如何使用RFM分析來了解目標(biāo)客戶

IBM SPSS Statistics 統(tǒng)計分析預(yù)測軟件是一款在調(diào)查統(tǒng)計行業(yè)，市場研究，醫(yī)學(xué)統(tǒng)計，政府和企業(yè)的數(shù)據(jù)分析應(yīng)用中久享盛名的統(tǒng)計分析工具，是世界上最早的統(tǒng)計分析軟件，在全球有大量的企業(yè)和個人用戶。

雖然 IBM SPSS Statistics 中的統(tǒng)計分析功能強(qiáng)大，但需要依賴于豐富的統(tǒng)計分析背景知識進(jìn)行操作，因此不便于一般的商業(yè)用戶使用。為此在 18 版本后，IBM SPSS Statistics 新增加了客戶直銷模塊，該模塊的操作界面簡單明了，結(jié)果報告分析清晰易懂，可以廣泛的應(yīng)用于電信，零售，銀行，保險，證券，傳媒，市場研究等行業(yè)領(lǐng)域，是為市場營銷人員精心設(shè)計的用以提高直銷效率，改善直銷活動效果的工具。

打開 IBM SPSS Statistics, 在菜單中選擇“直銷”->“選擇方法”，就進(jìn)入“直銷”模塊選擇方法界面，如圖 1 所示。

圖 1. 直銷模塊選擇方法界面

在“直銷”模塊中，分為三部分：

了解我的聯(lián)系人，用于對客戶信息進(jìn)行分析，將客戶根據(jù)不同特征進(jìn)行分類。改進(jìn)我的市場營銷活動，預(yù)測客戶對營銷活動的響應(yīng)率。對我的數(shù)據(jù)評分，利用“選擇最有可能購買的聯(lián)系人”和其他模塊中的多種程序構(gòu)建預(yù)測模型，根據(jù)預(yù)測模型對新的客戶數(shù)據(jù)評分。本文將介紹直銷模塊的第一部分“了解我的聯(lián)系人”：

分析幫助標(biāo)識我的最佳聯(lián)系人(RFM 分析)通過本文，你可以了解如何使用客戶直銷分析模塊中的 RFM 分析功能來了解目標(biāo)客戶，從而幫助你針對不同的客戶制定 Smart 營銷策略提供更可靠的依據(jù)。

如何使用 RFM 分析來了解目標(biāo)客戶

RFM 是在眾多的客戶關(guān)系管理 (CRM) 的分析模式中，被廣泛提到的模型之一。該模型應(yīng)用于衡量客戶價值和客戶創(chuàng)造利潤能力的分析。RFM 模型通過一個客戶的最近一次消費(Regency)、消費總體頻率(Frequency)以及消費金額(Monetary)對客戶進(jìn)行 RFM 打分，根據(jù)客戶的 RFM 得分來描述該客戶的價值狀況。

最近一次消費

最近上一次消費時間是評價客戶價值的一個重要指標(biāo)。理論上，最近購買產(chǎn)品或者服務(wù)的顧客，最有可能成為再次光顧的消費者，對推出的新品也最有可能做出反應(yīng)。消費總體頻率

消費總體頻率是在限定時間內(nèi)的購買次數(shù)。最常購買的顧客，也是滿意度最高的顧客。消費金額

消費金額是在限定時間期間購買金額的總和。根據(jù)“帕雷托”法則——通常 80% 的利潤來自 20% 的重要客戶，消費金額越多的客戶是越需要維系關(guān)系的客戶。根據(jù)以上三個指標(biāo)，對客戶進(jìn)行評級。在此假設(shè)三個指標(biāo)的級別分別為從 1 到 5，5 為最高級別：

基于最近購買日期或自最近購買以來的時間間隔，消費日期越近或時間間隔越短，客戶等級越高，為 5。反之，客戶等級越低，為 1。針對客戶消費頻率，為客戶分配一個頻率等級，其中較高的值代表購買頻率較高。例如，將最常購買的客戶的購買頻率等級評為 5。按消費金額對客戶進(jìn)行評級，其中消費金額值最高的客戶將獲得最高等級 5。將客戶的三個指標(biāo)等級合并就得到 RFM 得分。RFM 得分最高的客戶即為對新產(chǎn)品最有可能做出反應(yīng)的客戶。例如，某客戶最近一次消費、消費總體頻率和消費金額的等級分別是 4、3、5，則該客戶的 RFM 得分即為 435。應(yīng)用背景及數(shù)據(jù)描述

