用FineBI搭建RFM客戶價值模型，讓客戶和銷量 “黑客增長”

客戶至上，我們都希望服務(wù)好客戶，促進(jìn)銷售轉(zhuǎn)化，最好能對產(chǎn)品和品牌產(chǎn)生黏性，長期購買。

于是乎市場絞盡腦汁做活動、上線新產(chǎn)品、結(jié)合熱點做營銷，大燥大熱。銷售不斷電話、拜訪、維系客戶感情。但CRM里躺著的10W個客戶，鳥你的依舊只有10%。

為什么？因為不同的客戶消費需求不一樣：低消費群體對價格敏感，老客戶對新品感到興奮，有些客戶只圖基本需求。大包大攬的營銷，無感的依舊無感，活躍的仍就幾個。

至此，大家可能多多少少可以體會到需要“精細(xì)化運營”了。在面向客戶制定產(chǎn)品運營策略、營銷策略時，我們應(yīng)當(dāng)針對不同的客戶推行不同的策略，實現(xiàn)精準(zhǔn)化運營，以期獲取最大的轉(zhuǎn)化率。精準(zhǔn)化運營的前提是客戶關(guān)系管理，而客戶關(guān)系管理的核心是客戶分類。

RFM模型是客戶價值管理里的“明星模型”。通過客戶分類，對客戶群體進(jìn)行細(xì)分，區(qū)別出低價值客戶、高價值客戶，對不同的客戶群體開展不同的個性化服務(wù)，將有限的資源合理地分配給不同價值的客戶，實現(xiàn)效益最大化。

再者，本著“市場預(yù)算透出產(chǎn)出比最高”的原則，其實我們不需要向所有客戶群體進(jìn)行邀請，根據(jù)二八定律，我們只需要對20%的目標(biāo)優(yōu)質(zhì)客戶銷售，就能獲取80%的收益。

很自然地，這就需要我們?nèi)チ私馕覀儍?yōu)質(zhì)的客戶有哪些。但是如何判別優(yōu)質(zhì)客戶呢，評價的數(shù)據(jù)指標(biāo)是什么，大小又如何衡量？

通過本文，你能夠理解和學(xué)會RFM模型的基礎(chǔ)知識，并且手把手教你用BI工具搭建RFM分析模型。

內(nèi)容大綱

1、RFM客戶價值模型的強大之處

• RFM模型為什么能成為客戶價值管理里的“明星模型”？
• RFM模型能夠解決哪些業(yè)務(wù)問題？
• RFM模型應(yīng)用的典型案例
• RFM模型能夠應(yīng)用在以下行業(yè)領(lǐng)域和細(xì)分場景
• 搭建RFM需要哪些基礎(chǔ)數(shù)據(jù)？

2、利用FineBI搭建RFM模型

• 原始數(shù)據(jù)
• RFM分箱
• 用戶分類

3、RFM模型可視化DashBoard及應(yīng)用

4、RFM模型的擴(kuò)展

RFM客戶價值模型的強大之處

在深度認(rèn)識前，先來直觀認(rèn)識下這個場景能夠為你帶來什么？

RFM模型為什么能成為客戶價值管理里的“明星模型”？

• 它很客觀 – 利用客觀的數(shù)字尺度，對客戶進(jìn)行簡明而翔實的高水平描述。
• 它很簡單 – 只需要客戶的消費時間和消費金額兩個字段，業(yè)務(wù)人員就可以在不需要信息部門或復(fù)雜軟件的情況下就能有效使用它。
• 它很直觀 – 這種分割方法的輸出很容易理解和解釋。

RFM模型能夠輕松地解答你業(yè)務(wù)上的這些問題

• 誰是我最好的客戶？
• 哪些客戶正處于流失的邊緣？
• 誰有可能轉(zhuǎn)化為更有利可圖的客戶？
• 誰是你不需要關(guān)注的無價值客戶？
• 你必須保留哪些客戶？
• 誰是你的忠實客戶？
• 哪些客戶最有可能對當(dāng)前的營銷動作做出回應(yīng)？

RFM模型教給你的那些典型業(yè)務(wù)決策

客戶價值有幾種常用的分類規(guī)則，6種、8種和11種， 下面講述最為常見的8類分類法及對應(yīng)的典型業(yè)務(wù)決策。話不多說，直接上干貨。收藏保一年系列，表格列得十分清楚。

加粗的是更值得我們關(guān)注的客戶群體，不過不同的企業(yè)重點關(guān)心的客戶群可能不同，所以對應(yīng)的業(yè)務(wù)決策也不是絕對的。

