ML之FE：RFM指标(衡量客户价值和客户创利能力的指标)／RFM模型的简介、使用方法、应用实现之详细攻略

ML之FE：RFM指标(衡量客户价值和客户创利能力的指标)/RFM模型的简介、使用方法、应用实现之详细攻略

?

目录

RFM指标的简介

1、RFM指标的意义―新增【客户价值】字段―衡量当前客户价值及其潜在价值的重要工具和手段

2、RFM指标的实际应用→得到【客户价值】字段

2.1、基于RFM模型指标分段通过打标签直接进行客户分群→得到【客户价值・客户群类】字段

T1、基于业务经验(打标签)驱动细分

T2、基于模型驱动细分

2.2、基于RFM模型指标分段打分并结合聚类算法进行客户得分→得到【客户价值・客户得分→再分群】字段

第一步，给客户打分―两种打分方式：直接组合得分、加权得分

T1、三个维度组合直接累加法得分

T2、三个维度得分并借助业务经验/模型赋权重→加权得最终分值

第二步，给客户分群

3、RFM指标的应用场景

(1)、营销推荐领域客户分群―精准定向营销

(2)、保险领域筛选优质客户

RFM指标的具体实现

T1、代码编程―如可以用python代码等编程语言

T2、工具―在excel表内通过函数实现

? ? ? 在众多的客户关系管理(CRM)的分析模型中，RFM模型是被广泛提到的。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。该模型通过一个客户的近期交易行为、交易的总体频率以及交易金额三项指标来描述该客户的价值状况，依据这三项指标划分8类客户价值：重要价值客户、重要唤回客户、重要深耕客户、重要挽留客户、潜力客户、新客户、一般维持客户、流失客户。一般可以分为八个类别，但也可以依据实际业务情况而定。

? ? ? 根据RFM模型，就可以根据在某一段时间内业务订单数据，统计客户最近的消费间隔、消费次数和消费金额。可以进一步地，利用机器学习中的K-Means算法对客户进行聚类分群。当然，不仅仅可以局限于这三个数据字段，还可以根据业务需求，加入其他字段，进行调整模型。 ? ? ? 对于电商网站，如果要做一次营销推荐活动，需要针对不同价值的客户群体，进行分群推荐。对于高价值的客户推荐手表、珠宝等高端商品，而对于低价值客户推荐打折促销的廉价商品。当然，还有以下这些问题都是需要考虑的：

• 1)、谁是最佳客户？
• 2)、谁即将要成为流失客户？
• 3)、谁将有潜力成为有价值的客户?
• 4)、哪些客户能够留存？
• 5)、哪些客户会对目前的活动有所反应？

? ? ? 总而言之，最终的问题会转化为如何对客户进行分群，即如何建立客户的价值模型。目前来说，RFM模型作为客户细分模型是被广泛用在传统零售企业和现代电商中。

? ? ? ?基于RFM模型，利用三个不同维度的指标分别进行客户细分，细分可以由数据驱动划分，基于大量的数据进行合理规划。但是也并非越细越好，因为一旦用户细分群组过多，第一个是会给自己的营销方案执行带来较大的难度，第二个是可能会遗漏用户群或者对同个用户造成多次打扰。