.com/248885199.html

分类:用户行为分析
2012-12-17 14:14 阅读(99)评论(0)
R——7天(R3),8~30天(R2),31天以上(R1),考察的是客户购买的沉默期;

F——1次(F1),2~3次(F2),3次以上(F3),个人倾向于把3次作为客户是否发展为忠诚客户的一个参考标准;

M——100(M1),101~1000(M2),1000(M3)以上,这个就需要根据商家的商品平均定价和平均客单价来做划分,其重点在于考察客户的购买能力。

通过上面的划分,我们就可以将客户群细分为(R1F1M1)、(R1F1M2)、(R1F1M3)等27个部分了。当然,这里面商家也可以结合自身特点去调整R、F、M各项内容的划分,比如可以划分为2、3、2级别,然后RFM对应的就是12个区间了。

做好划分后,除了可以通过RFM模型中各区间客户数量比例的动态变化来考察自己客户管理工作的效果外,还可以将自己的会员体系的搭建和营销活动与RFM模型中每一个区间的客户做对应,比如同样做一次DM宣传,对不同区间的客户的DM内容能否做区分,比如做会员特权设计,对不同区间的客户设计什么特权更能满足其需求。

在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的。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。该模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。

RFM模型较为动态地层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。

在RFM模式中,R(Recency)表示客户最近一次购买的时间有多远,F(Frequency)表示客户在最近一段时间内购买的次数,M (Monetary)表示客户在最近一段时间内购买的金额。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。

有些人会用客户绝对贡献金额来分析客户是否流失,但是绝对金额有时会曲解客户行为。因为每个商品价格可能不同,对不同产品的促销有不同的折扣,所以采用相对的分级(例如R、F、M都各分为五级)来比较消费者在级别区间的变动,则更可以显现出相对行为。企业用R、F的变化,可以推测客户消费的异动状况,根据客户流失的可能性,列出客户,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。

RFM也不可以用过头,而造成高交易的客户不断收到信函。每一个企业应该设计一个客户接触频率规则,如购买三天或一周内应该发出一个感谢的电话或Email,并主动关心消费者是否有使用方面的问题,一个月后发出使用是否满意的询问,而三个月后则提供交叉销售的建议,并开始注意客户的流失可能性,不断地创造主动接触客户的机会。这样一来,客户再购买的机会也会大幅提高。


本页面的文字允许在知识共享 署名-相同方式共享 3.0协议和GNU自由文档许可证下修改和再使用,仅有一个特殊要求,请用链接方式注明文章引用出处及作者。请协助维护作者合法权益。


系列文章

文章列表

  • BigData RFM

这篇文章对你有帮助吗,投个票吧?

rating: 0+x

留下你的评论

Add a New Comment