如果你正在考慮積分體系或CRM產品，這一篇不妨可以借鑑。
以下為原文
不久前，淘寶推出了」88VIP卡」，可享受購物折扣、餓了麼超級會員、優酷VIP、蝦米超級VIP等尊享服務，權益價值近2000元/年，幾乎涵蓋阿里新零售生態旗下吃喝玩樂的一條龍服務。這樣的一張會員卡，普通會員售價888元/年，而淘氣值滿1000的超級會員，僅售88元/年，真的是不要998。
雖然小編並沒有資格享受，但是對淘氣值很好奇。官方是這樣解釋的：
淘氣值是根據會員近12個月在淘寶、天貓，飛豬以及淘票票上的」購買金額、購買頻次、互動、信譽「等行為，而綜合計算出的會員價值分。
簡單解讀，淘氣值就是阿里對客戶價值的度量，背後是一套成熟的計算模型。淘氣值是阿里的會員養成體系，大於1000的客戶，阿里認為是高價值客戶，可以提供差異化的產品和服務，增大使用粘性，並為旗下其他產品引流；小於1000的客戶，則引導其向高價值客戶轉化（雖然包括小編在內的好多用戶，都感覺受到了1w點傷害）。
由此可見，企業在對客戶全生命周期管理的過程中，往往會針對不同階段的客戶群體進行細分，提供差異化的產品和服務，從而達到精細化運營的目的。實際工程中，客戶群體的細分一般依據客戶的：標籤、線上行為、線下行為等作為判斷條件。其中，有一類標籤是通過大數據建模才能產出。
本文主要從原理、計算流程、應用場景等方面，介紹了5個客戶模型，其中包含3個客戶評估模型：RFM模型、忠誠度模型、活躍度模型；1個客戶細分模型：Look-alike模型；1個客戶響應模型：流失預警模型。
建模流程
建模的過程一般分為以下幾個步驟：
業務理解：明確面臨的標籤問題和建模的目的，完成標籤問題到建模問題的定義過程；
數據理解：收集涉及到的數據、熟悉數據、識別數據質量問題、探索對數據的第一認識；
數據準備：從原始未加工數據到構造成最終的數據集過程；
建立模型：針對不同的標籤問題選擇建模技術，並對參數進行調優；
模型評估：評估模型和檢查建模的各個步驟，確認是否達到解決標籤問題；
模型部署：將模型部署到系統中，並對監控、維護該模型做出計劃。
1、RMF模型
RFM模型是客戶價值分析模型。該模型通過分析客戶的近期消費行為、消費頻率及消費金額，來衡量客戶價值及創造利潤能力，為客戶價值分析、流失預警分析等精細化運營提供依據。
R：Regency（近度），即客戶最近一次交易與當前時間的間隔。
F：Requency（頻度），即客戶的交易頻率。
M：Montary（額度），即客戶的交易金額。
該模型的輸入數據為：最近一次交易時間、交易頻率、交易金額這三個核心指標，分別計算出每個指標數據的均值，分別以avg（R）、avg（F）、avg（M）表示，然後將每位客戶的三個指標值分別與平均值進行對比，K-means聚類分析，可得出以下8類客戶價值群體：
重要價值客戶：最近交易時間近、交易頻率和交易金額高，肯定是優質客戶。
重要發展客戶：最近交易時間近，交易金額高，但交易次數少，但不太活躍，忠誠度不高，需要重點識別。
重要保持客戶：交易金額和交易頻次都很高，但最近一次交易時間遠，是個很長時間沒來的忠實客戶，需要主動和客戶來次互動，及時喚回。
重要挽留客戶：交易金額高，但最近交易時間遠、交易頻次低，是潛在的價值客戶，需要重點挽留。
