深入解讀和應用RFM分析方法(模型)

市場和運營往往絞盡腦汁做活動、上新品、蹭熱點、做營銷，拓渠道，不斷開發客戶、做回訪維繫客戶感情，除了少數運氣好的之外，大部分效果寥寥，這是為何？這年頭做營銷這麼難嗎？

聰明的營銷人員知道「了解客戶」和「客戶細分」的重要性。營銷人員不僅要著眼於創造更多的訪問量和點擊量（無論是郵件還是站點）以提高客戶獲取，還必須遵循從提高點擊率（CTR）轉變為提高保留，忠誠度並建立客戶關係的新範式。與其將整個客戶群作為一個整體進行分析，不如將其劃分為同類群體，了解每個群體的特徵，並使他們參與相關的活動，而不是僅根據客戶年齡或地理位置進行客戶細分。而RFM分析是分析客戶行為的最流行、最簡單、最有效的客戶細分方法之一。

1、什麼是RFM?

RFM定義

R（Recency）最近一次消費時間：表示用戶最近一次消費距離現在的時間（或截止到統計周期）。消費時間越近的客戶價值越大。1年前消費過的用戶肯定沒有1周前消費過的用戶價值大。

F（Frequency）消費頻率：消費頻率是指用戶在統計周期內購買商品的次數，經常購買的用戶也就是熟客，價值肯定比偶爾來一次的客戶價值大。

M（Monetary）消費金額：消費金額是指用戶在統計周期內消費的總金額，體現了消費者為企業創利的多少，自然是消費越多的用戶價值越大。

簡言之，RFM代表近度，頻率和額度，每個值都與某些關鍵客戶特徵相對應。這些RFM指標是客戶行為的重要指標，因為頻率和額度會影響客戶的生命周期價值，新近度會影響保留率，而保留率是忠誠度的衡量標準。

如果是缺乏金錢交易方面的業務，例如收視率，讀者人數等，可以使用"Engagement"(參與度)代替Monetary。如官網的訪問頻次，微信的交互情況，郵件打開率等。這將導致使用RFE 而不是 RFM。此外，可以根據指標例如跳出率，訪問時長，訪問的頁面數，每頁所花費的時間等來將Engagement參數定義為一個綜合值。

2、RFM因素闡明了以下事實：

購買的時間越近，顧客對促銷的反應越積極顧客購買的頻率越高，他們就越投入和越滿意消費金額區分了大筆支出的消費者和低價值的購買者想要提高回購率和留存率，需要時刻警惕R值RFM分析可幫助營銷人員找到以下問題的答案：

誰是您最有價值的客戶？導致客戶流失率增多的是哪些客戶？誰有潛力成為有價值的客戶？你的哪些客戶可以保留?您哪些客戶最有可能對參與度活動做出響應？誰是你不需要關注的無價值客戶？針對哪些客戶制定哪種發展、保留、挽回策略？通過RFM分析，可以幫助營銷人員實現客戶細分；衡量客戶價值和客戶利潤創收能力；識別優質客戶；指定個性化的溝通和營銷服務；為更多的營銷決策提供有力支持。

那RFM分析應如何開始呢？

3、RFM評分示例

由於R值、F值、M值存在量級之間的差距，無法直觀的通過加減或平均來衡量用戶價值，這裡我們介紹一種評分方式，根據三組數據各個值的特性，採用5分制為各個數據賦予一個評分值。

讓我們通過一個客戶交易的樣本數據集來演示一個簡單的RFM分析是如何工作的：

△表1：客戶交易數據集示例（包含15個客戶交易數據的近度，頻率和額度。）

為了對此示例進行RFM分析，讓我們看看如何根據每個RFM屬性分別對客戶進行排名，然後對這些客戶進行評分。假設我們使用RFM值從1到5對這些客戶進行排序，R值的評分機制是R值越大，評分越小。

△表2：根據「Recency」對客戶進行排名

如上表所示，我們按「Recency」對客戶進行了排序，最新的購買者排在首位。由於為客戶分配的分數是1-5，因此前20％的客戶（客戶ID為12、11、1）的「Recency」分數為5，接下來的20％（客戶ID為15、2、7）的分數為4 ， 以此類推。

同樣，我們可以根據客戶購買從高到低的「Frequency」對其進行排序，將前20％的「Frequency」得分分配為5，依此類推。對於「Monetary」因素，對前20％的客戶（消費最多的）分配5分，最低的20％得分為1。這些F和M得分總結如下：

△表3：根據「Frequency」和「Monetary」對客戶進行排名

RFM得分

最後，我們可以將這些客戶的R、F和M排名結合起來得到一個匯總的RFM得分。下表中顯示的該RFM得分是各個R，F和M得分的平均值，是通過對每個RFM屬性賦予相等的權重來獲得的。

