什么是RFM/会员系统RFM数据分析模型
　　RFM&模型是会员管理领域里的一种会员消费行为分析模型，&其中R近度(Recency）&代表最近购买时间，指上次购买至现在的时间间隔；&F&频度(Frequency)代表购买频率，指的是某一期间内购买的次数；M额度(Monetary)&代表总购买金额，指的是某一期间内购买商品的金额。&　　RFM模型在反映会员购买偏好方面具有良好的表征性。经过研究发现&　　R值越小，会员越有可能与企业达成新的交易。&　　F值越大，会员越有可能与企业达成新的交易。&　　M值越大，会员越有可能与企业达成新的交易。&　　RFM&模型在反映会员价值方面同样具有良好的表征性，它是衡量会员价值和会员创利能力的重要工具和手段。一卡易将该模型成功应用于会员系统中，通过一个会员的近期购买行为、购买的总频率以及购买的总金额等3项指标来描述该会员的价值状况。如果与该会员打交道的时间足够长，也能够较为精确地判断该会员的长期价值（&甚至是终身价值），通过改善3项指标的状况，从而为更多的营销决策提供支持。&　　连锁会员系统的‘统计分析’模块运用RFM模型做出‘会员RFM’，帮助使用者来了解会员的消费行为和消费的意向。
会员系统RFM介绍/会员系统RFM数据分析模型
　　1、打开一卡易会员系统中统计分析功能，找到‘会员RFM’。会员RFM分析　　2、筛选方式&　　1）、通过消费时间筛选。&　　2）、通过会员级别筛选。&　　3）、通过注册店面筛选。　　4）、通过操作员筛选。
会员RFM分析./会员系统RFM数据分析模型
　　RFM模型实际应用一卡易会员系统统计分析里，会员RFM分析，通过高级筛选器筛选出的消费记录，针对于会员消费记录进行统计分析，得到近度（R），频度（F），额度（M），近度差（近度减去平均近度），频度差（频度减去平均频度），额度差（额度减去平均额度）这些数据。分析这些数据了解到会员的消费、消费频率、消费金额情况得到消费者价值。统计分析RFM明细表　　通过分析得到3条结论：　　1、进度差越大会员越久没来消费，会员的活跃度越低，可能是流失的会员，进度差越小会员越有可能与企业达成新的交易，相对的会员活跃度越高；（对于活跃度低、可能流失的会员，可通过赠送“电子优惠券”等形式将其重新唤醒）　　2、频度差越大会员的消费意向越高，活跃度越高同时也意味着忠诚度越高，频度差越小会员的消费意向越低，有可能会流失这部分会员；（对于消费平度低的会员，可通过到店兑换礼品、参加免费活动、会员活动日等方式增大会员的到店频率）　　3、额度差越大会员产生的价值越高，商家的主要赢利点，额度差越小会员的购买力越低或者购买欲望越低。（对于消费额度低的会员，可设置套餐购买、消费满多少送多少、办理储值卡等模式拉大客单价）　　通过对这3个指标去制定营销方案拉动消费意向低、消费额度高的会员多消费，拉动消费额度低的会员提高消费额度等方式来提升RFM&三项指标的状况，从而为企业创造更大的价值。
&|&相关影像
互动百科的词条（含所附图片）系由网友上传，如果涉嫌侵权，请与客服联系，我们将按照法律之相关规定及时进行处理。未经许可，禁止商业网站等复制、抓取本站内容；合理使用者，请注明来源于。
登录后使用互动百科的服务，将会得到个性化的提示和帮助，还有机会和专业认证智愿者沟通。
此词条还可添加&
编辑次数：2次
参与编辑人数：1位
最近更新时间： 10:26:05
申请可获得以下专属权利：
贡献光荣榜热搜TAGS：
RFM模型挖掘最大价值客户
RFM模型挖掘最大价值客户
本站原创文章，转载请注明出处。文档下载请到：
角色假设：消费10万元的客户，是否就比消费1千元的客户价值大？
