根据美国数据库营销研究所ArthurHughes的研究客户数据库中有三.pdfVIP

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 分析原多用于传统营销、零售业等领域，适用于拥有多种消费品或快速消费品的 行业， 只要任何有数据记录的消费都可以被用于分析。 那么对于电子商务网站来说， 网站数 据库中记录的详细的交易信息，同样可以运用 RFM 分析模型进行数据分析，尤其对于那些 已经建立起客户关系管理 (CRM) 系统的网站来说，其分析的结果将更具意义。 基本概念解释 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。 RFM 分析模型主要由三 个指标组成，下面对这三个指标的定义和作用做下简单解释： 最近一次消费 (Recency) 最近一次消费意指用户上一次购买的时间， 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。 因为最近一次消费指标定 义的是一个时间段， 并且与当前时间相关， 因此是一直在变动的。 最近一次消费对营销来说 是一个重要指标，涉及吸引客户，保持客户，并赢得客户的忠诚度。 消费频率 (Frequency) 消费频率是顾客在一定时间段内的消费次数。 最常购买的消费者， 忠诚度也就最高， 增 加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。 根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个 忠诚度的阶“ 梯 ”(loyalty ladder) ，其诀窍在于让消费者一直顺着阶梯往上爬， 把销售想像成是要将两次购 买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。 消费金额 (Monetary) 消费金额是对电子商务网站产能的最直接的衡量指标，也可以验证 帕雷托法“ 则 ”(Pareto ’s Law) ——公司 80 ％的收入来自 20 ％的顾客。 数据获取与分析 在从数据库中提取相关数据之前， 首先需要确定数据的时间跨度， 根据网站销售的物品 的差异，确定合适的时间跨度。 如果经营的是快速消费品，如日用品， 可以确定时间跨度为 一个季度或者一个月； 如果销售的产品更替的时间相对久些， 如电子产品， 可以确定时间跨 度为一年、 半年或者一个季度。 在确定时间跨度之后就可以提取相应时间区间内的数据， 其 中： 最近一次消费 (Recency) ，取出来的数据是一个时间点，需要由 - 当前时间点 最近一次 消费时间点 来作为该度量的值，注意单位的选择和统一，无论以小时、天为单位； 消费频率 (Frequency) ，这个指标可以直接在数据库中 COUNT 用户的消费次数得到； 消费金额 (Monetary) ，可以将每位客户的所有消费的金额相加 (SUM) 求得。 获取三个指标的数据以后，需要计算每个指标数据的均值，分别以 AVG(R) 、AVG(F) 、 AVG(M) 来表示， 最后通过将每位客户的三个指标与均值进行比较，