RFMT用户分析案例

1、RFM 模型研究对象： xx 客户客户定位：姓名+证件号码指标及含义：R 为访问时间间隔，F 为消费频率，M 为消费总额，T 为单次最高的消费额。时间段： 2011 年 1 月 1 日 2012 年 12 月 31 日模型涉及：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。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

2、础，拓展而成。RFMT模型有四个指标，如下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 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。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

3、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。RFMT 模型建立RFMT 模型涉及到时间间隔、 频率、平均金额等指标， 研究的是某一段时间的用户价值，所以本文仅研究 2011 年 1 月 1 日到 2012 年 12 月 31 日这个时间段。一、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.建立判断矩阵层次分析法的第一步是要确定各个指标之间的重要性比较， 其重要性用 1

4、-9 标度来表示，如下表：表 层次分析法标度表标度定义与说明1两个元素对属性具有同样的重要性3两个因素比较，一个因素比另外一个元素稍微重要5两个因素比较，一个因素比另外一个元素明显重要7两个因素比较，一个因素比另外一个元素非常重要9两个因素比较，一个因素比另外一个元素极端重要2，4， 6， 8表示需要在两个标准中折衷1/b ij两个元素间的反比较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

5、， 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：RFMTR1574F1/5121/2M1/71/211/3T1/42312.归一化处理2.1 判断矩阵每一列元素每一列的总和RFMTR11/51/71/4F511/22M7213T41/21/31各列之和17.003.701.986.25归一化处理RFMTR0

6、.060.050.070.04F0.290.270.250.32M0.410.540.510.48T0.240.140.170.16判断矩阵的特征向量RFMT各行之和R0.060.050.070.040.22F0.290.270.250.321.13M0.410.540.510.481.94T0.240.140.170.160.71对向量 w = （0.22 ， 1.13，1.94 ，0.71 ）T 进行归一化处理，得R、 F、 M 、 T 判断矩阵的特征向量： W=（0.06 ， 0.28，0.48 ，0.17）3.计算判断矩阵的最大特征根max0.060.050.070.040.060.2

7、30.290.270.250.320.281.16( BW )0.540.510.480.481.970.410.240.140.170.160.170.70n(Bw)i4.05，其中 (Bw) i 表示向量 Bw 的第 i 个元素。maxnwii 14.一致性检验矩阵一致性指标CI， C .Imaxnn 10.02 ；RI 取值表：n12345678910RI000.580.91.121.241.321.411.451.49计算随机一致性比率 CR， CRCI0.0220.1 ；RI当 CR0.1 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 0.06， 0

8、.28，0.48， 0.17故，（ WF， WR，WM， WT ）=（ 0.06， 0.28， 0.48，0.17）访问时间间隔有价值的客户单 次 最 高消费金额0.280.060.17消费频率消费总额0.48二、 R、 F、 M 、T 值的标准化由于 R，F， M ，T 各值的度量单位各不相同，数据的取值也存在很大的差异，所以需要对数据进行标准化处理，本文采用数据规格化变换方法，该方法可以客服模型不同指标的计量单位对聚类分析结果产生的不合理影响，又称极差正规比变化，计算公式如下| X -Xmin |?=XminXmax -其中， X 是标准化的 R， F， M ， T 值， X 是原值， X

9、max 和 Xmin 分别是该指标的最大值和最小值。特别说明的是在R 指标中， Xmin 表示限定时间段的最末时间点。三、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 =W r*Xr + W f*Xf + W m *Xm + W t *Xt （ 3）式中 SRFM 表示客户的 RFMT 价值得分， W r、W f 、W m 分别表示 R、F、M 各指标的权重，分别表示标准化后的R、 F、 M 、T 值。Xr 、 Xf 、 Xm 、 Xt四、将客户分类，计算每一类客户的价值得分使用 K-均值聚类法时，需要预先判断其聚类的类别数

10、。在模型中客户分类通过每个顾客类别 RFMT 平均值与总RFMT 平均值相比较来决定的，而单个指标的比较只能有两种情况:大于 (等于 ) 或小于平均值，因此可能有16 种类别。将 16 类客户的 RFMT平均值与总 RFMT均值比较 .如果单个客户类别的均值大于总均值，则给该指标一个向上的箭头： “”标记，反之则用“” ，如下表所示：客户类别客户数量RFMT比较结果1R F M T 2R F M T 3R F M T 4R F M T 5R F M T 6R F M T 7R F M T 8R F M T 9R F M T 10R F M T 11R F M T 12R F M T 客户级别重