节假日期间，是商家的促销旺季，如果作为一家大型超市的市场经理，在既定的促销预算里，只能从6万交易会员中挑选1万人进行直邮目录营销，你会如何选择？不少人往往会把客户在一定时间内的消费金额作为关键指标，对6万会员进行高低排序，并将排名靠前的1万名会员作为目录营销的主要对象。这个方法假设消费金额最大的客户，是最有价值的客户&&不一定！比如，一个消费能力足够高的客户，常常会出现在多个商家的重要客户名单上，如果在短时间内，他收到多个商家的促销产品册，你的资料被随手扔进垃圾筒的概率要高得多；而消费能力低的客户受到竞争商家的影响反而小，信件的拆阅率反倒更高。虽然信件一旦被拆开，消费能力高的客户的购买金额将远远超过消费能力低的客户，但是决定你的促销最终的总收益金额将来自两类客户在信件拆阅率与支付能力的中和结果。因此到底该如何选择？&&RFM模型综合考虑了一些因素。
一、RFM模型
RFM模型的目的是想构建一个综合考虑了顾客R（最近消费）、F（消费次数）、M（消费金额）的模型，来找出价值最大的客户群，以便对价值客户进行营销行为，和对其他客户的管理跟进工作。
1. RFM指标
RFM模型即利用顾客过去的消费行为：最近消费（Recency）、消费次数（Frequency）、消费金额（Monetary）来估计顾客未来消费的可能性，从而对顾客进行准确的识别和评估。
最近消费：即顾客最近一次的消费的时间。实践表明，消费时间越近的客户进行下一次&& 消费行为的可能性就越大。上一次消费时间越近的顾客是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。它的重要性来源于一个营销哲学：与顾客建立长期的关系不仅是卖东西，会让顾客持续保持往来，并赢得他们的忠诚度。
消费次数：即限定时期内消费者消费的次数，根据这个指标，可以把顾客分成5个等级，相当于一个&忠诚度的阶梯&（loyalty ladder），最常买的顾客，就是忠诚度最高的客户。对公司而言相对重要。消费次数与消费频率相结合的分析方法，对于顾客下次消费行为是非常有效的。
消费金额：限定时间内消费金额总和。消费金额越高的客户，对公司而言也就越重要。
将RFM三个指标值进行加总，就得到每位顾客对公司企业的价值，将总方式如下：
（1）对数据库的日期字段进行排序，并按照日期划分成五等分。将顾客的消费日期分别归入不同等分里。
（2）按照同样方法，再将数据库按照消费频率、消费金额排序，并找到每位顾客对于的等级。
（3）以上两个编码工作完成后，每位顾客数据库中都有一个简单的3位数，分别代表R,F,M，如552,121等。现在需要将这三个数总和成一个RFM指标，一般先将这三个值分别标准化，之后再按照一定权重加总或者乘积（或者不加权）。
（4）得到每位顾客的RFM值后，把计算结果从大到小排列，前面的20%是最好的客户，后面20%是应该关注的客户，公司应该努力使中间的60%客户向前面20%迁移。
二、案例分析
1.案例说明
某销售公司存有69215条客户的消费记录，记录了消费行为的日期、金额以及消费的客户ID号。该公司希望确定RFM得分最高的客户以便给予忠诚度奖励，以及做好其他客户的管理跟进工作。
2.数据清理
添加源节点，并读取数据。由于原文件中日期是以整数型格式储存，为使clementine能够很好的处理，必须将整数型转换成&日期&格式储存。为此，添加一个填充节点，并选择日期作为填入字段，选择始终替换，输入to_date(to_string(Date))作为替换为的值。
3.构建RFM模型
在填充节点后面添加RFM汇总节点，固定日期选择，作为计算最近消费的基点。ID，天，值分别选择CardID，Date，Amount。汇总节点后面添加RFM分析节点。近因、频数、货币后面分别选择相应的；选择权重，这里选择一样的权重&&10；结后面选择&处于最新状态。&；&分箱阈值&选择&如果可用，从分箱值选项卡读取&，这意味着之后可以&分箱值&选项卡中对设置进行编辑。
现在就在&分箱值&选项卡中进行编辑：首先在分箱字段中选择&货币&，读取值，将所有上限和下限改成整数：
