如何使用spssau数据分析平台分析RFM模型

1、RFM模型RFM模型用于分析客户价值，它需要提供三项数据，分别是最近一次消费（Recency）,消费频率（Frequency），和消费金额（Monetary）。最近一次消费指研究时间点减去用户最近一次消费的时间，得到的gap时间值，单位上是天或月或周或年均可，以实际业务情况为准。消费频率是研究数据范畴内用户的消费次数，消费金额指研究数据范畴内用户的消费总计金额。RFM的原理在于将RFM这三项数据进行分类，首先是分成15分计分方式，然后接着将15分计分方式按平均值大小分成两类群体（高价值和低价值群体）。最后RFM分别为两类群体即2*2*2=8种组合，8种组合对应着8类价值人群，最终结合此8类价值

2、人群提供有针对性的营销策略。特别提示：丄最近一次消费（Recency），其代表当前时间减去用户最近一次消费的时间差值gap，意义上数字越大代表用户的价值越低，数字上越小用户的价值越高；在传入SPSSAU系统时，如果默认让SPSSAU自动将数据进行15分计分方式处理，SPSSAU默认会对该值越大项编码为1,该值越小项编码为5,这样从15分计分时，数字就变成数字越大代表价值越高。丄RFM的内部计算上分为两步，第1步是将RFM这三项数据变成15分计分形式，第2步是将15分计分形式转换成两组别（分别用数字0和1表示）；转换成15分或者数字0和1后，数字的意义均变成数字越大代表价值越高。丄默认情况下：S

3、PSSAU会将原始数据按照20%/40%/60%/80%分位数，自动分成5组并且计分为15分；内部计算上得到15分计分形式后，SPSSAU会进一步将数字转化成0和1两个类别（按对应的平均值）；丄当然，研究者可以自行对数据处理成15分形式（比如自行使用数据编码功能里面的范围编码），如果提供的数据已经是15计分形式，那么参数上选择类别自动即可；丄如果研究者提供的数据是0和1即两个类别形式，此时参数上选择不处理即可。RFM模型案例ContentsTOC o 1-5 h z HYPERLINK l bookmark4 背景2 HYPERLINK l bookmark6 理论3 HYPERLINK l

4、bookmark10 操作4SPSSAU输出结果4. HYPERLINK l bookmark14 文字分析5剖析71背景当前某企业从数据库中提取出100个用户购买信息，并且对数据进行汇总整理成RFM的数据格式，即一行代表一个用户，一共3列指标数据，分别是：最近一次消费时间gap值(Recency)，消费频率(Frequency)，和消费金额(Monetary)o数据格式类似如下表：AE1:1RiXidR(量近-次胡萤时问)F【蔺賛额半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特别提示：一般情况下，最近一次消费时间gap，如果是从数据库中抽取得到，那么一般是比如“最近一次购买日期”，那么需要在EXCEL里面进行简单公式计算，得到最近一次消费时间gap，即当前时间点减去最近一次消费时间。2理论RFM模型

6、研究客户价值情况，最终将客户分成8个不同的类别（8种用户类型）。具体RFM模型如何将数据划分为8种类别用户上，其内部计算上分为两步；丄第1步是将数据转换成15分计分方式（转化后分值越高代表价值越高），SPSSAU默是按20%/40%/60%/80%分位数将数据计为15分。SPSSAU具体计分方式如下表所示:标准R分值F分值M分值80%分位数1（1分）5（5分）5（5分）-第2步是将15分值，按分别对应的平均值进行划分，划分为0和1,数字0代表低价值群体，数字1代表高价值群体。如下表所示:标准R价值类别F价值类别M价值类别=平均值1（高价值）1（高价值）1（高价值）-最后将RFM的组别建立组合，

7、共计2*2*2=8种组合，即8种用户类型，如下表:RFM八种类型用户R价值类别F价值类别M价值类别用户类型用户特征Action高（1分）高（1分）高（1分）1重要价值用户最优质用户应提高满意度增加留存高（1分）低（0分）高（1分）2重要保持用户重要用户但购买频率低可通过活动提高购买频率低（0分）高（1分）高（1分）3重要发展用户重要用户但最近不消费触达用户防止流失低（0分）低（0分）高（1分）4重要挽留用户潜在价值用户了解用户需求想办法挽留高（1分）高（1分）低（0分）5般价值用户忠诚用户但消费金额低引导其消费高（1分）低（0分）低（0分）6般保持用户新用户利用优惠吸引消费低（0分）高（1分）

8、低（0分）7般发展用户般用户较少关注低（0分）低（0分）低（0分）8般挽留用户流失用户较少关注特别提示：丄R这个数据，提供的原始数据时数字越大代表最近一次消费时间gap越大，即用户很久没有消费，那么数字越大其实价值越小，因此在15计分形式时，SPSSAU已经做了调换；丄如果是提供的数据已经为15分计分形式，那么参数上选择类别自动即可；丄如果是提供的数据已经为01即两类别数据，那么参数上选择不处理即可。3操作本例子SPSSAU操作截图如下：俣存分值保存用户类型S篩港u&全白动丄却7R（星近一次消豊时间F雋陶M消费金颤注意如下：RFM的放置顺序不能出错，一定是先R,再F,再M;如果需要将用户类型保

