数据分析大杀器之RFM

公众号福利

回复【100题】领取《名企AI面试100题》PDF

回复【干货资料】领取NLP、CV、ML等AI方向干货资料

▌今天跟大家分享的是一个经常被提及，但是价值被严重低估的模型：RFM模型。

RFM模型是衡量客户价值和客户创造利益能力的重要工具和手段。在众多的客户关系管理的分析模式中，RFM模型是被广泛提到的。该机械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，3项指标来描述该客户的价值状况。

▌RFM的基本思路

▌RFM模型里，三个变量的含义是很具体的：

• R：离得越远，用户越有流失可能，越应该唤醒用户。

• F：频次越低，越需要用一次性手段，频次越高，越可以用持续性手段来维护。

• M：消费越多，用户价值越高，越应该重点关注。

因此RFM能直接从数据推导出行动建议，是一种非常好用的办法。RFM是针对每个用户统计的，因此要有用户ID这一列，并且RFM三个指标定义方法，在不同业务里不一样，一般交易频繁（比如生活用品、生鲜等）就越近 ，交易越不频繁就越远，而大件商品（比如家电、家具等）不适合RFM，OK，接下来我们通过一个小例子来熟悉下。

▌RFM实践

一起来看个具体例子：某个电商APP，已按RFM格式，统计好用户数据（如下图，仅为示例数据100000条），现领导要求：分析分析用户情况。要怎么分析呢？

▌第一步：M

区分用户价值是第一位的，先认清谁是超级客户，谁是普通客户，后边工作思路才清晰。我们可以用十分位法，简单地对用户分层，分好组以后，看一下每组的消费占比。

天啊！第一组用户就贡献了将近20%+的消费，前三组合起来，共30%的用户贡献额48%的消费，真是超级客户呢！

分类如下：

• VIP3（最高级VIP）：消费金额大于5000元

• VIP2：消费金额在3000元~5000元

• VIP1：消费金额在2000元~3000元

• VIP0：消费金额在1000元~2000元

当然这里也可以用一个IF语句，来做好分类。

分类完以后可以观察每组的消费门槛在哪里，比如第一组的门槛是999元/月。在运营制定策略的时候，很有可能为了方便，找一个最近的整数。因此可以做一个手动调整，把VIP3的网点改到：一个月内消费1000元。以此类推，其他网点也能做同样调整，调整好了以后，我们已经分离出了超级客户/普通客户，可以做下一步的分类了。下一步可以做R。

▌第二步：R

如何确定R的分类呢？可以直接根据业务特点来定。比如购物，即使再需要购物的人，也不可能天天购物（家里有矿的除外），因此R值不需要设定的太短，避免太过度骚扰用户。

比如：R值可以以周为单位分类。一周内有工作日和休息日，如果用户真的是刚需，那么最迟1周也该来购物一次。分好类以后，观察不同VIP的客户在R值分布情况。

根据具体场景给与对应策略：

对于很高价值的：掏真金白银，维护好关系。

对于很低价值的：定时唤醒，捞回来一个是一个

对于不高不低的，则要区分行为来看。

理论上R值越小的客户是价值越高的客户，即对网点的回购几次最有可能产生回应。目前电商购物非常便利，顾客已经有了更多的购买选择和更低的购买成本，去除地域的限制因素，客户非常容易流失，因此客户关系管理操盘手想要提高回购率和留存率，需要时刻警惕R值。

▌第三步：F

消费频率是客户在固定时间内的购买次数。但要考虑实际网点中品类宽度的原因，比如卖3C产品，耐用品等即使是忠实粉丝用户也很难在短时间内购买多次。所以，一般网点在运营RFM模型时，会把F值的时间范围去掉，替换成累计购买次数。

影响复购的核心因素是商品，因此复购不适合做跨类目比较。比如服装类目和食品类目：服装是属于“半标品”，产品的标品化程度越高，客户背叛的难度就越小，越难形成忠实用户；但是相对服装 ，食品频率高，相对容易产生重复购买，因此跨类目复购并不具有可比性。

▌RFM模型评分

主要有三个部分：

1、确定RFM三个指标的分段和每个分段的分值；

2、计算每个客户RFM三个指标的得分；

3、计算每个客户的总得分，并且根据总得分筛选出优质的客户；

没错，这样就完成了一个简单的RFM分析。

啥，到这里就结束了，不可能！

看下面↓↓↓

一个优秀的数据分析师，应该是技能、统计学、业务意识的综合反映。那么，我们该如何学习呢？

为了让大家更加清晰的理解我的思路 ，请看下面大图，拿走不谢！

最后，想要补充一点，想要快速的学习数据分析 ，不妨来试听下，掌握当下最贴合实际生产的学习思路以及解决方案，确定自己的方向。

扫码添加微信,免费试听

领取免费豪华学习大礼包

如果学习中遇到一些问题，多和老师进行交流、沟通，以最短的时间完成高质量的事情。

本期【数据分析集训营】 课程零基础上手，难度由浅入深，以技术为驱动，结合实际业务，将数据产品化，让数据分析思路可沉淀、展现、分析、诊断、决策，从数据发现到数据决策，补充能力短板，提高数据洞察能力，对特定业务数据进行全方位分析，解决日常工作中常见问题，让你不在为数据问题而烦恼，挑战互联网数据分析师高薪岗位。

且五大阶段、三大企业级项目，一方面助你更快实现年薪30万，二方面也为进一步进阶机器学习打下坚实基础。