RFM客户分类模型的应用——R语言

RFM模型是衡量客户价值和客户创造利益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。RFM是一种综合评分的分类模型，由于其计算简单方便，在众多的客户细分模型中，RFM模型是被广泛提到和使用的。

一、RFM模型

RFM分析主要由3个指标组成，分别为R（Recency，近度）、F（Frequency频度）、M(Monetary,额度）组成。RFM是三个指标的缩写：Recency:最近一次消费距离现在的时间，该值越小越好；Frequency：某段时间内的消费次数，这个值越大越好；Monetary：某段时间内的消费金额，对于企业来说，消费自然越多越好。这三个维度需要根据实际业务确定，比如针对游戏行业，R可以定义为最近一次充值距离现在的时间，F可以定义为某段时间的充值次数，M为某段时间的充值金额。

指标	解释	意义
R（Recency,近度）	客户最近一次交易时间到当前时间的间隔	R越大，表示客户越久为发生交易；R越小，表示客户越近有交易发生
F（Frequency,频度）	客户在最近一段时间内交易的次数	F越大，表示客户交易越频繁； F越小，表示客户交易越少
M（Monetary,额度）	客户在最近一段时间内交易的金额	M越大，表示客户价值越高；M越小，表示客户价值越低

依据如上三项指标，划分为6,8,11等几种模型。最常见的为8种：

二、RFM的评分

RFM模型基于下面的理解：假设最近有过交易行为的客户比最近没有交易行为的客户，更有可能再次发生交易行为；假设交易频率较高的客户比交易频率较低的客户，更有可能中再次发生交易行为；假设过去所有交易总金额更多的客户比交易总金额较少的客户，更有消费积极性。如果没有特别的分组标准，通常按照平均值划分为两个组，并分别赋值1,2。

定义	说明	取值	说明
R_score	近度得分，最近一次交易日期距离指定日期越近，R_score越大	2	R<=平均值
		1	R>=平均值
F_score	频度得分，交易频率越高，F_score越大	2	F>=平均值
		1	F<=平均值
M_score	额度得分，交易金额越高，M_score越大	2	M>=平均值
		1	M<=平均值

2.1 R值分：最近一次消费（Recency）

消费指的是客户在店铺消费最近一次和当前的时间间隔，理论上R值越小的客户是价值越高的客户，即对店铺的回购几次最有可能产生回应。目前网购便利，顾客已经有了更多的购买选择和更低的购买成本，去除地域的限制因素，客户非常容易流失，因此CRM操盘手想要提高回购率和留存率，需要时刻警惕R值。如下图，某零食网店用户最近一次消费R值分布图（时间截至2016年12月31日）：

从图中可以看出，客户R值呈规律性的“波浪形”分布，时间越长，波浪越小；最近一年内用户占比50%。这个数据说明每引入2个客户，就有一位用户在持续购买。说明店铺复购做的比较好，R值在不断的变为0。

2.2 F值分：消费频率（Frequency）

消费频率是客户在固定时间内的购买次数（一般是1年）。但是如果实操中实际店铺由于受品类宽度的原因，比如卖3C产品，耐用品等即使是忠实粉丝用户也很难在1年内购买多次。所以，一般店铺在运营RFM模型时，会把F值的时间范围去掉，替换成累计购买次数。如下图，某零食网店用户购买频次图（如1个客户在1天内购买多笔订单，则自动合并为1笔订单）：

从图中可以看出，购买1次（新客户）占比为65.5%，产生重复购买（老客户）的占比为34.4%；购买3次及以上（成熟客户）的占比为17%，购买5次及以上（忠实客户）的占比为6%。

2.3 M值分：消费金额（Monetary）

M值是RFM模型中相对于R值和F值最难使用，但最具有价值的指标。大家熟知的“二八定律”（又名“帕雷托法则”）曾作出过这样的解释：公司80%的收入来自于20%的用户。

可能有些店铺不会那么精确，一般也会控制在30%客户贡献70%收入，或者40%贡献60%收入。理论上M值和F值是一样的，都带有时间范围，指的是一段时间（通常是1年）内的消费金额，M值对客户细分的作用相对较弱。

2.4 RFM综合加权得分

在得到R值、F值、M值的分组分值后，就可以计算RFM综合分值了，常用的RFM综合分值计算公式为
RFM = 100×R值 + 10×值 + 1×M值
这样设置的原因是用百十个位的组合，考虑了这几个指标的实际作用和效果，构造一个RFM分值，三个分数的加权平均数。

三、RFM模型的数据准备

数据来源于英国在线零售数据。数据里涵盖了从2010年12月1号到2011年12月9号期间在英国注册的在线零售店发生的所有交易。该公司主要销售一些通用的节日礼品，其客户许多都是批发商。

3.1 数据源

Online Retail.xlsx百度网盘数据文件
数据来源于英国在线零售数据。数据里涵盖了从2010年12月1号到2011年12月9号期间在英国注册的在线零售店发生的所有交易。该公司主要销售一些通用的节日礼品，其客户许多都是批发商。

主要字段信息：

InvoiceNo	StockCode	Description	Quantity	InvoiceDate	UnitPrice	CustomerID	Country
发票编号。
标称值，6位整数。如果代码以字母“c”开头，则表示取消	产品代码。标称值，为每个不同的产品唯一分配的5位整数	产品名	产品数量	发票日期	单价，英镑单位的产品价格	客户编码	每个客户所在的国家

3.2 数据源图片展示

四、RFM模型的数据处理

总结

参考文献

1.(R语言 RFM分析)[https://blog.csdn.net/weixin_58587245/article/details/122767879]
2.(深入解读RFM模型(内含实例))[https://www.aisoutu.com/a/1203113]
3.(数据分析实战-RFM模型)[https://zhuanlan.zhihu.com/p/407283531]

标签：score,模型,分类,客户,购买,交易,RFM
来源： https://www.cnblogs.com/haohai9309/p/16453786.html