RFMT用戶分析案例

1、RFM 模型研究對象： xx 客戶客戶定位：姓名+證件號碼指標(biāo)及含義：R 為訪問時間間隔，F(xiàn) 為消費頻率，M 為消費總額，T 為單次最高的消費額。時間段： 2011 年 1 月 1 日 2012 年 12 月 31 日模型涉及：數(shù)據(jù)分析、網(wǎng)站營銷、網(wǎng)站推廣執(zhí)行問題：數(shù)據(jù)提取用時久，需設(shè)備支持。RFMT 模型介紹在營銷活動中， 每個客戶的價值因其購買能力和實際需求的不同而各不相同，尋找一種工具來辨別客戶價值至關(guān)重要?？蛻魞r值模型的建立可以對客戶進行排序分類，然后對客戶進行個性化營銷。本文為南航精準(zhǔn)營銷體系的建立引入了RFMT模型，它以客戶關(guān)系領(lǐng)域廣泛用來衡量客戶價值和描述客戶行為的RFM模型為基

2、礎(chǔ)，拓展而成。RFMT模型有四個指標(biāo)，如下R表示用戶最近一次購買南航機票的時間間隔。理論上，最近一次消費時間越近的用戶應(yīng)該是比較好的用戶，對提供即時的商品或是服務(wù)也最有可能會有反應(yīng)。R 指標(biāo)主要刻畫了用戶對南航網(wǎng)站的關(guān)注程度。F（ Frequency ）F 表示用戶在限定時間內(nèi)購買機票的頻率，消費頻率越高的用戶，其滿意度和忠誠度也就越高。 F 指標(biāo)主要刻畫了用戶對南航的忠誠度。M 表示用戶在限定時間購買南航機票的平均金額。消費金額是所有數(shù)據(jù)庫報告的支柱，直接反應(yīng)了南航的盈利情況。 M指標(biāo)主要刻畫了用戶的購買力。RFMT模型以上述四個指標(biāo)為替代變量，通過指標(biāo)標(biāo)準(zhǔn)化和賦予權(quán)重來計算客戶價值，然后根

3、據(jù)用戶價值來進行均值聚類分析，將用戶分成不同的類別，作為南航精準(zhǔn)營銷的基礎(chǔ)。RFMT 模型建立RFMT 模型涉及到時間間隔、 頻率、平均金額等指標(biāo)， 研究的是某一段時間的用戶價值，所以本文僅研究 2011 年 1 月 1 日到 2012 年 12 月 31 日這個時間段。一、指標(biāo)權(quán)重確立本文用層次分析法來確定模型各個指標(biāo)的權(quán)重，層次分析法（ Analytic Hierarchy Process 簡稱 AHP）是將與決策總是有關(guān)的元素分解成目標(biāo)、準(zhǔn)則、方案等層次，在此基礎(chǔ)之上進行定性和定量分析的決策方法，步驟如下1.建立判斷矩陣層次分析法的第一步是要確定各個指標(biāo)之間的重要性比較， 其重要性用 1

4、-9 標(biāo)度來表示，如下表：表 層次分析法標(biāo)度表標(biāo)度定義與說明1兩個元素對屬性具有同樣的重要性3兩個因素比較，一個因素比另外一個元素稍微重要5兩個因素比較，一個因素比另外一個元素明顯重要7兩個因素比較，一個因素比另外一個元素非常重要9兩個因素比較，一個因素比另外一個元素極端重要2，4， 6， 8表示需要在兩個標(biāo)準(zhǔn)中折衷1/b ij兩個元素間的反比較本文采用專家評估法來確定指標(biāo)之間的重要性，其中根據(jù)實際情況，專家人群選取了論文小組成員。首先評估人員對四個指標(biāo)進行定性判定。由于在價值評估中客戶的消費額對于企業(yè)的利潤貢獻度較大，所以一般來說M 應(yīng)該具有最高的重要性；F 重在衡量客戶的忠誠度，忠誠度越高

5、， 對于企業(yè)的價值也越高，所以 F 也會占到一定的比例；而最高消費額T 在一定程度上可以體現(xiàn)客戶的消費能力，這個因素對于區(qū)分價格敏感型的客戶有參考作用；R 最近一次消費則是關(guān)系到一個客戶的最近情況，由于對與航空業(yè)來說客戶的需求不連續(xù)，所以 R 指標(biāo)對于衡量客戶價值權(quán)重不高。然后根據(jù)定性判斷來對各指標(biāo)進行兩兩對比，取評估人員的平均值，可得：RFMTR1574F1/5121/2M1/71/211/3T1/42312.歸一化處理2.1 判斷矩陣每一列元素每一列的總和RFMTR11/51/71/4F511/22M7213T41/21/31各列之和17.003.701.986.25歸一化處理RFMTR0

