python信用评分卡(附代码,博主录制)
RFM模型---最有价值客户
评价一个客户是否好坏有上万个变量,但这些变量最终可降到三个维度,即RFM模型
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3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3个神奇的要素,这3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模型是衡量客户价值和客户创利能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的。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3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3个神奇的要素,这3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)
最近一次消费
简介
最近一次消费意指上一次购买的时候——顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车,或在你的超市买早餐最近的一次是什么时候。
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。营销人员若想业绩有所成长,只能靠偷取竞争对手的市场占有率,而如果要密切地注意消费者的购买行为,那么最近的一次消费就是营销人员第一个要利用的工具。历史显示,如果我们能让消费者购买,他们就会持续购买。这也就是为什么,0至6个月的顾客收到营销人员的沟通信息多于31至36个月的顾客。
描述
消费的过程是持续变动的。在顾客距上一次购买时间满一个月之后,在数据库里就成为消费为两个月的客户。反之,同一天,消费为3个月前的客户作了其下一次的购买,他就成为消费为一天前的顾客,也就有可能在很短的期间内就收到新的折价信息。
功能
消费的功能不仅在于提供的促销信息而已,营销人员的消费报告可以监督事业的健全度。优秀的营销人员会定期查看消费分析,以掌握趋势。月报告如果显示上一次购买很近的客户,(消费为1个月)人数如增加,则表示该公司是个稳健成长的公司;反之,如上一次消费为一个月的客户越来越少,则是该公司迈向不健全之路的征兆。
重要指标
消费报告是维系顾客的一个重要指标。买过你的商品、服务或是曾经光顾你商店的消费者,是最有可能再向你购买东西的顾客。再则,要吸引一个几个月前才上门的顾客购买,比吸引一个一年多以前来过的顾客要容易得多。营销人员如接受这种强有力的营销哲学——与顾客建立长期的关系而不仅是卖东西,会让顾客持续保持往来,并赢得他们的忠诚度。
消费频率
简介
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,也是满意度最高的顾客。如果相信品牌及商店忠诚度的话,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。
分类
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,把销售想象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。
以上三个指标会将维度再细分出5份,这样就能够细分出5x5x5=125类用户,再根据每类用户精准营销……显然125类用户已超出普通人脑的计算范畴了,更别说针对125类用户量体定制营销策略。实际运用上,我们只需要把每个维度做一次两分即可,这样在3个维度上我们依然得到了8组用户。
这样,之前提的四个问题,就能很容易被解读(编号次序RFM,1代表高,0代表低)
重要价值客户(111):最近消费时间近、消费频次和消费金额都很高,必须是VIP啊!
重要保持客户(011):最近消费时间较远,但消费频次和金额都很高,说明这是个一段时间没来的忠诚客户,我们需要主动和他保持联系。
重要发展客户(101):最近消费时间较近、消费金额高,但频次不高,忠诚度不高,很有潜力的用户,必须重点发展。
RFM模型分析
重要挽留客户(001):最近消费时间较远、消费频次不高,但消费金额高的用户,可能是将要流失或者已经要流失的用户,应当基于挽留措施。
消费金额
简介
消费金额是所有数据库报告的支柱,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。它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍,占公司所有营业额的40%以上。如看累计百分比的那一栏,我们会发现有40%的顾客贡献公司总营业额的80%;而有60%的客户占营业额的90%以上。最右的一栏显示每一等分顾客的平均消费,表现最好的 10%的顾客平均花费1195美元,而最差的10%仅有18美元 。
案例分析
如果你的预算不多,而且只能提供服务信息给2000或 3000个顾客,你会将信息邮寄给贡献40%收入的顾客,还是那些不到1%的顾客?数据库营销有时候就是这么简单。这样的营销所节省下来的成本会很可观 。
结合这三个指标,我们就可以把顾客分成5*5*5 = 125类,对其进行数据分析,然后制定我们的营销策略。
消费、消费频率、消费金额是测算消费者价值最重要也是最容易的方法,这充分的表现了这三个指标对营销活动的指导意义。而其中,消费是最有力的预测指标。
如何在BDP个人版上建立RFM模型,帮助用户分群:
第一步:先挑出来近1个月的复购用户。
第二步:近1个月内复购用户的平均实付金额做纵轴。
第三步:近1个月内复购用户的购买次做横轴,生成表格。
第四步,你需要自己在这个表格上划红线。
FRM分析
横着的红线,代表着你认为来吃饭的客人平均每餐该花多少钱,我这里设定的值是25元,叫外卖25都没付到,对我而言是低消费金额(低M)用户。
竖着的红线,代表着你认为复购多少次的客人,是你的高频用户。外卖点餐流动率很大,一个用户每个月能在一家店点三次以上的菜,对我而言即是高频。
这个RFM模型在实操时有什么用呢?举个例子:
比如对圈用户群发短信转化只有不到1%时,你可以用RFM做个分析,只选取R值高的用户(最近2周到最近一个月内消费的用户),转化率可以由1%提升到10%。
这也意味着,以往6元/订单将下降到0.6元/订单。掌柜们是愿意花600元给10000个用户发短信,得到100个订单,还是愿意花48元给800人发短信得到80个订单,相信大家一定会选后者。
而整体的RFM区分,则能够帮掌柜们针对不同的用户发不同的短信,短信的开头是用“好久不见”、还是用“恭喜你成为VIP”,就得看时重要保持客户还是重要价值用户了。只有能区分用户,才能走向精细化运营。