[Clementine之RFM模型分析实现过程.docxVIP

Clementine之RFM模型分析实现过程相信每个做marketer都听过RFM分析吧，但具体RFM是怎么一回事、RFM能做什么以及如何来实现RFM分析，可能有些朋友还不是很清楚，我将结合clementine12（实际上spss18和才lementine12中带有将rfm分析模块整合到软件中）来给大家演示这一常用的分析方法。let’s go…什么是RFM模型？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。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标来描述该客户的价值状况。根据美国数据库营销研究所Arthur Hughes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)RFM能做什么？由此我们看到通过RFM模型，我们可以找出核心用户群：每一个用户会得到一个RFM综合得分，从而获取高价值用户群，这个可以通过打分卡模型来实现。另外通过每一个用户的R/F/M维度得分，进行用户群体细分：实现精准营销。方法一：每一个维度划分为若干等级，最好制作一个气泡图，得出每一区间（类别）用户比例和特征。方法二：以 R/F/M为主字段进行聚类分析，然后结合年龄、职业等其他作为辅助字段进行聚类描述。怎么获取用户RFM得分？接下来我将结合clementi12（SPSS18也可以完成）来演示RFM分析过程：step1、以clementine自带数据transactions为例，数据结构如下：cardid相当于订单信息中的用户ID，出现一次表示购物一次即 F +1date购买时间，格式有点问题，需要转换成日期格式。可以通过字段填充命令进行。Amount表示每次购物金额step2、引入RFM汇总模块具体设置如下：注意：在计算最近一次购物间隔R时，这里有个时间点的选择。选择今天或者选择某一个固定日期。一般来说，选择过去某一个固定日期做为R计算节点，主要是为了排除新用户，即我只看这个时间点以前的用户表现。Step3、引入RFM分析模块具体设置如下：红色大圈表示你在计算RFM综合得分时，给予R/F/M的计算权重，在这里我采用业界比较公认的权重比例。红色小圈点进去之后可以设置每一个因素的分类范围：Step4、RFM综合得分结果，引入一个输出结果表，得出每一个用户的RFM得分：Step5、应用1、接下来你可以倒序排列FRM得分，排在前面的就是高价值用户。2、你也可以对这个表（R/F/M得分）进行聚类分析。整个建模过程如下：B2C本质上是零售，客户是最宝贵的资源。企业只有不断的去了解用户，挖掘用户价值和需求，才能不断地发展下去。