rfm分析方法（rfm分析法怎么做）

大家好！今天让创意岭的小编来大家介绍下关于rfm分析方法的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

• 1、如何使用SPSS Modeler进行RFM分析

• 2、客户价值如何分析？看看这个RFM模型分析吧

• 3、用户体系搭建（二）——如何用RFM划定用户层级

• 4、如何分析RFM模型才能最有效，才能真正起到精细化运营的作用？

一、如何使用SPSS Modeler进行RFM分析

在软件下方的“源”面板中选择“可变文件”节点，把数据读入到节点中。

在软件下方的“源”面板中选择“排序”节点，根据顾客ID进行排序，排序的目的是为加快计算速度。

在软件下方的“源”面板中选择“RFM汇总”节点，进行RFM汇总，此处注意，如果要查看汇总结果，要选择一个表节点查看，否则无法运行。

在软件下方的“源”面板中选择“RFM分析”节点，运行进行RFM分析，分析的结果是每个顾客的RFM得分。

在软件下方的“源”面板中选择“排序”、“样本”节点对顾客的得分进行排序并选择出前n名的顾客ID，筛选的出的顾客为重点顾客，可以作为促销目标用户。

二、客户价值如何分析？看看这个RFM模型分析吧

相信很多企业都希望服务好客户，促进销售转化，最好能对产品和品牌产生黏性，长期购买。于是绞尽脑汁去维护客户关系，但往往不是很理想，无感的依旧无感。为什么？因为不同的客户消费需求不一样。因此，对不同的客户进行价值划分，可以更好地帮助业务部门进行精准营销，为不同的客户定制不同的营销策略，以提高转化率。

那么如何对客户价值进行分析呢？这里我们可以通过RFM模型对客户进行细分：

R：最近一次消费（Recency），指客户最近交易日期距离当前天数。

F：消费频率（Frequency），表示客户在一定时期内的购买次数。

M：消费金额（Monetary），表示客户在一定时期内消费的平均金额。

通过这样的模型对客户价值划分后，我们可以将客户类型细分成：重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户，如下图所示：

借助上图所示的RFM模型分析，企业可以很直观的了解到不同客户所对应的价值。若想清晰的掌握不同客户类型下的客户数量及其所带来的销售额情况，我们可以借助下图帮助用户直观统计出不同类型客户的情况：

如图，我们可以看到，一般挽留客户与一般发展客户的数量最多，但其所带来的销售价值并不高，而重要价值客户所占数量不多，但却为企业带来了最大的收益价值。因此，企业可在面对不同类型的客户时，采取不同的销售策略，为企业带来更大的收益价值。

在对客户价值分析的过程中，我们还可以结合其他图表对客户进行分析，联动筛选出想要了解的客户情况：

如上图所示，我们可以借助此分析报表，筛选过滤出任意一家或多家客户的月度销售额、成本、平均单价、所购买的商品种类、笔数等指标数据的变化趋势，以及客户所购买的物料具体明细，帮助企业更清晰了解不同客户的销售价值，以此采取不同的销售应对策略。

当然，上述图表仅供参考，在实际中可另行修改设计。该分析模型制作完成后，借助数林BI对数据进行自定义更新设置后，后续数据可自动可从用友或金蝶系统中获取，帮助我们减少定期重复做表的繁琐，减轻工作量，从而提高工作效率。

三、用户体系搭建（二）——如何用RFM划定用户层级

RFM是很传统的数据分析模型，几乎所有文章都会提到它，然而市面上RFM模型很多只是讲解了如何通过RFM解决和划定用户群体，但是很少有详细说明RFM模型的计算方式，本文讲解RFM模型的含义及应用以及如何使用SPSS计算RFM模型。

1、RFM模型概述

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。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。（摘自百度百科）

以上是百度百科对RFM模型的描述，说的比较复杂，简单的来讲RFM是通过统计用户最近购买时间（R），购买的次数（F），购买的金额（M）这三个维度来描述用户在群体中的位置。对于这三个维度的描述具体如下：

基于这三个维度，将每个维度分为高低两种情况，我们构建出了一个三维的坐标系。

通过图表很直观的发现，我们把客户分为了2的三次方也就是8个群体。

2、RFM模型取数方法

根据RFM模型的定义，我们可以很容易的推导出，RFM模型的数据取数内容主要包括三个字段即：最近购买时间、最近购买次数、消费金额。但是在实际工作中也会有问题是我们要计算每个用户的购买时间、购买次数费事费力，所以一般也可以通过统计订单来进行计算。