9、存起来用于后续的分析使用（比如进一步深入分析性别与用户类别的关联关系），那么需要选中用户类型;类似地，如果需要保存15分计分数据或0和1两类别数据，那么需要分别选中保存分值和保存类别;本次数据并非15分计分形式，也不是01两类别数据，因为默认让SPSSAU全自动处理即可。4SPSSAU输出结果SPSSAU输出四个表格，分别如下说明。编号表格说明1RFM分值分布15分计分数据时，分别的占比或频数2RFM三项的分位数RFM这三项，分别是分位数数据，SPSSAU就是结合此分位数数据将数据划分为15分计分形式3RFM类别分布划分为两个类别即高低价值群体分布，包括频数和占比4RFM用户类型分布最终2*2

10、*2=8种用户类型时的数据分布，包括频数和占比如果参数选择情况不同，可能输出表格结果不完全一致。0RFM分值分布项1分2分3分4分5分平均值R（最近一次消费时间）24.0%16.0%20.0%22.0%18.0%2.94F（消费频率）19.0%21.0%18.0%22.0%20.0%3.03M（消费金额）20.0%20.0%20.0%20.0%20.0%3.005文字分析上表格展示RFM15分计分数据的分布情况，数字越大代表价值越高。由于SPSSAU默认使用20%/40%/60%/80%分位数划分为五个分值，因此每个分值的占比基本均在20%左右，并没有出现个别分值时明显的样本偏多或者偏少。RF

11、M三项的J分位数项20%分位数40%分位数60%分位数80%分位数R（最近一次消费时间）2048.469.280F（消费频率）35.41114.8M（消费金额）522.61202.21684.82195.6上表格展示出20%/40%/60%/80%分位数具体数据，15分值数据的划分，就是由上表格的数字进行切割得到的。比如R时小于20%分位数数字20,那么计为5分，R时大于80%分位数即80时，计为1分。而F和M时，小于20%分位数均计为1分，大于80%分位数均计为5分。RFM类别分布项低价值（0分）高价值（1分）R（最近一次消费时间）40.0%60.0%F（消费频率）58.0%42.0%M（消

12、费金额）40.0%60.0%上表格展示出划分为两组别（即高低价值）群体时的数据分布，具体如何划分是结合RFM分值分布里面的平均值进行切割，比如R小于平均值2.94时计为0分，大于平均值2.94时计为1分。类似F和M也是，小于对应自己的平均值时计为0分，大于平均值时计为1分。0分代表低价值群体，1分代表高价值群体。图形展示如下：1CO58.0400%&00%RFM用户类型分布（n=100）R价值类别F价值类别M价值类别用户类型数量占比高仃分）高（1分）高（1分）1重要价值用户1313.0%高仃分）低（0分）高（1分）2重要保持用户2121.0%低（0分）高（1分）高（1分）3重要发展用户12*1

13、2.0%低（0分）低（0分）高（1分）4重要挽留用户1414.0%高仃分）高（1分）低（0分）5般价值用户1111.0%高仃分）低（0分）低（0分）6一般保持用户1515.0%低（0分）高（1分）低（0分）7一般发展用户6”6.0%低（0分）低（0分）低（0分）8般挽留用户8”8.0%上表格展示最终2*2*2=8种用户类别，总体上分为重要用户和一般用户，重要用户再继续细分为重要价值用户，重要保持用户，重要发展用户和重要挽留用户。与此同时，上表格展示出8种类别用户的占比情况，并且使用图示如下：RfM用户类型分布21.0,最终需要结合8种类型用户特征进行下一步的Action,一般来说如下表格说明:

14、RFM基本原理说明R价值类别F价值类别M价值类别用户类型用户特征Action高（1分）高（1分）高（1分）1重要价值用户最优质用户应提高满意度，增加留存高（1分）低（0分）高（1分）2重要保持用户重要用户但购买频率低可通过活动提高购买频率低（0分）高（1分）高（1分）3重要发展用户重要用户但最近不消费触达用户防止流失低（0分）低（0分）高（1分）4重要挽留用户潜在价值用户了解用户需求想办法挽留高（1分）高（1分）低（0分）5一般价值用户忠诚用户但消费金额低引导其消费高（1分）低（0分）低（0分）6一般保持用户新用户利用优惠吸引消费低（0分）高（1分）低（0分）7一般发展用户一般用户较少关注低（0分）低（0分）低（0分）8一般挽留用户流失用户较少关注6剖析特别提示：RFM的内部计算上分为两步，第1步是将RFM这三项数据变成15分计分形式，第2步是将15分计分形式转换成两组别（分别用数字0和1表示）；转换成15分或者数字0和1后，数字的意义均变成数字越大代表价值越高。丄默认情况下：SPSSAU会将原始数据按照20%/