通過RFM方法，我們根據(jù)用戶的屬性數(shù)據(jù)分析，對用戶進(jìn)行了歸類。在推送、轉(zhuǎn)化等很多過程中，可以更加精準(zhǔn)化，不至于出現(xiàn)用戶反感的情景，更重要的是，對產(chǎn)品轉(zhuǎn)化等商業(yè)價(jià)值也有很大的幫助。

應(yīng)用背景：

在產(chǎn)品迭代過程中，通常需要根據(jù)用戶的屬性進(jìn)行歸類，也就是通過分析數(shù)據(jù)，對用戶進(jìn)行歸類，以便于在推送及轉(zhuǎn)化過程中獲得更大的收益。

分析方法：

RFM分析（Recency，F(xiàn)requency，Monetary）

分析工具：

SPSS（數(shù)據(jù)分析的重量級應(yīng)用，與SAS二選一）

一.RFM基礎(chǔ)知識

所謂探索性分析，主要是運(yùn)用一些分析方法從大量的數(shù)據(jù)中發(fā)現(xiàn)未知且具有價(jià)值信息的過程。

常用的探索性分析方法包括：RFM分析、聚類分析、因子分析、對應(yīng)分析等。

RFM的含義：

• R（Recency）：客戶最近一次交易時(shí)間的間隔。R值越大，表示客戶交易發(fā)生的日期越久，反之則表示客戶交易發(fā)生的日期越近。
• F（Frequency）：客戶在最近一段時(shí)間內(nèi)交易的次數(shù)。F值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。
• M（Monetary）：客戶在最近一段時(shí)間內(nèi)交易的金額。M值越大，表示客戶價(jià)值越高，反之則表示客戶價(jià)值越低。

RFM分析就是根據(jù)客戶活躍程度和交易金額的貢獻(xiàn)，進(jìn)行客戶價(jià)值細(xì)分的一種方法。

• RS：基于最近一次交易日期計(jì)算的得分，距離當(dāng)前日期越近，得分越高。例如5分制。
• FS：基于交易頻率計(jì)算的得分，交易頻率越高，得分越高。如5分制。
• MS：基于交易金額計(jì)算的得分，交易金額越高，得分越高。如5分制。

RFM總分值：RFM=RS*100+FS*10+MS*1

RFM分析的主要作用：

1. 識別優(yōu)質(zhì)客戶?？梢灾付▊€(gè)性化的溝通和營銷服務(wù)，為更多的營銷決策提供有力支持。
2. 能夠衡量客戶價(jià)值和客戶利潤創(chuàng)收能力。

RFM的假設(shè)前提：

假設(shè)交易的可能性：

1. 最近交易過的客戶 > 最近沒有交易過的
2. 交易頻率高的客戶 > 交易頻率低的
3. 交易金額大的客戶 > 交易金額小的

二.分析實(shí)踐

RFM接受的數(shù)據(jù)格式有兩種：

1. 交易數(shù)據(jù)：每次交易占用一行，關(guān)鍵變量是客戶ID、交易時(shí)間、交易金額。
2. 客戶數(shù)據(jù)：每次交易占用一行，關(guān)鍵變量是客戶ID、交易總金額、最近交易日期、交易總次數(shù)。

我們通常采用交易數(shù)據(jù)的格式進(jìn)行分析。因?yàn)榻灰讛?shù)據(jù)可以整理成客戶數(shù)據(jù)，而客戶數(shù)據(jù)無法還原成交易數(shù)據(jù)。即用交易數(shù)據(jù)的字段可以得到客戶數(shù)據(jù)的字段，反之不行。

