1、RFM模型RFM模型用于分析客戶價值，它需要提供三項數據，分別是最近一次消費（Recency）,消費頻率（Frequency），和消費金額（Monetary）。最近一次消費指研究時間點減去用戶最近一次消費的時間，得到的gap時間值，單位上是天或月或周或年均可，以實際業務情況為準。消費頻率是研究數據范疇內用戶的消費次數，消費金額指研究數據范疇內用戶的消費總計金額。RFM的原理在于將RFM這三項數據進行分類，首先是分成15分計分方式，然后接著將15分計分方式按平均值大小分成兩類群體（高價值和低價值群體）。最后RFM分別為兩類群體即2*2*2=8種組合，8種組合對應著8類價值人群，最終結合此8類價值

2、人群提供有針對性的營銷策略。特別提示：丄最近一次消費（Recency），其代表當前時間減去用戶最近一次消費的時間差值gap，意義上數字越大代表用戶的價值越低，數字上越小用戶的價值越高；在傳入SPSSAU系統時，如果默認讓SPSSAU自動將數據進行15分計分方式處理，SPSSAU默認會對該值越大項編碼為1,該值越小項編碼為5,這樣從15分計分時，數字就變成數字越大代表價值越高。丄RFM的內部計算上分為兩步，第1步是將RFM這三項數據變成15分計分形式，第2步是將15分計分形式轉換成兩組別（分別用數字0和1表示）；轉換成15分或者數字0和1后，數字的意義均變成數字越大代表價值越高。丄默認情況下：S

3、PSSAU會將原始數據按照20%/40%/60%/80%分位數，自動分成5組并且計分為15分；內部計算上得到15分計分形式后，SPSSAU會進一步將數字轉化成0和1兩個類別（按對應的平均值）；丄當然，研究者可以自行對數據處理成15分形式（比如自行使用數據編碼功能里面的范圍編碼），如果提供的數據已經是15計分形式，那么參數上選擇類別自動即可；丄如果研究者提供的數據是0和1即兩個類別形式，此時參數上選擇不處理即可。RFM模型案例ContentsTOC o 1-5 h z HYPERLINK l bookmark4 背景2 HYPERLINK l bookmark6 理論3 HYPERLINK l

4、bookmark10 操作4SPSSAU輸出結果4. HYPERLINK l bookmark14 文字分析5剖析71背景當前某企業從數據庫中提取出100個用戶購買信息，并且對數據進行匯總整理成RFM的數據格式，即一行代表一個用戶，一共3列指標數據，分別是：最近一次消費時間gap值(Recency)，消費頻率(Frequency)，和消費金額(Monetary)o數據格式類似如下表：AE1:1RiXidR(量近-次胡螢時問)F【藺賛額半H満忡舍竊21122636:27962ia?335111201b百7031522&547口17507635斗600877622019a63122256lCi94

5、U2B9311102212041Z11K01斗27O131258171-113S1阿123715刑39141066161520126A1”5fi173IS17941115051918782S22:0193n2046215075u1910詔214日111EJ73232297132923242370223392524311341?2625581521SO2726973102特別提示：一般情況下，最近一次消費時間gap，如果是從數據庫中抽取得到，那么一般是比如“最近一次購買日期”，那么需要在EXCEL里面進行簡單公式計算，得到最近一次消費時間gap，即當前時間點減去最近一次消費時間。2理論RFM模型

6、研究客戶價值情況，最終將客戶分成8個不同的類別（8種用戶類型）。具體RFM模型如何將數據劃分為8種類別用戶上，其內部計算上分為兩步；丄第1步是將數據轉換成15分計分方式（轉化后分值越高代表價值越高），SPSSAU默是按20%/40%/60%/80%分位數將數據計為15分。SPSSAU具體計分方式如下表所示:標準R分值F分值M分值80%分位數1（1分）5（5分）5（5分）-第2步是將15分值，按分別對應的平均值進行劃分，劃分為0和1,數字0代表低價值群體，數字1代表高價值群體。如下表所示:標準R價值類別F價值類別M價值類別=平均值1（高價值）1（高價值）1（高價值）-最后將RFM的組別建立組合，

7、共計2*2*2=8種組合，即8種用戶類型，如下表:RFM八種類型用戶R價值類別F價值類別M價值類別用戶類型用戶特征Action高（1分）高（1分）高（1分）1重要價值用戶最優質用戶應提高滿意度增加留存高（1分）低（0分）高（1分）2重要保持用戶重要用戶但購買頻率低可通過活動提高購買頻率低（0分）高（1分）高（1分）3重要發展用戶重要用戶但最近不消費觸達用戶防止流失低（0分）低（0分）高（1分）4重要挽留用戶潛在價值用戶了解用戶需求想辦法挽留高（1分）高（1分）低（0分）5般價值用戶忠誠用戶但消費金額低引導其消費高（1分）低（0分）低（0分）6般保持用戶新用戶利用優惠吸引消費低（0分）高（1分）

8、低（0分）7般發展用戶般用戶較少關注低（0分）低（0分）低（0分）8般挽留用戶流失用戶較少關注特別提示：丄R這個數據，提供的原始數據時數字越大代表最近一次消費時間gap越大，即用戶很久沒有消費，那么數字越大其實價值越小，因此在15計分形式時，SPSSAU已經做了調換；丄如果是提供的數據已經為15分計分形式，那么參數上選擇類別自動即可；丄如果是提供的數據已經為01即兩類別數據，那么參數上選擇不處理即可。3操作本例子SPSSAU操作截圖如下：俁存分值保存用戶類型S篩港u&全白動丄卻7R（星近一次消豊時間F雋陶M消費金顫注意如下：RFM的放置順序不能出錯，一定是先R,再F,再M;如果需要將用戶類型保