由于不需要每位客户的近因、频数、货币分别的得分（即消费次数、最近消费和消费金额），因此添加一个过滤节点，并将上面的三个全部过滤。
现在想要输出的RFM得分按照从高到底排列，还需要在过滤后面添加一个排序节点，选择RFM得分，降序。
不仅从高到低，还想要找出得分最高的10000个客户进行忠诚度奖励。在排序节点后面添加一个样本节点，设置如下：
添加一个表文件并执行，就可以查看，RFM得分了。
表中列出来的就是RFM排名前10000的客户。
(作者：admin
编辑：admin)
文章热词：
延伸阅读：数据挖掘应用案例：RFM模型分析与客户细分
会员的价值体现在持续不断的为企业带来稳定的销售和利润，同时也为企业策略的制定提供数据支持。所以零售企业总是想尽一切办法去吸引更多的人成为会员，并且尽可能提高他们的忠诚度。忠诚度高的顾客表现为经常光顾购买，有较高的价格忍耐度，愿意支付更高的价格，也愿意向其他人推荐，对品牌满意度较高等。
会员的价值体现在持续不断的为企业带来稳定的销售和利润，同时也为企业策略的制定提供数据支持。所以零售企业总是想尽一切办法去吸引更多的人成为会员，并且尽可能提高他们的忠诚度。忠诚度高的顾客表现为经常光顾购买，有较高的价格忍耐度，愿意支付更高的价格，也愿意向其他人推荐，对品牌满意度较高等。会员忠诚度高不一定会员价值就高，还得看他的实际消费金额，也就是消费力。忠诚度高、消费力强的顾客才是企业最优质的会员顾客。由于会员价值中“愿意向他人推荐”这个项目不好采集数据来量化，满意度也需要专项调查才能取得数据。所以结合这些特点，我们可以从以下几个指标去评估会员的综合价值：
1、最近一次消费时间理论上来讲，上一次购买时间距离现在越近的顾客价值越大。而他们得到营销人员眷顾的机会也应该大于那些很久没有光顾的顾客。当一位已经半年没有光临的顾客上周再次产生购买，那他就激活了自己的这个指标，所以最近一次消费时间是实时变化的，所以我们需要不断的激活顾客消费。
2、（某个周期内的）消费频率消费频率越高的顾客忠诚度越大，我们需要不断的采取营销手段去提高每个顾客的消费频率，这也是提高销售额非常有效的方法。一个产品没有重复购买的企业是非常危险的，意味着他的顾客都是新的，都是一锤子买卖。不光传统零售，现在重复购买率也是衡量一个电商网站的关键指标。消费频率最高的这部分顾客应该是得到企业关爱最多的群体，需要注意的是数据库营销不能过度营销，要以不骚扰用户为原则。
3、（某个周期内的）消费金额消费金额越大，顾客消费力也越大，在二八法则中，20%的顾客贡献了80%的销售额，而这些顾客也应该是得到营销资源最多的顾客。特别是当你的促销活动的费用资源不足的时候，这些高端的顾客就是你的首选对象。这个指标还需要和消费频率结合起来分析，有的顾客消费金额非常高，但是他可能只是购买了一次高单价商品，就再也没有光临过了。
这三项指标是著名的顾客价值研究的RFM模型，分别是R-Recency（最近购买时间），F-Frequency（消费频率），M-Monetary（消费金额）。这三个指标来自于美国数据库营销机构的研究，现在逐渐成为会员价值研究以及会员营销的通用模型了。
这里的RFM模型和进而细分客户仅是数据挖掘项目的一个小部分，假定我们拿到一个月的客户消费行为数据集（实际上有六个月的数据），我们们先用IBM Modeler软件构建一个分析流：
我们先用挖掘工具的RFM模型的RFM汇总节点和RFM分析节点产生R(Recency)、F(Frequency)、M (Monetary)；
接着我们采用RFM分析节点就完成了RFM模型基础数据重构和整理；
现在我们得到了RFM模型的Recency_Score、Frequency_Score、Monetary_Score和RFM_Score；这里对RFM得分进行了五等分切割，采用100、10、1加权得到RFM得分表明了125个RFM魔方块。