11、要保持重要保持重要发展一般重要重要挽留重要发展无价值无价值重要保持重要保持重要发展一般13R F M T 一般重要14R F M T 重要挽留15R F M T 无价值16R F M T 无价值均值通过 RFM 分析将南航的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，各客户级别如上表所示。客户分级不仅揭示了客户在级别上的差异，而且反映了客户在行为上的特性和变化倾向。针对不同等级的客户， 采取不同的管理策略。但是，这种分类只是确定了客户的等级，却没有各类客户之间的一个量化的价值比较，因而对各类客户做相应的价值分析是非常有必要的。客户分

12、类后，并不知道每一类客户的价值差别有多大，相对企业的重要性怎样。利用AHP 法分析得到的 RFMT 各指标权重，并结合各类顾客的标准化后RFMT 指标，可以得到每个类别客户的价值得分。标准化的各个指标的平均值为C Rj， CFj， CMj， CTj其中 j=1.8。 CSj 是第 j 类客户的RFMT 各项指标加权后的总得分，运算公式为。CSj =W R CRj +W FCFj +W M CMj +W T CTj其中， W R、W F、W M 、W T 分别为由 AHP 分析得来的 R、F、 M 、T 指标的权重最后，根据总得分的大小来对各类客户来进行排序，见下表。 排名靠前的客户相对排名靠后

13、的客户具有更高的顾客终身价值，忠诚度更高，对于企业来说更为重要。标准化的RFM 加权分类客户类别排序12345678910111213141516在进行客户分类后再对客户的类别进行顾客终身价值排序，使得企业能够量化各类客户的价值的差别， 弥补了的客户分类方法的不足。这有助于企业制定更为可行的客户政策。于受到成本的制约，南航不可能提供完全的、无差别的个性化服务，只能将资源先集中在少数几类对企业重要的客户上。按照总得分的排列情况，企业应该优先将资源投放到总得分较高的客户身上。由五、存在问题与优化方向RFM 模型是业界内普遍认可的、可有效区分客户价值的分析方法。而结合航空业来说，RFM 这几个指标在

14、应用中也会有所不同，而这几个指标也是在评估客户价值中比较关键的，要更全面的评估客户的价值，应该需要结合他的个人信息如年龄、收入、职业等， 不过这些信息在现阶段数据体系中也不一定有或者可用。1. R 指标问题及优化问题： R（ Recency）值的是用户最近一次访问网站到某时刻的时间间隔，它衡量的是用户对网站的关注， 如果 R 越小，则表示用户对网站的关注度高， 其表现出的用户价值就越高，反之则越低。问题仅用用户最近的一次访问来刻画用户对南航的关注度，并不够全面，比如有 A、 B 两个用户，他们对官网的访问轨迹如下：从上图可以看出，用户A 的 R 比 B 小，按照模型用户A 的价值会比较高，但是

15、同样可以看出B 的访问比较密集，而且次数和A 一样。可能他偶然刚好有一段时间没有访问，所以导致其价值变低。优化方案在以后模型的发展中，可以考虑用户更多的访问次数，而不只是最近的一次，而是最近n 次，鉴于不同访问次数时间越靠前其价值越高，所以可以给每一次购买（访问）时间赋予一定权重来描述其重要性，如下：次数最近第 1 次最近第 2 次最近第 3 次最近第 n 次时间间隔T1T2T3Tn权重W1W2W3Wn所以， R 代表的时间间隔计算如下nR =TiWi ， i = 1、 2、 3 ni1比如模型选取最近的4 次访问，其权重依次如下0.1、 0.2、0.3、 0.4，所以 R 代表的时间间隔：T

16、R = 0.4*T 1 +0.3*T2+ 0.2*T3+0.1*T 4如果能够记录用户的每次来访，就可以将所有的访问纳入R 的计算中， 使得模型更加全面。2. 指标自身问题根据根据美国数据库营销研究所Arthur Hughes 的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：消费(Recency)、消费频率 (Frequency)、消费金额(Monetary) ，因此建立了RFM 模型来衡量客户价值，而本文建立的RFMT 模型是由RFM模型变化拓展而来，其中新增了T，表示该段时间内用户消费的最高金额。问题 1：指标间存在一定的相关性对于模型中的四个指标R、F、M、T，R 与 F 有较大的相关性，F 越大的时候R 越大的几率较大； M 与 T 有较大的相关性，M 越大的时候T 越大的几率较大，在价值衡量模型中出现相关性较大的指标，这样模型会显得冗余。一个优秀的模型的标志是用最少数量的指标来刻画模型特征，所以在后期可以对RFMT模型进行精简，抓住主要的F（消费频率）和M （消费总金额）指标来进行分析。问题 2：指标局限性RFMT 是衡量用户的价值的代表性指标，描述的主