一般價值客戶：最近交易時間近、交易頻次也高，唯獨交易金額小，「屌絲」群體，客戶價值需要挖掘。
一般發展客戶：最近交易時間近，但交易頻次和交易金額小，有推廣價值。
一般保持客戶：交易次數多，但是貢獻不大，一般維持即可。
一般挽留客戶：最近交易時間遠、交易頻次和交易金額也都很小，貢獻度最小，如果運營精力充沛也可挽留。
輸入的數據集經過RFM模型分析後，給每條數據裡的客戶打上八種標籤值的其中一個，企業通過標籤值篩選出不同的客戶群後，就可以執行相應的貢獻度分析、預警流失客戶挽回等精細化運營，如：
給重要價值客戶定時提供差異化尊享服務（淘氣值1000以上提供88VIP會員卡）；
給重要保持客戶建立EDM或電話營銷等互動通道，及時喚醒並提高活躍度（近3個月沒有信用交易的客戶，電話推銷告知提升客戶額度並可提現）；
重要挽留客戶是優質的存量用戶群，要給予限時折扣或權益，投入精力重點挽回。
註：聚類是一種非監督式學習算法，聚類不要求源數據集有標註，一般應用於做數據探索性分析，聚類算法的結果是將不同的數據集按照各自的典型特徵分成不同類別。
而k-means聚類算法的思想是：初始隨機給定K個簇中心，按照距離最近原則把待分類的樣本點分到各個簇，然後按平均法重新計算各個簇的質心，從而確定新的簇心，迭代計算，直到簇心的移動距離小於某個給定的誤差值。
2、忠誠度模型
客戶忠誠度是客戶對某種產品或服務重複或連續購買的心理、言語、行為指向程度的度量。對企業而言，忠誠顧客能夠產品持續的、長期的效益。傳統的CRM有個「八一定律」，即拉動1個新用戶，是用維繫老用戶的8倍成本來實現的。隨著人口紅利的消失，現如今企業越來越重視存量市場，所以刻畫客戶對產品或品牌的忠誠度尤為重要。
品牌忠誠度依據：
網站忠誠度的5個指標，即用戶累計瀏覽品牌的次數、累計瀏覽時間、累計瀏覽天數、累計瀏覽頁面數、最後瀏覽時間；
品牌忠誠的9個指標，即累計購買某品牌商品的次數、累計購買某品牌商品的金額、最後一次購買某品牌的時間、累計搜索某品牌關鍵字的次數、用戶瀏覽同類其他品牌的累計平均次數、用戶瀏覽同類其他品牌的累計平均瀏覽時間、用戶瀏覽同類其他品牌的累計平均瀏覽天數、用戶瀏覽同類其他品牌的累計平均瀏覽頁面數、用戶瀏覽同類其他品牌的最後平均瀏覽時間。
結合具體業務場景下給定的各項指標的權重值，來計算用戶的忠誠度。所有權重值之和為1，最後將忠誠度的值映射到1到100之間。依據忠誠度落在不同區間的值，將中文用戶等級結果寫到標籤系統。
依據標籤篩選的客戶群體細分為幾類群體，分群組進行精細化運營，例如：潛在忠誠客戶群體提高搜索權重，加大品牌認知；高忠誠客戶群體復購時推薦高價值商品；建立積分商城，長期培養監測客戶忠誠度的養成等。
3、活躍度模型
一般的，企業可通過活躍用戶數，看產品的市場體量，通過活躍率，看產品的健康度。日常的促活運營活動，需要通過活躍度標籤篩選人群。
首先，根據業務規則選定輸入因子，如電商行業的輸入行為特徵一般為：最後一次登錄時間、最後一次購買時間、半年內評論數、半年內購買數、累計登錄天數、累計停留時間、瀏覽頁面數等，然後計算活躍度得分。
分析活躍度得分，輸出結果標籤邏輯如下：
高活躍度客戶（活躍度得分前30%），表示客戶粘性高，是企業的核心用戶。
中活躍度客戶（中間部分），表示客戶與企業產品交互程度一般，需要繼續維持。