传统的RFM模型到此也就完成了，但125个细分市场太多啦无法针对性营销也需要识别客户特征和行为，有必要进一步细分客户群；
另外：RFM模型其实仅仅是一种数据处理方法，采用数据重构技术同样可以完成，只是这里固化了RFM模块更简单直接，但我们可以采用RFM构建数据的方式不为RFM也可用该模块进行数据重构。
接下来，我们继续采用挖掘工具对R、F、M三个字段进行聚类分析，聚类分析主要采用：Kohonen、K-means和Two-step算法。
这时候我们要考虑是直接用R(Recency)、F(Frequency)、M (Monetary)三个变量还是要进行变换，因为R、F、M三个字段的测量尺度不同最好对三个变量进行标准化，例如：Z得分（实际情况可以选择线性插值法，比较法，对标法等标准化）！另外一个考虑：就是R、F、M三个指标的权重该如何考虑，在现实营销中这三个指标重要性显然不同！
有资料研究表明：对RFM各变量的指标权重问题,Hughes,Arthur认为RFM在衡量一个问题上的权重是一致的,因而并没有给予不同的划分。而Stone,Bob通过对信用卡的实证分析,认为各个指标的权重并不相同,应该给予频度最高,近度次之,值度最低的权重；
这里我们采用加权方法：WR=2 WF=3 WM=5的简单加权法（实际情况需要专家或营销人员测定）；具体选择哪种聚类方法和聚类数需要反复测试和评估，同时也要比较三种方法哪种方式更理想！
下图是采用快速聚类的结果：
以及kohonen神经算法的聚类结果：
接下来我们要识别聚类结果的意义和类分析，这里我们可以采用C5.0规则来识别不同聚类的特征，采用评估分析节点对C5.0规则的模型识别能力进行判断： 结果还不错，我们可以分别选择三种聚类方法，或者选择一种更易解释的聚类结果，这里选择Kohonen的聚类结果将聚类字段写入数据集后，为方便我们将数据导入SPSS软件进行均值分析和输出到Excel软件！
输出结果后将数据导入Excel，将R、F、M三个字段分类与该字段的均值进行比较，利用Excel软件的条件格式给出与均值比较的趋势！结合RFM模型魔方块的分类识别客户类型：通过RFM分析将客户群体划分成重要保持客户、重要发展客户、重要挽留客户、一般重要客户、一般客户、无价值客户等六个级别；（有可能某个级别不存在）；
另外一个考虑是针对R、F、M三个指标的标准化得分按聚类结果进行加权计算，然后进行综合得分排名，识别各个类别的客户价值水平；
至此如果我们通过对RFM模型分析和进行的客户细分满意的话，可能分析就此结束！如果我们还有客户背景资料信息库，可以将聚类结果和RFM得分作为自变量进行其他数据挖掘建模工作！
版权声明：本文内容由互联网用户自发贡献，本社区不拥有所有权，也不承担相关法律责任。如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件至： 进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容。
用云栖社区APP，舒服~
【云栖快讯】红轴机械键盘、无线鼠标等753个大奖，先到先得，云栖社区首届博主招募大赛9月21日-11月20日限时开启，为你再添一个高端技术交流场所&&
阿里云数加提供了大量的大数据产品，包括大数据基础服务、数据分析及展现、数据应用、人工智能等产品与服务。这些产品均...
是基于语音识别、语音合成、自然语言理解等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人...
快速、完全托管的TB/PB级数据仓库解决方案，向用户提供了完善的数据导入方案以及多种经典的分布式计算模型，能够更...
为您提供简单高效、处理能力可弹性伸缩的计算服务，帮助您快速构建更稳定、安全的应用，提升运维效率，降低 IT 成本...