6、.060.050.070.04F0.290.270.250.32M0.410.540.510.48T0.240.140.170.16判斷矩陣的特征向量RFMT各行之和R0.060.050.070.040.22F0.290.270.250.321.13M0.410.540.510.481.94T0.240.140.170.160.71對向量 w = （0.22 ， 1.13，1.94 ，0.71 ）T 進行歸一化處理，得R、 F、 M 、 T 判斷矩陣的特征向量： W=（0.06 ， 0.28，0.48 ，0.17）3.計算判斷矩陣的最大特征根max0.060.050.070.040.060.2

7、30.290.270.250.320.281.16( BW )0.540.510.480.481.970.410.240.140.170.160.170.70n(Bw)i4.05，其中 (Bw) i 表示向量 Bw 的第 i 個元素。maxnwii 14.一致性檢驗矩陣一致性指標(biāo)CI， C .Imaxnn 10.02 ；RI 取值表：n12345678910RI000.580.91.121.241.321.411.451.49計算隨機一致性比率 CR， CRCI0.0220.1 ；RI當(dāng) CR0.1 時，認(rèn)為層次總排序通過一致性檢驗。所以最后確定R、F、M 、 T 的權(quán)重分別為 0.06， 0

8、.28，0.48， 0.17故，（ WF， WR，WM， WT ）=（ 0.06， 0.28， 0.48，0.17）訪問時間間隔有價值的客戶單 次 最 高消費金額0.280.060.17消費頻率消費總額0.48二、 R、 F、 M 、T 值的標(biāo)準(zhǔn)化由于 R，F(xiàn)， M ，T 各值的度量單位各不相同，數(shù)據(jù)的取值也存在很大的差異，所以需要對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理，本文采用數(shù)據(jù)規(guī)格化變換方法，該方法可以客服模型不同指標(biāo)的計量單位對聚類分析結(jié)果產(chǎn)生的不合理影響，又稱極差正規(guī)比變化，計算公式如下| X -Xmin |?=XminXmax -其中， X 是標(biāo)準(zhǔn)化的 R， F， M ， T 值， X 是原值， X

9、max 和 Xmin 分別是該指標(biāo)的最大值和最小值。特別說明的是在R 指標(biāo)中， Xmin 表示限定時間段的最末時間點。三、計算單個客戶的價值得分對標(biāo)準(zhǔn)化后的R， F， M ，T 進行加權(quán)求和，得到每個客戶的價值得分，公式如下：SRFMT =W r*Xr + W f*Xf + W m *Xm + W t *Xt （ 3）式中 SRFM 表示客戶的 RFMT 價值得分， W r、W f 、W m 分別表示 R、F、M 各指標(biāo)的權(quán)重，分別表示標(biāo)準(zhǔn)化后的R、 F、 M 、T 值。Xr 、 Xf 、 Xm 、 Xt四、將客戶分類，計算每一類客戶的價值得分使用 K-均值聚類法時，需要預(yù)先判斷其聚類的類別數(shù)

10、。在模型中客戶分類通過每個顧客類別 RFMT 平均值與總RFMT 平均值相比較來決定的，而單個指標(biāo)的比較只能有兩種情況:大于 (等于 ) 或小于平均值，因此可能有16 種類別。將 16 類客戶的 RFMT平均值與總 RFMT均值比較 .如果單個客戶類別的均值大于總均值，則給該指標(biāo)一個向上的箭頭： “”標(biāo)記，反之則用“” ，如下表所示：客戶類別客戶數(shù)量RFMT比較結(jié)果1R F M T 2R F M T 3R F M T 4R F M T 5R F M T 6R F M T 7R F M T 8R F M T 9R F M T 10R F M T 11R F M T 12R F M T 客戶級別重

11、要保持重要保持重要發(fā)展一般重要重要挽留重要發(fā)展無價值無價值重要保持重要保持重要發(fā)展一般13R F M T 一般重要14R F M T 重要挽留15R F M T 無價值16R F M T 無價值均值通過 RFM 分析將南航的客戶群體劃分成重要保持客戶、重要發(fā)展客戶、 重要挽留客戶、一般重要客戶、 一般客戶、無價值客戶等六個級別，各客戶級別如上表所示。客戶分級不僅揭示了客戶在級別上的差異，而且反映了客戶在行為上的特性和變化傾向。針對不同等級的客戶， 采取不同的管理策略。但是，這種分類只是確定了客戶的等級，卻沒有各類客戶之間的一個量化的價值比較，因而對各類客戶做相應(yīng)的價值分析是非常有必要的?？蛻舴?/p>

12、類后，并不知道每一類客戶的價值差別有多大，相對企業(yè)的重要性怎樣。利用AHP 法分析得到的 RFMT 各指標(biāo)權(quán)重，并結(jié)合各類顧客的標(biāo)準(zhǔn)化后RFMT 指標(biāo)，可以得到每個類別客戶的價值得分。標(biāo)準(zhǔn)化的各個指標(biāo)的平均值為C Rj， CFj， CMj， CTj其中 j=1.8。 CSj 是第 j 類客戶的RFMT 各項指標(biāo)加權(quán)后的總得分，運算公式為。CSj =W R CRj +W FCFj +W M CMj +W T CTj其中， W R、W F、W M 、W T 分別為由 AHP 分析得來的 R、F、 M 、T 指標(biāo)的權(quán)重最后，根據(jù)總得分的大小來對各類客戶來進行排序，見下表。 排名靠前的客戶相對排名靠后