△表4：每位客戶RFM得分

這種簡單的將客戶從1-5排序的方法最多會產生125個不同的RFM單元(5x5x5)，範圍從111（最低）到555（最高）。每個RFM單元的大小不同，依據客戶的關鍵習慣，被捕獲為RFM得分以得出客戶細分，營銷人員依據不同得分的客戶制定相應的策略。

顯然，針對不同行業的企業如果僅根據他們的購買或參與行為將每個客戶的R，F和M得分平均以獲得RFM細分市場並不公平。這類平均值只適合於均類數據，對於一些不規則數據，平均值會造成很大的誤差，因此，根據您的業務性質，您可以科學增加或減少每個RFM變量的相對重要性，以得出最終分數。例如：

1.耐用消費品行業

每筆交易的Monetary通常較高，但Frequency和Recency較低。例如，你不能指望客戶每月購買一臺冰箱或空調。在這種情況下，市場營銷人員應該更重視Monetary和Recency方面，而不是Frequency方面。

2.時裝/化妝品等零售業務

每月搜索和購買產品的客戶將有更高的Recency和Frequency得分而不是Monetary得分。因此，可以通過給R和F得分賦予比M更大的權重來計算RFM得分。

3.視頻平臺等內容apps

追劇狂人相比一般消費者擁有更長的觀看時長。對於這些狂熱者，「參與度」和Frequency可以比Recency給予更多的重視，而對於一般人群，可以對Recency和Frequency給予比Engagement更高的權重，以得出RFE得分。

此外，企業需要針對自己的行業特點靈活變通指標的採用。比如在金融行業，最近一次購買時間可能並不適用，此時可以考慮採用金融產品持有時間來代替R，這樣更能體現用戶與金融企業建立聯繫時間的長短。

還有一個問題是：如果每個RFM單元都被視為一個細分，那麼營銷人員將無法單獨分析所有這125個客戶細分市場。因此，通常採用的RFM模型是將這三個維度指標劃分到三維正方體中。

4、RFM模型

在以上的RFM評分示例中，我們已經分別計算R、F、M評分；現在我們進一步分別獲得R、F、M的平均值；然後將各個變量高於平均分的定義為「高」，低於平均分的定義為「低」；根據三個變量「高」「低」的組合來定義客戶類型；如「高」「高」「高」為高價值客戶。

通常，我們通過三維正方體來展示RFM分析結果，數據分析師通常藉助CRM或BI工具。這使用戶可以更輕鬆地理解得分，以提供更易於管理和直觀的細分。

可視化RFM分析

如上面的RFM模型所示，因為有三個變量，所以要使用三維坐標系進行展示，X軸表示Recency，Y 軸表示Frequency，Z軸表示Monetary，坐標系的8個象限分別表示8類用戶。

現在，讓我們討論如何解釋RFM細分，以了解這些用戶的行為，並提出一些有效的營銷策略。

分析RFM細分

重要價值客戶是您的最佳客戶，他們是那些最新購買，最常購買，並且花費最多的消費者。提供VIP服務和個性化服務，獎勵這些客戶，他們可以成為新產品的早期採用者，並有助於提升您的品牌。重要發展客戶是您的近期客戶，消費金額高，但平均頻率不太高，忠誠度不高。提供會員或忠誠度計劃或推薦相關產品以實現向上銷售並幫助他們成為您的忠實擁護者和高價值客戶。重要保持客戶是指那些經常購買、花費巨大，但最近沒有購買的客戶。向他們發送個性化的重新激活活動以重新連接，並提供續訂和有用的產品以鼓勵再次購買。重要挽回客戶是那些曾經光顧，消費金額大，購買頻率低，但最近沒有光顧的顧客。設計召回策略，通過相關的促銷活動或續訂帶回他們，並進行調查以找出問題所在，避免將其輸給競爭對手。一般價值客戶是那些最近購買，消費頻次高但消費金額低的客戶，需要努力提高其客單價，提供產品優惠以吸引他們。一般發展客戶是那些最近購買，但消費金額和頻次都不高的客戶。可提供免費試用以提高客戶興趣，提高其對品牌的滿意度。一般保持客戶是指很久未購買，消費頻次雖高但金額不高的客戶。可以提供積分制，各種優惠和打折服務，改變宣傳方向和策略與他們重新聯繫，而採用公平對待方式是最佳。一般挽留客戶是指RFM值都很低的客戶。針對這類客戶可以對其減少營銷和服務預算或直接放棄。此外：

目前的RFM分析中，一般給與M值更高的權重；如果您的公司中一般挽留客戶與一般發展客戶佔據多數，說明公司的用戶結構不是很合理，需要儘快採取措施進行優化。5、將RFM細分應用於電子郵件列表