某公司要對一種新產(chǎn)品進(jìn)行推銷。市場部門希望通過對客戶進(jìn)行 RFM 分析，了解客戶的價值狀況。根據(jù)客戶的 RFM 得分，制定有針對性的營銷策略，來維護(hù)客戶關(guān)系，提高客戶忠誠度。

銷售部門中有以 Excel 表格式存儲的客戶信息，rfm_transactions 表中包括客戶 ID，購買產(chǎn)品編號，購買日期和交易金額，如圖 2 所示。

圖 2. rfm_transactions.xls 概要信息

數(shù)據(jù)準(zhǔn)備

IBM SPSS Statistics 讀入 Excel 數(shù)據(jù)，具體步驟及設(shè)置請見參考資料“數(shù)據(jù)預(yù)測統(tǒng)計分析產(chǎn)品 IBM SPSS Statistics 實例應(yīng)用講解”中的 IBM SPSS Statistics 實例應(yīng)用分析部分，在此不再累述。

客戶直銷模塊 RFM 分析應(yīng)用

通過 IBM SPSS Statistics 中簡便快捷的“直銷”菜單就可以對數(shù)據(jù)進(jìn)行 RFM 分析。進(jìn)入菜單：“直銷”->“選擇方法”，在“直銷”模塊中選擇“幫助標(biāo)識我的最佳聯(lián)系人(RFM 分析)”按鈕，如圖 3 所示。

圖 3. “幫助標(biāo)識我的最佳聯(lián)系人(RFM 分析)”按鈕

點擊“繼續(xù)”按鈕進(jìn)入“RFM 分析：數(shù)據(jù)格式”對話框，如圖 4 所示。

圖 4. “RFM 分析：數(shù)據(jù)格式”對話框

RFM 數(shù)據(jù)格式

RFM 分析根據(jù)數(shù)據(jù)行表示的含義分為來自交易數(shù)據(jù)的 RFM 分析和來自客戶數(shù)據(jù)的 RFM 分析。

來自交易數(shù)據(jù)的 RFM 分析

當(dāng)數(shù)據(jù)行表示單筆交易記錄，選擇交易數(shù)據(jù)的 RFM 分析。交易數(shù)據(jù)舉例如圖 5 所示，數(shù)據(jù)列中包含客戶 ID，購買的產(chǎn)品編號，購買該產(chǎn)品的日期和消費金額;數(shù)據(jù)行表示一個客戶的一條購買記錄，一個客戶可有多條購買記錄。

圖 5. 交易數(shù)據(jù)

來自客戶數(shù)據(jù)的 RFM 分析

當(dāng)數(shù)據(jù)行表示單個客戶的交易記錄，選擇客戶數(shù)據(jù)的 RFM 分析?？蛻魯?shù)據(jù)舉例如圖 6 所示，數(shù)據(jù)列中包含客戶 ID，該客戶消費的總金額、最近一次購買日期、購買總次數(shù)和最近一次購買時間間隔。

圖 6. 客戶數(shù)據(jù)

由于本例中數(shù)據(jù)是交易類型的數(shù)據(jù)，直接選擇“交易數(shù)據(jù)”點擊“繼續(xù)”按鈕進(jìn)入“交易數(shù)據(jù)的 RFM 分析”對話框，如圖 7 所示。

如果數(shù)據(jù)是客戶類型的數(shù)據(jù)，請選擇“客戶數(shù)據(jù)”。具體設(shè)置在后面詳述。

圖 7. “交易數(shù)據(jù)的 RFM 分析”對話框“變量”頁面

在“變量”頁面中將變量“客戶 ID”，“購買日期”和“交易金額”分別選入對應(yīng)的“客戶標(biāo)識符”，“交易日期”和“交易金額”文本框。

在“摘要方法”下拉框中有四種匯總每個客戶交易金額的方法：總計(交易金額總額)，均值，中位數(shù)或最大值(最高交易金額)。在本數(shù)據(jù)中，交易金額是單次購買產(chǎn)品的單價，所以選擇“總計”。

進(jìn)入“離散化”頁面，如圖 8 所示。

圖 8. “交易數(shù)據(jù)的 RFM 分析”對話框“離散化”頁面

在 RFM 分析中，需要將最近一次消費、消費總體頻率以及消費金額進(jìn)行分級，在對數(shù)據(jù)的實際操作中就是將大量數(shù)值分類，稱之為“離散化”。在“離散化”頁面中可以設(shè)定將數(shù)值分類的方法。