低活躍度客戶（活躍度得分後30%），即沉睡客戶，是企業日常促活運營的重點對象。
4、Look-alike模型
Look-alike模型，即受眾擴散模型，模型原理是以種子客群為基礎，找到與種子客群興趣愛好相似的另一組人群，計算兩組人群的相似度或以群組距離進行分類，從而達到精準挖掘潛在受眾、擴大推廣範圍的目的。人群擴散在推銷新商品、尋找潛客、開發客戶購買力等多種場景下都起著關鍵作用。
受眾擴散模型的基本流程如下：
根據客群的各維度原始數據，提取出可用的特徵變量；
選取種子客群為模型的正樣本；按比例隨機抽取種子客群作為觀測樣本，加入候選人群作為負樣本，以種子客群作為正樣本，訓練分類模型，將觀測樣本中預測為正類的概率的後5%作為可靠負樣本；
根據種子客群和可靠負樣本構建相似度模型；根據相似度模型，將所有候選人群擴散成目標群體。
常見的二分類算法有LR邏輯回歸，決策樹，SVM，隨機森林等。
特徵的選取一般包含用戶的：
屬性標籤數據。如性別、年齡、地域、婚姻狀況、受教育水平、職業等，一般來自用戶註冊信息或預測；
行為結果數據。如電商用戶的站內外搜索、瀏覽、購買等行為，媒體用戶的關注、轉發等行為，一般為用戶實際發生行為的日誌；
行為偏好數據。如電商用戶的消費等級、商品品類偏好、商品品牌偏好，媒體用戶的上網時段、瀏覽頻道偏好等，一般根據用戶行為計算分析而得出；
社交網絡數據。利用用戶的社交關係網絡，將種子人群的標籤或屬性擴散給好友。如微博的粉絲關注、轉發行為等構成的社交關係網絡。
5、流失預警模型
流失預警模型，即根據客戶的多維特徵，判斷系統內的客戶有多大概率流失，根據流失概率分群，針對潛在流失客戶群體制定針對性的挽回營銷策略。
流程預警模型的大致流程如下：
輸入客戶原始數據，提取關鍵特徵，如性別、年齡、收入、最近消費行為、回流率等；
進行數據加工，字符型數據轉化為數值型數據以供模型計算，對於缺失值採用插值或重新賦值策略，對於異常值採用插值或剔除策略；
將符合格式規範的數據輸入到模型中，計算出流失概率，並根據流失概率輸出為相應的標籤。
一般的，根據流失概率分布，可輸出為以下四個標籤值：
正常（流失概率0~0.2），表示流失的概率基本很小，可忽略不計；
輕度（流失概率0.2~0.5），表示有潛在流失風險，需要重點關注；
嚴重（流失概率0.5~0.8），表示有明顯的流失傾向，需要重點維繫，必要時可以有主動觸達；
非常嚴重（0.8~1.0），表示有非常嚴重的流失傾向，需要主動與客戶以EDM或電話等形式發生互動，及時挽回。
我的產品經理圈子
在PMTalk發起的一個網際網路人高層資源圈子今天開啟了。包括蘇傑（人人都是產品經理作者）、南極圈創始人、運營研究社CEO、騰訊阿里頭條產品總監等累計超過20名網際網路大咖、投資人也都在這裡。付費圈子提供給圍繞著產品熱點案例拆解、企業微信最新產品運營增長技能課程、每周精選1份應用體驗報告、同時免費參加1年會做線下10場閉門會、還有若干周邊、峰會的折扣福利。
如果你在產品經理或網際網路的路上，加入一個終生學習的高精尖圈子勢必是一件不會錯的事情。
平均1天1塊錢，掃碼購買即可加入。
推薦閱讀：
我的後臺產品經理系列課上架
我的第一本書，給你們
還在用微信做產品運營的同學，已經「OUT」了。