RFMT用户分析案例.docx

RFMT用户分析案例
RFM模型
研究对象：xx客户
客户定位：姓名+证件号码
指标及含义：R为访问时间间隔，F为消费频率，M为消费总额，T为单次最高的消费额。
时间段：2011年1月1日——2012年12月31日
模型7
故，（WF，WR，WM，WT ）=（，，，）
有价值的客户
访问时间间隔
消费总额
单次最高消费金额



消费频率

二、R、F、M、T值的标准化
由于R，F，M，T各值的度量单位各不相同，数据的取值也存在很大的差异，所以需要对数据进行标准化处理，本文采用数据规格化变换方法，该方法可以客服模型不同指标的计量单位对聚类分析结果产生的不合理影响，又称极差正规比变化，计算公式如下
X'= X-XminXmax-Xmin
其中，X’是标准化的R，F，M，T值，X是原值，Xmax和Xmin分别是该指标的最大值和最小值。特别说明的是在R指标中，Xmin表示限定时间段的最末时间点。
三、计算单个客户的价值得分
对标准化后的R，F，M，T进行加权求和，得到每个客户的价值得分，公式如下：
SRFMT=Wr*Xr’+ Wf*Xf’+ Wm*Xm’+ Wt*Xt’ （3）
式中SRFM表示客户的RFMT价值得分，Wr、Wf、Wm分别表示R、F、M各指标的权重，Xr’、 Xf’、 Xm’、Xt’分别表示标准化后的R、F、M、T值。
四、将客户分类，计算每一类客户的价值得分
使用K-均值聚类法时，需要预先判断其聚类的类别数。在模型中客户分类通过每个顾客类别RFMT平均值与总RFMT平均值相比较来决定的，而单个指标的比较只能有两种情况:大于(等于)或小于平均值，因此可能有16种类别。
将16类客户的RFMT平均值与总RFMT均值比较
.如果单个客户类别的均值大于总均值，则给该指标一个向上的箭头：“↑”标记，反之则用“↓”，如下表所示：
客户类别
客户数量
R
F
M
T
比较结果
客户级别
1
R↓F↑M↑T↑
重要保持
2
R↓F↑M↑T↓
重要保持
3
R↓F↑M↓T↑
重要发展
4
R↓F↑M↓T↓
一般重要
5
R↓F↓M↑T↓
重要挽留
6
R↓F↓M↑T↑
重要发展
7
R↓F↓M↓T↑
无价值
8
R↓F↓M↓T↓
无价值
9
R↑F↑M↑T↑
重要保持
10
R↑F↑M↑T↓
重要保持
11
R↑F↑M↓T↑
重要发展
12
R↑F↑M↓T↓
一般
13
R↑F↓M↑T↓
一般重要
14
R↑F↓M↑T↑
重要挽留
15
R↑F↓
无价值
M↓T↑
16
R↑F↓M↓T↓
无价值
均值
通过RFM分析将南航的客户群体划分成重要保持客户、重要发展客户、重要挽留客户、一般重要客户、一般客户、无价值客户等六个级别，各客户级别如上表所示。客户分级不仅揭示了客户在级别上的差异，而且反映了客户在行为上的特性和变化倾向。针对不同等级的客户，采取不同的管理策略。但是，这种分类只是确定了客户的等级，却没有各类客户之间的一个量化的价值比较，因而对各类客户做相应的价值分析是非常有必要的。
客户分类后，并不知道每一类客户的价值差别有多大，相对企业的重要性怎样。利用AHP法分析得到的RFMT各指标权重，并结合各类顾客的标准化后RFMT指标，可以得到每个类别客户的价值得分。
标准化的各个指标的平均值为，，，其中j=1....8。是第j类客户的RFMT各项指标加权后的总得分，运算公式为。
=WR+WF+WM+WT
其中，WR、WF、WM、WT分别为由AHP分析得来的R、F、M、T指标的权重最后，根据总得分的大小来对各类客户来进行排序，见下表。排名靠前的客户相对排名靠后的客户具有更高的顾客终身价值，忠诚度更高，对于企业来说更为重要。
标准化的RFM加权分类
客户类别





排序
1
2
3
4
5
6