当我们通过订单进行统计时需要包含以下字段

当我们准备好以上数据时就可以开始准备计算RFM模型

考虑不少人不是很了解SPSS，下面也将包含一些SPSS基础功能的讲解

1、设置度量标准

SPSS分为数据视图和变量视图，在开始前需要在变量视图中设置数据类型

SPSS中数据类型包括度量、名义、序号，

2、设置变量类型及宽度

变量类型是定义该变量是何种类，点击类型弹出变量类型选择弹窗

宽度定义变量的展示位数，对于Order_id、User_id等需要注意变量长度，让这两个字段完全展示。

另外对于，Create_time这一字段应选用日期这一类型并选择yyyy:mm:dd

我们可以直接将excel里的数据直接复制过来。

4、选择分析模型分析

Step1：选择分析模型

完成数据准备后选择 直销——RFM分析，不同汉化版本翻译可能稍有不同

Step2：选择数据格式

由于我们使用的是订单记录，所以我们选用交易数据

Stpe4:SPSS执行RFM分析

SPSS完成分析后，会生成一个新的数据文件，记录每个客户的最近一次交易日期、交易总次数、交易总金额、RS/FS/MS分值、RFM汇总分值。

RFM汇总分值=RS分值 100+FS分值 10+MS分值。

选用分析—描述统计——描述这一方法计算RS\FS\MS均值

最终可得如下结果

选择"重新编码为不同变量"，先对客户的RS进行高低转化。

依据上表，逐个设置各客户类型所对应的数据规则。

设置客户类型=1的数据规则，操作如下：

重复以上操作设定不同数据类型

最后将将客户类型编码1、2、3、4、5、6、7、8转换成实际客户类型：

最终，可得出如下结果

四、如何分析RFM模型才能最有效，才能真正起到精细化运营的作用？

举一个互联网餐饮的例子~来证明如何分析RFM模型：

如何通过外卖订单数据，分析用户的基本属性；

用户的订单上都有订餐地址，通过对于订餐地址的统计，我们可以查询到不同条件组合下的用户分布，甚至能知道喜欢某道菜的用户都在哪里。类似的用户数据挖掘，还可以根据复购构成、复购用户跨平台使用情况、性别组成做更精细化的分析。值得注意的是，数据平台间的差异还是蛮大的，有利于针对不同平台做出不同的营销策略。

上面这些最基本的用户属性对于精细化运营还是不够的。 因为这些信息无法帮助你解决下面四个问题——

1.谁是我的重要价值客户，他们都有什么特点？

2.谁是我需要重点保持联系的客户，他们都有什么特点？

3.谁是我的重要发展客户，他们都有什么特点？

4.谁是我的重要挽留客户，他们都有什么特点？

2.如何通过RFM模型，为用户分群，实现精细化运营

　RFM模型是一个被广泛使用的客户关系分析模型，主要以用户行为来区分客户，RFM分别是：

R = Recency 最近一次消费

F = Frequency 消费频率

M = Monetary 消费金额

需要详细了解以上三个指标定义的，百度会将维度再细分出5份，这样就能够细分出5x5x5=125类用户，再根据每类用户精准营销……显然125类用户已超出普通人脑的计算范畴了，更别说针对125类用户量体定制营销策略。实际运用上，我们只需要把每个唯独做一次两分即可，这样在3个维度上我们依然得到了8组用户。

重要价值客户（111）：最近消费时间近、消费频次和消费金额都很高，必须是VIP啊！

重要保持客户（011）：最近消费时间较远，但消费频次和金额都很高，说明这是个一段时间没来的忠实客户，我们需要主动和他保持联系。

重要发展客户（101）：最近消费时间较近、消费金额高，但频次不高，忠诚度不高，很有潜力的用户，必须重点发展。

重要挽留客户（001）：最近消费时间较远、消费频次不高，但消费金额高的用户，可能是将要流失或者已经要流失的用户，应当基于挽留措施。

3.如何在BDP个人版上建立RFM模型，帮助用户分群

这时候可能会有朋友问了，天啦，你这个三维模型，我没办法用BDP来建表格了。所以我们需要做的是将三维模型二维化，我们将R域切一块出来（即在近30天有复购的用户中做分析），压扁了就会看到。

上方的表示或许还是太学术了，简单的说

第一步：先挑出来近1个月的复购用户。

第二步：近1个月内复购用户的平均实付金额做纵轴。

第三步：近1个月内复购用户的购买次做横轴，生成表格。

第四步，你需要自己在这个表格上划红线。

横着的红线，代表着你认为来吃饭的客人平均每餐该花多少钱，我这里设定的值是25元，叫外卖25都没付到，对我而言是低消费金额（低M）用户。

竖着的红线，代表着你认为复购多少次的客人，是你的高频用户。外卖点餐流动率很大，一个用户每个月能在一家店点三次以上的菜，对我而言即是高频。

这样，BDP个人版上的RFM模型就建立好了。这个RFM模型在实操时有什么用呢？举个例子

比如对圈用户群发短信转化只有不到1%时，你可以用RFM做个分析，只选取R值高的用户(最近2周到最近一个月内消费的用户），转化率可以由1%提升到10%。

这也意味着，以往6元/订单将下降到0.6元/订单。掌柜们是愿意花600元给10000个用户发短信，得到100个订单，还是愿意花48元给800人发短信得到80个订单，相信大家一定会选后者。

而整体的RFM区分，则能够帮掌柜们针对不同的用户发不同的短信，短信的开头是用“好久不见”、还是用“恭喜你成为VIP”，就得看时重要保持客户还是重要价值用户了。只有能区分用户，才能走向精细化运营。

以上就是关于rfm分析方法相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。

推荐阅读：

nerf射程排行榜（nerf枪射程排名）

rfm数据分析模型（rfm分析表）

rf351.8适合拍什么（rf35适合拍人吗）

游戏工作室头像图片（游戏工作室头像图片高清）

北京阳台庭院景观设计软件（北京庭院景观设计公司）