9、存起來用于后續的分析使用（比如進一步深入分析性別與用戶類別的關聯關系），那么需要選中用戶類型;類似地，如果需要保存15分計分數據或0和1兩類別數據，那么需要分別選中保存分值和保存類別;本次數據并非15分計分形式，也不是01兩類別數據，因為默認讓SPSSAU全自動處理即可。4SPSSAU輸出結果SPSSAU輸出四個表格，分別如下說明。編號表格說明1RFM分值分布15分計分數據時，分別的占比或頻數2RFM三項的分位數RFM這三項，分別是分位數數據，SPSSAU就是結合此分位數數據將數據劃分為15分計分形式3RFM類別分布劃分為兩個類別即高低價值群體分布，包括頻數和占比4RFM用戶類型分布最終2*2

10、*2=8種用戶類型時的數據分布，包括頻數和占比如果參數選擇情況不同，可能輸出表格結果不完全一致。0RFM分值分布項1分2分3分4分5分平均值R（最近一次消費時間）24.0%16.0%20.0%22.0%18.0%2.94F（消費頻率）19.0%21.0%18.0%22.0%20.0%3.03M（消費金額）20.0%20.0%20.0%20.0%20.0%3.005文字分析上表格展示RFM15分計分數據的分布情況，數字越大代表價值越高。由于SPSSAU默認使用20%/40%/60%/80%分位數劃分為五個分值，因此每個分值的占比基本均在20%左右，并沒有出現個別分值時明顯的樣本偏多或者偏少。RF

11、M三項的J分位數項20%分位數40%分位數60%分位數80%分位數R（最近一次消費時間）2048.469.280F（消費頻率）35.41114.8M（消費金額）522.61202.21684.82195.6上表格展示出20%/40%/60%/80%分位數具體數據，15分值數據的劃分，就是由上表格的數字進行切割得到的。比如R時小于20%分位數數字20,那么計為5分，R時大于80%分位數即80時，計為1分。而F和M時，小于20%分位數均計為1分，大于80%分位數均計為5分。RFM類別分布項低價值（0分）高價值（1分）R（最近一次消費時間）40.0%60.0%F（消費頻率）58.0%42.0%M（消

12、費金額）40.0%60.0%上表格展示出劃分為兩組別（即高低價值）群體時的數據分布，具體如何劃分是結合RFM分值分布里面的平均值進行切割，比如R小于平均值2.94時計為0分，大于平均值2.94時計為1分。類似F和M也是，小于對應自己的平均值時計為0分，大于平均值時計為1分。0分代表低價值群體，1分代表高價值群體。圖形展示如下：1CO58.0400%&00%RFM用戶類型分布（n=100）R價值類別F價值類別M價值類別用戶類型數量占比高仃分）高（1分）高（1分）1重要價值用戶1313.0%高仃分）低（0分）高（1分）2重要保持用戶2121.0%低（0分）高（1分）高（1分）3重要發展用戶12*1

13、2.0%低（0分）低（0分）高（1分）4重要挽留用戶1414.0%高仃分）高（1分）低（0分）5般價值用戶1111.0%高仃分）低（0分）低（0分）6一般保持用戶1515.0%低（0分）高（1分）低（0分）7一般發展用戶6”6.0%低（0分）低（0分）低（0分）8般挽留用戶8”8.0%上表格展示最終2*2*2=8種用戶類別，總體上分為重要用戶和一般用戶，重要用戶再繼續細分為重要價值用戶，重要保持用戶，重要發展用戶和重要挽留用戶。與此同時，上表格展示出8種類別用戶的占比情況，并且使用圖示如下：RfM用戶類型分布21.0,最終需要結合8種類型用戶特征進行下一步的Action,一般來說如下表格說明:

14、RFM基本原理說明R價值類別F價值類別M價值類別用戶類型用戶特征Action高（1分）高（1分）高（1分）1重要價值用戶最優質用戶應提高滿意度，增加留存高（1分）低（0分）高（1分）2重要保持用戶重要用戶但購買頻率低可通過活動提高購買頻率低（0分）高（1分）高（1分）3重要發展用戶重要用戶但最近不消費觸達用戶防止流失低（0分）低（0分）高（1分）4重要挽留用戶潛在價值用戶了解用戶需求想辦法挽留高（1分）高（1分）低（0分）5一般價值用戶忠誠用戶但消費金額低引導其消費高（1分）低（0分）低（0分）6一般保持用戶新用戶利用優惠吸引消費低（0分）高（1分）低（0分）7一般發展用戶一般用戶較少關注低（0分）低（0分）低（0分）8一般挽留用戶流失用戶較少關注6剖析特別提示：RFM的內部計算上分為兩步，第1步是將RFM這三項數據變成15分計分形式，第2步是將15分計分形式轉換成兩組別（分別用數字0和1表示）；轉換成15分或者數字0和1后，數字的意義均變成數字越大代表價值越高。丄默認情況下：SPSSAU會將原始數據按照20%/