13、的客戶具有更高的顧客終身價值，忠誠度更高，對于企業(yè)來說更為重要。標(biāo)準(zhǔn)化的RFM 加權(quán)分類客戶類別排序12345678910111213141516在進行客戶分類后再對客戶的類別進行顧客終身價值排序，使得企業(yè)能夠量化各類客戶的價值的差別， 彌補了的客戶分類方法的不足。這有助于企業(yè)制定更為可行的客戶政策。于受到成本的制約，南航不可能提供完全的、無差別的個性化服務(wù)，只能將資源先集中在少數(shù)幾類對企業(yè)重要的客戶上。按照總得分的排列情況，企業(yè)應(yīng)該優(yōu)先將資源投放到總得分較高的客戶身上。由五、存在問題與優(yōu)化方向RFM 模型是業(yè)界內(nèi)普遍認(rèn)可的、可有效區(qū)分客戶價值的分析方法。而結(jié)合航空業(yè)來說，RFM 這幾個指標(biāo)在

14、應(yīng)用中也會有所不同，而這幾個指標(biāo)也是在評估客戶價值中比較關(guān)鍵的，要更全面的評估客戶的價值，應(yīng)該需要結(jié)合他的個人信息如年齡、收入、職業(yè)等， 不過這些信息在現(xiàn)階段數(shù)據(jù)體系中也不一定有或者可用。1. R 指標(biāo)問題及優(yōu)化問題： R（ Recency）值的是用戶最近一次訪問網(wǎng)站到某時刻的時間間隔，它衡量的是用戶對網(wǎng)站的關(guān)注， 如果 R 越小，則表示用戶對網(wǎng)站的關(guān)注度高， 其表現(xiàn)出的用戶價值就越高，反之則越低。問題僅用用戶最近的一次訪問來刻畫用戶對南航的關(guān)注度，并不夠全面，比如有 A、 B 兩個用戶，他們對官網(wǎng)的訪問軌跡如下：從上圖可以看出，用戶A 的 R 比 B 小，按照模型用戶A 的價值會比較高，但是

15、同樣可以看出B 的訪問比較密集，而且次數(shù)和A 一樣?？赡芩既粍偤糜幸欢螘r間沒有訪問，所以導(dǎo)致其價值變低。優(yōu)化方案在以后模型的發(fā)展中，可以考慮用戶更多的訪問次數(shù)，而不只是最近的一次，而是最近n 次，鑒于不同訪問次數(shù)時間越靠前其價值越高，所以可以給每一次購買（訪問）時間賦予一定權(quán)重來描述其重要性，如下：次數(shù)最近第 1 次最近第 2 次最近第 3 次最近第 n 次時間間隔T1T2T3Tn權(quán)重W1W2W3Wn所以， R 代表的時間間隔計算如下nR =TiWi ， i = 1、 2、 3 ni1比如模型選取最近的4 次訪問，其權(quán)重依次如下0.1、 0.2、0.3、 0.4，所以 R 代表的時間間隔：T

16、R = 0.4*T 1 +0.3*T2+ 0.2*T3+0.1*T 4如果能夠記錄用戶的每次來訪，就可以將所有的訪問納入R 的計算中， 使得模型更加全面。2. 指標(biāo)自身問題根據(jù)根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes 的研究，客戶數(shù)據(jù)庫中有三個神奇的要素，這三個要素構(gòu)成了數(shù)據(jù)分析最好的指標(biāo)：消費(Recency)、消費頻率 (Frequency)、消費金額(Monetary) ，因此建立了RFM 模型來衡量客戶價值，而本文建立的RFMT 模型是由RFM模型變化拓展而來，其中新增了T，表示該段時間內(nèi)用戶消費的最高金額。問題 1：指標(biāo)間存在一定的相關(guān)性對于模型中的四個指標(biāo)R、F、M、T，R 與 F 有較大的相關(guān)性，F(xiàn) 越大的時候R 越大的幾率較大； M 與 T 有較大的相關(guān)性，M 越大的時候T 越大的幾率較大，在價值衡量模型中出現(xiàn)相關(guān)性較大的指標(biāo)，這樣模型會顯得冗余。一個優(yōu)秀的模型的標(biāo)志是用最少數(shù)量的指標(biāo)來刻畫模型特征，所以在后期可以對RFMT模型進行精簡，抓住主要的F（消費頻率）和M （消費總金額）指標(biāo)來進行分析。問題 2：指標(biāo)局限性RFMT 是衡量用戶的價值的代表性指標(biāo)，描述的主