具體是“交易數(shù)據(jù)”還是“客戶數(shù)據(jù)”根據(jù)數(shù)據(jù)源文件的格式而定。

變量：選擇各個(gè)變量。

分箱化：評分的總分是多少。

保存：生成哪些新的變量，可以自定義名稱。

輸出：可以全部勾選，為了能全面的解讀RFM分析結(jié)果。

確定后，生成了四個(gè)新的變量：

• 嶄新-得分：最后一次交易的時(shí)間間隔得分；
• 頻率-得分：交易總次數(shù)得分；
• 消費(fèi)金額-得分：交易總金額得分；
• RFM得分：RFM得分

三.結(jié)果解讀（最重要的環(huán)節(jié)）

該圖主要用來查看每個(gè)RFM匯總得分的客戶數(shù)量分布是否均勻。

我們期望均勻的分布，若不均分，則應(yīng)該重新考慮RFM的適用性或嘗試另一種分箱方法（減少分箱數(shù)目或隨機(jī)分配綁定值）。

“RFM熱圖”是交易金額均值在RS和FS繪制的矩陣圖上的圖形化表示，用顏色深淺表示交易金額均值的大小，顏色越深，表示相應(yīng)矩陣塊內(nèi)的客戶交易金額均值越高。

如本例隨著RS和FS的分值增大，顏色越來越深，說明客戶最近一次交易時(shí)間越近、交易次數(shù)越多，其平均交易金額越高。

該圖是最后一次交易時(shí)間、交易總次數(shù)、交易總金額之間的散點(diǎn)圖。

通過散點(diǎn)圖可以清晰直觀的看到三個(gè)分析指標(biāo)兩兩之間的關(guān)系，便于指標(biāo)相關(guān)性評估。

本例中，交易總次數(shù)和交易總金額存在較為明顯的線性關(guān)系，而最后一次交易時(shí)間和另外兩個(gè)分析指標(biāo)之間的相關(guān)性較弱。

四.RFM分析應(yīng)用

為客戶分組，即將三個(gè)指標(biāo)分別分為“高”和“低”兩種，高于均值的為“高”，低于均值的為“低”。

因此有三件事要做：

1. 計(jì)算出各個(gè)指標(biāo)得分的平均值；
2. 將各個(gè)變量高于平均分的定義為“高”，低于平均分的定義為“低”；
3. 根據(jù)三個(gè)變量“高”“低”的組合來定義客戶類型；如“高”“高”“高”為高價(jià)值客戶。

第一步，先計(jì)算各個(gè)指標(biāo)的平均值。

一定要勾選平均值，否則輸出結(jié)果中沒有“平均值”。

現(xiàn)在我們得到了各個(gè)變量的平均分：3.33，2.99，3.01。

第二步，將各個(gè)變量高于平均分值的定義為“高”，否則為“低”。

按照1-2-3-4-5的步驟設(shè)置高于平均值的為“2”，也可以設(shè)置為“高”

同理去設(shè)置FS和MS。

設(shè)置后結(jié)果如下：

可以在變量設(shè)置里設(shè)置標(biāo)簽，1代表“低”，2代表“高”，也可以在“重新編碼到不同變量”里面設(shè)置時(shí)就直接定義為“高低”，而不是“1和2”。

第三步：通過各個(gè)變量的高低組合，確定客戶類型。

第三區(qū)域：可以是公式，也可以是具體的數(shù)字，其實(shí)這里就是輸出結(jié)果。

第四區(qū)域：表示滿足的條件。

同理在“變量設(shè)置”里對標(biāo)簽就行設(shè)置就行。

最終分析結(jié)果如下：

通過RFM方法，我們根據(jù)用戶的屬性數(shù)據(jù)分析，對用戶進(jìn)行了歸類。在推送、轉(zhuǎn)化等很多過程中，可以更加精準(zhǔn)化，不至于出現(xiàn)用戶反感的情景，更重要的是，對產(chǎn)品轉(zhuǎn)化等商業(yè)價(jià)值也有很大的幫助。

作者：膝蓋哥，是一枚“跪著提需求”的產(chǎn)品經(jīng)理。常說“不用不用，真的不用了，我跪著就好！”

本文由 @膝蓋哥 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。