RFM模型能夠應(yīng)用在以下行業(yè)領(lǐng)域和細(xì)分場景

互聯(lián)網(wǎng)、零售、電商、通信、 銀行、旅游、餐飲、 交通運輸、保險、證券、 基金、醫(yī)藥、采購/供應(yīng)商評估……

這么經(jīng)典的模型，搭建RFM需要什么？

3個數(shù)據(jù)庫的原始字段記錄：客戶名稱（或者客戶ID/客戶電話/客戶郵箱）、消費時間、消費金額。

進(jìn)而整理出4個字段：

• 客戶名稱
• 近度（Recency，最近一次消費到當(dāng)前的時間間隔）
• 頻度（Frequency，最近一段時間內(nèi)的消費次數(shù)）
• 額度（Monetory，最近一段時間內(nèi)的消費金額總額/均額）。

利用FineBI搭建RFM模型

RFM搭建的原理很簡單，用Excel就能搭建。但是用Excel需要寫很多函數(shù)和代碼，過程相對復(fù)雜。近幾年，不少數(shù)據(jù)分析師已經(jīng)開始用BI可視化工具來搭建這樣的分析模型。

在這里推薦一個BI工具——FineBI。FineBI是一個能快速洽搭建各種業(yè)務(wù)模型的自助式分析平臺，企業(yè)級商業(yè)分析工具，常用于各種業(yè)務(wù)的數(shù)據(jù)分析。圖表美觀、上手簡單，搭建模型也不需要很專業(yè)的數(shù)據(jù)挖掘技能?？梢詭椭鷺I(yè)務(wù)人員用系統(tǒng)化的方法來規(guī)劃、執(zhí)行、測量和優(yōu)化一個完整的、高度個性化的客戶需求管理計劃。

下面用FineBI為工具，手把手教給大家搭建RFM模型的過程。

原始數(shù)據(jù)

如圖，通過客戶名稱、消費時間、消費金額來處理出上次交易間隔R、交易頻率F、交易金額M三個原始字段。

RFM分箱

給記錄增加R、F、M三個字段，給這三個分級字段設(shè)定打分規(guī)則，然后分別算出三個字段值的過程，就叫分箱。

首先是打分級別，即可以把數(shù)據(jù)分成幾層，通常為5的倍數(shù)級別，可以根據(jù)自己客戶體量來調(diào)整；其次是具體打分規(guī)則，有兩種：

• 簡單的固定范圍

如果有人在過去24小時內(nèi)購買過，則將其分配5，在過去3天內(nèi)，對其進(jìn)行評分4，如果他們在本月內(nèi)購買，則分配3，過去6個月內(nèi)分配2，其他人為1。范圍的閾值取決于業(yè)務(wù)的性質(zhì)，由你自己定義頻率和貨幣值的范圍，更多的適用于對個人的客戶。但是對于RFM分?jǐn)?shù)的固定周期/范圍計算存在挑戰(zhàn)，因為隨著業(yè)務(wù)的增長，分?jǐn)?shù)范圍可能需要經(jīng)常進(jìn)行調(diào)整。

• 按層次分級（AHQ分級）

如果數(shù)據(jù)飽滿并且數(shù)據(jù)質(zhì)量不錯的話，更推薦這種分級方法，即把所有記錄按照從小到大排序，然后按照大小的位置來給分。因為范圍是從數(shù)據(jù)本身中挑選出來的，它們均勻分配客戶并且沒有跨越等級。

這里以簡單的固定范圍為例，來演示下用FineBI給R、F、M值分箱的過程，基本只要鼠標(biāo)點擊就能完成。

用戶分類

各個記錄有了對應(yīng)的R、F、M的值后，接下來需要對各記錄的R、F、M值具體判斷處在所有記錄中的水平高低。

• 1.計算參考值

要判斷水平高低肯定要有一個判斷標(biāo)準(zhǔn)，可以是R、F、M的平均值/中位數(shù)/以標(biāo)準(zhǔn)差校正后的值。這里以平均值為例，同樣地，在FineBI也只要拖拉就可以計算出平均值。

• 2. 和參考值比較

和計算出的參考值進(jìn)行比較，判斷每個客戶的得分是高于平均分還是不高于（低于等于）平均分，對應(yīng)賦值為1和0表示。

• 3.根據(jù)和參考值比較結(jié)果進(jìn)行用戶分類

最終根據(jù)上述比較就會得到8個分類的結(jié)果（R2種結(jié)果*F2種結(jié)果*M2種結(jié)果=8），即按照下列分類規(guī)則對用戶進(jìn)行分類。

以”重要價值客戶“為例，是R、F、M都大于均值的客戶，其它同理。

最終大功告成，得到下面RFM客戶細(xì)分模型結(jié)果。

RFM模型可視化DashBoard及應(yīng)用

進(jìn)一步應(yīng)用RFM模型對客戶進(jìn)行細(xì)分的結(jié)果，可以開發(fā)出許多可視化數(shù)據(jù)分析模板。來通過一張相當(dāng)經(jīng)典的DashBoard來簡要分析下RFM模型的具體應(yīng)用。