在“離散化方法”框中可以定義數(shù)據(jù)是按照三個指標(biāo)的優(yōu)先級依次分類或三個指標(biāo)獨立分類。

在 RFM 分析結(jié)果輸出中，類別對應(yīng)著相應(yīng)的塊。在“塊數(shù)”框中可以指定三個指標(biāo)的塊數(shù)。每個指標(biāo)可選擇 1 到 9 級進(jìn)行分塊，默認(rèn)分為 5 塊。

“結(jié)”是指具有相同指標(biāo)值的客戶。在“結(jié)”框中可以指定對具有相同指標(biāo)值的客戶如何分配到對應(yīng)的塊中。

選擇“保存”頁面，如圖 9 所示。

圖 9. “交易數(shù)據(jù)的 RFM 分析”對話框“保存”頁面

在“保存”頁面中，可以指定想要保存的變量，包括三個指標(biāo)的原始變量，對原始變量分級后的變量(以“_ 得分”為后綴名命名的變量)以及 RFM 得分。還可以指定新生數(shù)據(jù)的保存位置。

選擇“輸出”頁面，如圖 10 所示。

圖 10. “交易數(shù)據(jù)的 RFM 分析”對話框“輸出”頁面

已離散化數(shù)據(jù)中設(shè)置的輸出圖表是對圖 9 中“已保存變量的名稱”中的“嶄新 _ 得分”、“頻率 _ 得分”和“消費金額 _ 得分”進(jìn)行描述。未離散化數(shù)據(jù)中設(shè)置的輸出圖是對圖 9 中“已保存變量的名稱”中的“最 _ 近 _ 日期”、“交易 _ 計數(shù)”和“金額”進(jìn)行描述?？梢愿鶕?jù)需要選擇輸出的圖表。在此選擇所有輸出圖表。

全部設(shè)置完后，點擊“確定”按鈕，就可以得到客戶的 RFM 得分，并可以在 IBM SPSS Statistics 的輸出查看器中通過圖表查看根據(jù)三個指標(biāo)分塊后的客戶分布情況。在下面會對輸出的結(jié)果做具體說明。

如果數(shù)據(jù)是客戶數(shù)據(jù)類型，在“RFM 分析：數(shù)據(jù)格式”對話框，如圖 11 所示，選取“客戶數(shù)據(jù)”按鈕。

圖 11. “RFM 分析：數(shù)據(jù)格式”對話框

點擊“繼續(xù)”按鈕進(jìn)入“客戶數(shù)據(jù)的 RFM 分析”對話框，如圖 12 所示。

圖 12. “客戶數(shù)據(jù)的 RFM 分析”對話框

在“變量”頁面中將變量“客戶 ID”，“交易總金額” ，“購買產(chǎn)品總數(shù)”和“最近一次購買時間間隔”(或“最近一次購買日期”)分別選入對應(yīng)的“客戶標(biāo)識符”，“金額”，“交易數(shù)”和“交易日期或間隔”文本框。

客戶數(shù)據(jù)的 RFM 分析在“離散化”，“保存”和“輸出”頁面中的設(shè)置與交易數(shù)據(jù)的 RFM 分析基本一致，在此不再累述。

注意：對同一數(shù)據(jù)源進(jìn)行交易數(shù)據(jù)的 RFM 分析和客戶數(shù)據(jù)的 RFM 分析，輸出結(jié)果一致。

結(jié)果報告分析

IBM SPSS Statistics 的輸出查看器中對每張 RFM 分析輸出的圖表都附有結(jié)果說明，以便對輸出含義的理解。下面就對各圖表含義進(jìn)行簡單介紹。

如圖 13 所示，RFM 塊計數(shù)圖顯示根據(jù)離散化方法設(shè)定的塊的分布?？v軸“時間先后順序”顯示按最近一次消費時間指標(biāo)對客戶分為 1~5 級，上面的橫軸“頻率”顯示按購買頻率指標(biāo)對客戶分為 1~5 級。客戶根據(jù)最近一次消費級別和購買頻率級別被分為 5*5=25 塊。例如圖 13 中紅色標(biāo)記的塊，表示最近一次消費時間級別(或得分)為 5，購買頻率級別(或得分)為 3 的客戶群。在每塊中，根據(jù)消費金額指標(biāo)又對客戶分為 1~5 級，圖中顯示為五條條圖，從左到右表示消費金額級別(或得分)依次增高(即消費金額依次增大)。條狀圖的高低表示該條狀圖對應(yīng) RFM 得分的客戶數(shù)量的大小。例如圖 13 中紅色標(biāo)記的塊，依次顯示 RFM 得分從 531 到 535 的客戶數(shù)量的分布。

