RFM分类方法及模型.docVIP

RFM顾客分类方法及模型 Recency：理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。如果我们能让消费者购买，他们就会持续购买。 Frenquency：消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客，忠诚度相对高于其它顾客。 Monetary：消费金额的意义不言而喻。 一、RFM分类：（参考：Arthur Hughes 顾客五等分模型） 查询出一年时间内（以查询时间向前推一年计算）所有VIP顾客的最近一次购买时间； 将靠前（离查询时间最近）20％标记为5，前20％－40％，标记为4，前40％－60％，标记为3，前60％－80％，标记为2，前80％－100％，标记为1。依次类推，将此项上所有顾客分成5－1五等分； 查询出在一年内所有VIP顾客的消费频次及购买金额，已同样的方法划出5等并进行5－1的标记； 将R、F、M三项对应到单个顾客，最终每个顾客将出现一个由三个数字组成的数组； 将每个顾客对应的三位数相加，作为顾客价值的得分，进行标记。 二、顾客价值及流失监控模型 顾客价值模型 得分 顾客分类 14-15分 超优质顾客 10-13分 优质顾客 6-9分 一般顾客 3-5分 低贡献顾客 理论上来说，同等的资源投入的情况下，一名超优质顾客的回报将会是优质顾客的5倍，可以推出，在资源有限的前提下，满足顾客的顺序应该也是自上而下的： 要求系统对每个顾客进行评分并归类 评分及归类以分店为单位（按照三月内消费次数最高分店计算，如果出现两店消费次数一样算为老店顾客） 流失顾客监控模型 由图可以看出，只有在右下象限的顾客是最需要重点关注并对其进行挽留的，顾客流失项目主要是对此类顾客进行： 1）要求系统能自动对各分店此类顾客进行自动标记； R≥3且M≥3 ：高价值忠诚 R＜3且M≥3 ：高价值流失 R＜3且M＜3 ：低价值流失 R≥3且M＜3 ：低价值忠诚 2）自动显示此类顾客数量及占比情况； 3）能够批量查询此类顾客单个基本资料； 4）查询结果可以导出。 3、顾客分类模型 由图可以很清楚的看出单个顾客的类型（所在象限），从而判断出对此顾客采用的营销策略。 要求系统能自动对各分店此类顾客进行自动标记； F≥3且M≥3 ：高频次高价值 F＜3且M≥3 ：低频次高价值 F＜3且M＜3 ：低频次低价值 F≥3且M＜3 ：高频次低价值 自动显示各类顾客数量及占比情况； 能够批量查询此类顾客单个基本资料； 查询结果可以导出。