1.矩形樹圖-客戶價值分類：是整個RFM模型的核心，直觀顯示了8個客戶群的人數(shù)及占比，可以聯(lián)動到其它組件來查看具體某客戶群下的情況。

2.試管型儀表盤-客戶類型人數(shù)：顯示各客戶類型的具體人數(shù)

3.餅圖-交易金額組成：由于我們最關(guān)心的是各客戶群的價值貢獻(xiàn)，所以研究不同人群的交易金額占比，可以得到哪個人群的貢獻(xiàn)值較大，對于我們的價值更大。

4.點圖-MF-R分布：橫坐標(biāo)為F交易頻率，縱坐標(biāo)為M交易金額，點大小為R上次交易間隔。通過MF分布來直觀看到客戶的消費能力分布，進(jìn)而通過R的大小來鎖定哪些客戶更為忠誠。

5.點圖-RF-M分布：橫坐標(biāo)為F交易頻率，縱坐標(biāo)為R上次交易間隔，點大小為M交易金額。通過RF分布來直觀看到客戶的消費異動情況，進(jìn)而通過M的大小來判斷哪些客戶更有必要挽回。

6.點圖-MR-F分布：橫坐標(biāo)為M交易金額，縱坐標(biāo)為R上次交易間隔，點大小為F交易頻率。通過MR分布來直觀看到客戶的消費潛能情況，進(jìn)而通過F的大小來挖掘更有價值的客戶。

7.分組表-交易明細(xì)：顯示各客戶類型下的客戶交易明細(xì)。

這個DashBoard可以快速鎖定我們關(guān)心的客戶群體，確定他們的具體特征及名單。最后只要根據(jù)這個分析的結(jié)果來采取針對性的業(yè)務(wù)決策。

具體常用的業(yè)務(wù)決策可以參見上述“RFM模型教給你的那些典型業(yè)務(wù)決策”。

RFM模型的擴(kuò)展

RFM模型是對客戶細(xì)分的直接而強大的方法。但是，RFM模型只考慮三個具體因素（盡管重要的因素）也就意味著該方法可能會排除同等或更重要的其他變量（例如購買的產(chǎn)品，之前的活動響應(yīng)，人口統(tǒng)計信息）。

同時，RFM營銷本質(zhì)上是一種歷史方法：它研究過去的客戶行為，這些行為可能會或可能不會準(zhǔn)確地表明未來的活動，偏好和反應(yīng)。更先進(jìn)的客戶細(xì)分技術(shù)基于數(shù)據(jù)預(yù)測分析技術(shù)，這些技術(shù)在預(yù)測未來客戶行為時往往更為準(zhǔn)確。

RFM是量化客戶行為的簡單框架。許多人已經(jīng)擴(kuò)展了RFM模型進(jìn)行了變體：

RFD（近度，頻度，持續(xù)時間） – 此處所用時間是花費的時間。在分析觀眾/讀者/沖浪導(dǎo)向產(chǎn)品的消費者行為時特別有用。

RFE（近度，頻度，參與度） – 參與度可以是基于頁面上的時間，每次訪問的頁面，跳出率，社交媒體參與度等綜合價值，對于在線業(yè)務(wù)尤其有用。

寫在最后

RFM客戶價值模型是一種有著幾十年發(fā)展和應(yīng)用的業(yè)務(wù)分析模型，實際上的R、F、M在進(jìn)行計算時，還要進(jìn)行歸一化和標(biāo)準(zhǔn)化的處理。這些都是傳統(tǒng)典型的RFM模型，盡管現(xiàn)在依舊在被廣泛地使用，不過在發(fā)展到最新的RFM模型中，分箱和客戶分類的過程都可以由工具自動完成，F(xiàn)ineBI 5.0的數(shù)據(jù)挖掘功能也很好地支持了客戶聚類分類的功能，接洽RFM模型的自動搭建，這些技術(shù)在對客戶細(xì)分特征時更為準(zhǔn)確。

文：唐興強@帆軟數(shù)據(jù)應(yīng)用研究院（fr_research）

首席增長官CGO薦讀：

《京東的會員會員體系：通過「京享值」的用戶精細(xì)化運營》
《只有“不安分”，才能做增長黑客時代的優(yōu)秀市場營銷人》
《打造一支義工精銳之師，撬動產(chǎn)品增長》

更多精彩，關(guān)注：增長黑客（GrowthHK.cn）

增長黑客（Growth Hacker）是依靠技術(shù)和數(shù)據(jù)來達(dá)成各種營銷目標(biāo)的新型團(tuán)隊角色。從單線思維者時常忽略的角度和高度，梳理整合產(chǎn)品發(fā)展的因素，實現(xiàn)低成本甚至零成本帶來的有效增長…