圖 13. RFM 塊計數(shù)圖

圖中可見，相對別的塊，分布在消費日期最近的(5 級)，購買頻率一般的(3 級)的客戶數(shù)量較多，這些客戶針對消費金額高低分布也比較平均。

從圖中可見，該條狀圖中的客戶的 RFM 得分為 555，表示這部分客戶最近都有購物，頻率和消費金額也高出其他客戶，是最有價值的客戶。

塊計數(shù)表，如表 1 所示，和塊計數(shù)圖中的信息是相同，只是以表格形式表現(xiàn)每個分塊中的個案數(shù)量。

表 1. RFM 塊計數(shù)表

RFM 熱圖，如圖 14 所示，縱軸“時間先后順序”顯示按最近一次消費時間指標(biāo)對客戶分為 1~5 級，上面的橫軸“頻率”顯示按購買頻率指標(biāo)對客戶分為 1~5 級?？蛻舾鶕?jù)最近一次消費級別和購買頻率級別被分為 5*5=25 塊。對每塊中的客戶群的消費金額做均值運(yùn)算，并在每塊中通過顏色深淺顯示消費金額均值大小。顏色越深的塊表示該塊對應(yīng)的客戶的消費金額均值越高。

圖 14. RFM 熱圖

圖中顯示隨著最近一次消費時間越近，消費頻率的增高，顏色越深，說明消費金額均值也在增加，客戶的滿意度忠誠度也越來越高。

RFM 直方圖，如圖 15 所示，用于顯示客戶數(shù)量在最近一次消費時間、消費頻率和消費金額的三個指標(biāo)中的大概分布。

圖 15. RFM 直方圖

每個直方圖的水平軸始終采用左側(cè)為較小值、右側(cè)為較大值的順序。但對于“時間先后順序”(即最近一次消費時間)圖的解釋依賴于最近一次消費時間的類型：日期或時間間隔。對于日期，左側(cè)條代表較遠(yuǎn)日期，右側(cè)條代表較近日期。對于時間間隔，左側(cè)條代表時間間隔較小，即購買日期離現(xiàn)在較近。

RFM 散點圖，如圖 16 所示，用于顯示原始數(shù)據(jù)中最近一次消費時間、消費頻率和消費金額的三個變量之間的關(guān)系。

圖 16. RFM 散點圖

對于“時間先后順序”(即最近一次消費時間)的解釋依賴于最近一次消費時間的類型：日期或時間間隔。對于日期，越接近原點的點代表離現(xiàn)在越遠(yuǎn)的日期。對于時間間隔，越接近原點的點代表購買日期離現(xiàn)在越近的值。

RFM 分析生成一個新數(shù)據(jù)集如圖 17，其中包含客戶的最近購買日期，購買頻率，消費金額以及各自的得分和綜合之后的客戶 RFM 得分。

圖 17. 新生成的數(shù)據(jù)

RFM 分析輸出的圖表和 RFM 得分有助于公司市場部門了解客戶的最近一次購買、消費頻率、消費金額以及綜合 RFM 得分的分布狀況，針對不同價值的客戶群，制定相應(yīng)的營銷策略。

小結(jié)

對客戶進(jìn)行 RFM 分析，并按 RFM 得分為客戶價值排序，使得公司能夠量化客戶的價值。市場部門可以定期對客戶進(jìn)行 RFM 分析，通過客戶 RFM 得分的變動，幫助公司制定更為可行的客戶策略，提升客戶交易量，增加客戶忠誠度，維系關(guān)鍵客戶。

總結(jié)及展望

功能強(qiáng)大，使用簡單是 IBM SPSS Statistics 客戶直銷模塊的特色，幫助市場營銷人員利用客戶數(shù)據(jù)深入了解客戶，讓市場人員在決策中更加自信。幫助企業(yè)制定智慧，有效的營銷策略。從而從市場營銷中得到更多收益。

目前 I BM SPSS Statistics 客戶直銷模塊總共有七大模塊，本文中主要介紹幫助了解的客戶的模塊：RFM 分析。希望讀者通過學(xué)習(xí)此文，加以實踐應(yīng)用，能夠從容自信的制定 Smart 市場營銷策略。