RFM模型在销售数据分析中的应用(综述报告).pdfVIP

RFM ( ) RFM ( ) RRFFMM模型在销售数据分析中的应用((以电气行业为例)) 本文作者：邓光耀 摘要：本文以电气行业销售的数据分析为例，利用RFM模型对客户进行分类，提出了R值、 F值、M值等三个指标的分类标准，及给出了确定RFM模型中客户在决策者心目中的排名 规则的具体办法，文中比较详细地介绍了确定指标排名规则的层次分析法，并综述了国内外 学者对RFM模型的研究情况。 关键词：R（Recency）； F（Frequency）；M（Monetary）；帕累托定律；层次分析法 1 RFM 1 RFM 11、RRFFMM模型相关背景知识介绍 根据美国数据库营销研究所的Arthur Hughes 1994 年的研究，客户数据库中有三个 神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费（Recency）；消 费频率（Frequency）；消费金额(Monetary)。 目前国内外学者对 RFM 模型做了以下研究：周颖等人利用了聚类分析的方法对 电信市场进行了 RFM 模型的分析；陈伯成等人利用了神经网络方法对模拟数据进行 了 RFM 模型的分析。这些研究均没有对 RFM 模型的分类标准进行探讨，另外只简单 地按照各指标是否大于平均值来对客户分类。已经有了的 RFM分析将客户群分成重要 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 六个类别，分类规则基本上按照各指标的分值是否大于平均值来分的，本来有 2*2*2=8 种，由于论文的作者根据聚类分析的结果合并了两种客户类型，因此只有六个类别。 读者可以参考以下文献：林盛，肖旭.基于RFM的电信客户市场细分方法[J].哈尔滨工业 大学学报，2006,5. 以上分类不能达到监控客户交易异常行为，防止重要客户流失的目的，因此本文提出 一种分类标准供大家参考，并利用层次分析法确定了 R、F、M 等三个指标的权重， 从而给出合理的 RFM 指标的排名规则。本文另外利用实际数据研究了这三个指标的 相关性，并给出数据分析中要用到的excel函数表达式。 2、分类标准的确定 Spss17.0以上版本提供了做RFM模型分析的模块，不过对各指标的分类标准却没有公 布。本文根据公司销售的实际数据，以2011年1月到2011年3月为样本期，考察了450 家客户与公司的交易情况。提出以下分类标准： 确定Ｒ值指标的excel函数表达式为： =if(c3=datevalue(＂2010-1-31＂)，1，if(c3=datevalue(＂2010-2-28＂),2, if(c3=datevalue(＂2010-3-10＂),3, if(c3=datevalue(＂2010-3-20＂),4,5))))。 这里datevalue函数的作用是将日期转化为相应的序列数，这样拖动填充柄，我们可 以快速有效地把各客户分类。确定Ｆ值指标、M值指标的分类我们可以按照帕累托定律来做， 所谓帕累托定律是指公司80%的销售额是由20%的重点客户创造的。故我们将排名前5%的F 值或者M值定义为5,5%到15%之间的客户定义为4,15%到30%的客户定义为3,30%到50%的客 户定义为2,50%到100%的定义为1，根据以上标准可得excel函数表达式如下： F值：=IF(D33,1,IF(D36,2,IF(D310,3,IF(D318,4,5))))； M值：=IF(F37500,1,IF(F325000,2,IF(F3100000,3,IF(F3300000,4,5)))). 作者联系方式：dgy203316@163.com 根据公司的销售数据的实际情况的变动可能会对分类的具体标准做些调整，但是短期内 可以保持这个标准不变，就是变动了分类的比例也可以保持不变。 这样得到各指标均大于等于3的客户（即排名表中的客户）大约为20%左右，这是因为 还有部分客户的这三个指标出现异常，因此不在排名表中，这些客户出现在异常值统计表中， 这些客户也是数据分析的重点研究对象，通过研究这些异常值我们可以达到提高交易次数、 发现重点客户交易异常行为的目的。 3、排名规则的确定 制作排名表是为了让