MaxCompute75折抢购
Loading...RFM模型；一、RFMT模型介绍..............；1、指标权重确立................；1.1建立判断矩阵...............；――――――――――――――――――――――――；一、RFMT模型介绍；在营销活动中，每个客户的价值因其购买能力和实际需；本文为南航精准营销体系的建立引入了RFMT模型，；R表示用户最近一次购买南航
一、RFMT模型介绍 .......................................................................................................................... 1 二、RFMT模型建立 .......................................................................................................................... 2
1、指标权重确立 ..................................................................................................................... 2
1.1 建立判断矩阵 ........................................................................................................... 2 1.2归一化处理 ................................................................................................................ 3 1.3 计算判断矩阵的最大特征根λmax ............................................................................ 4 2、R、F、M、T值的标准化 .................................................................................................. 4 3、计算单个客户的价值得分 ................................................................................................. 5 4、将客户分类，计算每一类客户的价值得分 ..................................................................... 6 三、存在问题与优化方向 ............................................................................................................... 7
―――――――――――――――――――――――――――――――――――――――
一、RFMT模型介绍
在营销活动中，每个客户的价值因其购买能力和实际需求的不同而各不相同，寻找一种工具来辨别客户价值至关重要。客户价值模型的建立可以对客户进行排序分类，然后对客户进行个性化营销。
本文为南航精准营销体系的建立引入了RFMT模型，它以客户关系领域广泛用来衡量客户价值和描述客户行为的RFM模型为基础，拓展而成。RFMT模型有四个指标，如下 ? R（Recency）
R表示用户最近一次购买南航机票的时间间隔。理论上，最近一次消费时间越近的用户应该是比较好的用户，对提供即时的商品或是服务也最有可能会有反应。R指标主要刻画了用户对南航网站的关注程度。 ? F（Frequency）
F表示用户在限定时间内购买机票的频率，消费频率越高的用户，其满意度和忠诚度也就越高。F指标主要刻画了用户对南航的忠诚度。 ? M（Monetary）
M表示用户在限定时间购买南航机票的平均金额。消费金额是所有数据库报告的支柱，直接反应了南航的盈利情况。M指标主要刻画了用户的购买力。 ? T（Topest）
T表示单次购买的最高金额，反映的是客户一次性消费的最高能力。
RFMT模型以上述四个指标为替代变量，通过指标标准化和赋予权重来计算客户价值，然后根据用户价值来进行均值聚类分析，将用户分成不同的类别，作为南航精准营销的基础。
二、RFMT模型建立
? ? ? ? ? ?
研究对象：南航购票客户 客户定位：姓名+证件号码
数据：日――日的官网销售数据 20万条销售记录
模型涉及：数据分析、网站营销、网站推广 执行问题：数据提取用时久，需设备支持。
1、指标权重确立
本文用层次分析法来确定模型各个指标的权重，层次分析法（Analytic Hierarchy Process简称AHP）是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法，步骤如下： 1.1 建立判断矩阵
首先进行人为的定性判定，因为在价值评估中客户的消费额对于企业的利润贡献度较大，所以一般来说M应该具有最高的重要性；F重在衡量客户的忠诚度，忠诚度越高，对于企业的价值也越高，所以F也会占到一定的比例；而最高消费额T在一定程度上可以体现客户的消费能力，这个因素对于区分价格敏感型的客户有参考作用；R最近一次消费则是关系到一个客户的最近情况，由于对与航空业来说客户的需求不连续，所以R指标对于衡量客户价值权重不高，但从理论上说最近有购买的客户会比更长时间之前购买的客户对南航具有更高的产品关注度，营销效果也会好点，所以把R也当作其中一个指标参考。
对于这四个指标，首先需要通过专家评估法来对各项指标进行两两对比，对比的标准如下图所示：
表 层次分析法标度表
本文采用专家评估法来确定指标之间的重要性，其中根据实际情况，专家人群选取了论文小组成员。
首先评估人员对四个指标进行定性判定。由于在价值评估中客户的消费额对于企业的利润贡献度较大，所以一般来说M应该具有最高的重要性；F重在衡量客户的忠诚度，忠诚度越高，对于企业的价值也越高，所以F也会占到一定的比例；而最高消费额T在一定程度上可以体现客户的消费能力，这个因素对于区分价格敏感型的客户有参考作用；R最近一次消费则是关系到一个客户的最近情况，由于对与航空业来说客户的需求不连续，所以R指标对于衡量客户价值权重不高。
然后根据定性判断来对各指标进行两两对比，取评估人员的平均值，可得：
1.2归一化处理
①矩阵每一列元素的总和
②归一化处理
R、F、M、T判断矩阵的特征向量：W=（0.13，0.34，0.43，0.10）
1.3 计算判断矩阵的最大特征根λmax
?0.06?0.29
?0.41??0.24
0.050.270.540.140.070.250.510.17
0.04??0.06??0.23?