現在我們已經了解了什麼是RFM，以及如何構建RFM模型以制定營銷策略，下面我們將以電子郵件營銷為例，說明RFM細分是如何起作用的。

結合客戶生命周期價值分析，RFM分析通過向更有可能購買的特定子集發送報價，使電子商務公司能夠顯著提高響應率。在 (做廣告推銷產品、徵求訂戶或會員等)直接郵件的世界裡，每個名字都有固定的維護或運營成本，削減清單的期望很強烈。因此，傳統的直銷營銷者已經使用RFM細分幾十年了。在電子郵件營銷中，通常有以下兩個常見的誤解：誤解1：電子郵件很便宜，因此向所有人發送郵件沒有任何影響。

實際上有一個很大的缺點：列出疲勞。隨著時間的推移，接收者收到了很多他們認為不相關的信息，他們越來越不可能回復，越來越有可能報告你的信息是垃圾郵件。列表確實具有與存儲和發送相關的成本，這純粹取決於列表的大小，反過來，這會降低你的「發件人聲譽」得分，而郵箱過濾規則會決定是否將你的郵件過濾到垃圾文件夾而不是收件箱時最重要的因素。最終結果呢？會面臨品牌受損和發送成功性問題，這可能會阻止忙碌的收件人接收你的消息。

誤解2：發送的列表越長，您的響應率就會更高。

這似乎符合邏輯，但事實並非如此。發送到更多數量的收件人不一定會產生更高的響應率。實際上，它會產生更多的垃圾郵件投訴。而只有當您向更小的列表子集發送相關的、有針對性、個性化的信息時，才更有可能增加回復率。

RFM類別： 適用於電子郵件，使用在線CRM系統或Web工具分析指標

電子郵件營銷使您可以用比直接郵件更多的方式來衡量客戶的互動和參與度。根據您的電子郵件資料庫和營銷策略，可以使用其他指標來代替傳統的RFM分析參數，從而為您提供許多不同的方式來執行RFM分析:

Recency

上次購買日期上次電子郵件點擊的日期上次生成的線索轉換的日期Frequency

每個收件人在設定時間內購買的次數每個收件人在設定的時間內點擊的次數在設定的時間內生成的線索轉化的次數Monetary

在一定時間內花費的總金額根據一段時間內的線索生成成本和線索生成收益等因素得出的總估算值在設定的時間段內根據不同指標得出的累計參與度得分確定了最適合您的業務的指標後，您需要將電子郵件資料庫綁定到包含購買或轉化歷史記錄的系統，例如在線CRM系統或Web分析工具。然後，我們可以按照以上所述的RFM評分示例方式以及數據挖掘和統計分析工具生成現成的RFM細分報告。

向不同的RFM細分發送不同類型的電子郵件活動將資料庫中的所有記錄分配為特定的RFM分類之後，您通常會選擇郵件列表的10％左右運行測試活動，以確定要向哪個RFM組發送郵件。在傳統的直接郵件中，你需要進行盈虧平衡分析，以確定哪些郵件收件人是有利可圖的。您查看每個RFM單元的測試組響應率，然後停止向響應率低於在郵件成本上實現收支平衡所需的響應率的單元發送郵件。然而，在電子郵件營銷中，目標不是簡單地向您最有價值的客戶發送定製化郵件或停止向你沒有價值的客戶發送郵件，而是找到正確的策略，與各種類型的收件人產生共鳴，以保留、發展或挽回他們。因此，您可以測試不同類型的消息，以查看哪些RFM細分對哪種類型的活動做出最佳反應，並且停止發送那些特定的廣告類型到那些不能通過盈虧平衡測試的細分市場。或者，您可以只比較不同RFM細分受眾群的轉化率，而不必使用盈虧平衡指標，並把未來的活動發送給那些轉化最好的群體。以下是針對不同RFM細分市場可能最有效的活動類型的一些建議：

高Recency, 高Frequency和高Monetary：通過獨特的電子郵件特權獎勵您最忠實的客戶和潛在客戶。例如，一些零售商自動為他們最好的在線客戶提供免費送貨和其他優惠。高Recency，低Frequency和低Monetary：此細分受眾群包括您的最新客戶或訂閱者。通過歡迎信息，產品使用技巧或其他對新手有用的信息，給他們留下良好的第一印象。低Recency，低Frequency和低Monetary：在直接營銷中，這些最沒有參與度的收件人可能根本不值得發送郵件。但是在電子郵件營銷中，他們可能是重新參與活動系列的理想人選。仔細檢查他們是否仍然希望收到您的郵件，如果他們不想，就把他們從你的名單中刪除。基於收件人過去的行為細分電子郵件列表的方法相對較簡單。使用RFM分析策略性方法進行細分，以提高回復率，並將更多的潛在客戶轉化為滿意的客戶。

6、最後

RFM是一種數據驅動的客戶細分技術，可幫助營銷人員做出更明智的戰略性決策。使營銷人員能夠快速識別用戶並將其細分為同類群體，並針對他們制定差異化和個性化的營銷策略。這反過來又提高了用戶的參與度和留存率。