?????0.32??0.28??1.16?
0.48??0.48??1.97?
?????0.16??0.17??0.70?
?4.05，其中(Bw)i表示向量Bw的第i个元素。 nwi
1.4 一致性检验
矩阵一致性指标CI，C.I?
计算随机一致性比率CR，CR?
?0.022&0.1； RI
当CR&0.1时，认为层次总排序通过一致性检验。所以最后确定R、F、M、T的权重分别为0.13，0.34，0.43，0.10。故，（WF，WR，WM，WT ）=（0.13，0.34，0.43，0.10）
2、R、F、M、T值的标准化
对各属性进行规格化变换，规格化变换又称为极差正规比变换，它是从数据矩阵中的每一个变量最大值和最小值，并用最大值减去最小值得出极差。然后用每一个原始数据减去该
变量中的最小值，再除以极差，即得到规格化数据，标准化公式：
X’=(X-XMIN)/(XMAX-XMIN)
X’=(XMAX-X)/(XMAX-XMIN)
其中，X’是标准化的R，F，M，T值，X是原值，XMAX和XMIN分别是该指标的最大值和最小值。由于F，M，T指标的影响是正向的，所以适用式（1），而R得指标影响是负向的，适用式（2）。
根据2013年1月的销售数据，得XRMIN=0，XRMIAX=30，XFMIN=1，XFMAX=42，XMMIN=0，XMMAX=40690，XTMIN=0，XTMAX=35630。
3、计算单个客户的价值得分
对标准化后的R，F，M，T进行加权求和，得到每个客户的价值得分，公式如下：
SRFMT=Wr*Xr’+ Wf*Xf’+ Wm*Xm’+ Wt*Xt’ （3）
式中SRFM表示客户的RFMT价值得分，Wr、Wf、Wm分别表示R、F、M各指标的权重，Xr’、 Xf’
三亿文库包含各类专业文献、幼儿教育、小学教育、高等教育、生活休闲娱乐、应用写作文书、文学作品欣赏、RFM模型算法78等内容。　
　49 第一部分:程序设计思路、辨识结果分析和 算法特点总结一:RLS 遗忘因子法 ...三:RFM 限定记忆法 仿真思路和辨识结果辨识模型与遗忘因子法所用模型相同。 ... 　RFM 模型原理: RFM 模型是一个简单的根据客户的活跃程度和交易金额贡献所做的...IBM SPSS 还有个 Modeler, 有专门的 RFM 挖掘算法供使用。 本文为了普及, ... 　开发统计算法或模型,分析数据,将分析结果作为对客户细分的基础 建立协作关系,使...消费行为分类 在不少行业对消费行为的分析主要从三个方面考虑,即所谓 RFM:最近... 　而实际分析的时候, 其实并不需要这么复杂的算法, 大家需要的只是: ...分类思想的应用很多,例如对客户的分类,我们可以用 RFM 分析模型,也可以用简单 ... 　一、最小二乘法 最小二乘法具有两个缺陷: 1、当噪声模型是有色噪声时,最...二、 遗忘因子法和限定记忆法 这两种算法(RFF,RFM)是基于 RLS 的数据饱和现象... 　记得当时做了很多分析 报告, 每周还要给总裁办汇报这些报告, 下面详细说一下当时使用的一些主要的模型及算法: 1、 RFM 模型 模型定义:在众多的客户关系管理的分析... 　基于RFM模型的烟草客户聚类分析研究_销售/营销_经管营销_专业资料。龙源期刊网 .cn 基于 RFM 模型的烟草客户聚类分析研究 作者:邓基刚 ... 　(以上为流程图) 根据客户的需求,RFM 模型相对简单并且直接,按照 R(Recency-近...IBM SPSS 还有个 Modeler,有专门的 RFM 挖掘算法供使用。本文为了普及,介 绍... 　根据客户的需求,RFM 模型相对简单并且直接,按照 R(Recency-近度)、 F(...IBM SPSS 还有个 Modeler,有专门的 RFM 挖掘算法供使用。本文为 了普及,介绍...