Clementine之RFM模型分析实现过程

11Clementine之RFM模型分析实现过程相信每个做marketer都听过RFM分析吧，但具体RFM是怎么一回事、RFM能做什么以及如何来实现RFM分析，可能有些朋友还不是很清楚，我将结合clementine12(实际上spss18和才lementine12中带有将rfm分析模块整合到软件中)来给大家演示这一常用的分析方法。let'sgo...什么是RFM模型？RFM模型是衡量客户价值和客户创利能力的重要工具和手段。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三项指标来描述该客户的价值状况。根据美国数据库营销研究所ArthurHughes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：最近一次消费(Recency)消费频率(Frequency)消费金额(Monetary)RFM能做什么？由此我们看到通过RFM模型，我们可以找出核心用户群：每一个用户会得到一个RFM综合得分，从而获取高价值用户群，这个可以通过打分卡模型来实现。另外通过每一个用户的R/F/M维度得分，进行用户群体细分：实现精准营销。方法一：每一个维度划分为若干等级，最好制作一个气泡图，得出每一区间(类别)用户比例和特征。方法二：以R/F/M为主字段进行聚类分析，然后结合年龄、职业等其他作为辅助字段进行聚类描述。怎么获取用户RFM得分？接下来我将结合clementi12(SPSS18也可以完成)来演示RFM分析过程：step1、以clementine自带数据transactions为例，数据结构如下：C:ii'iilD,.D：i+匕Miiji-irLt■"COLOOQQCil^^QQlOSEO,趣OQOOOQ"COLO000020010626,139.000000^01000001^9^20011229,竽3000000ITIcardid相当于订单信息中的用户ID,出现一次表示购物一次即F+1date购买时间，格式有点问题，需要转换成日期格式。可以通过字段填充命令进行。$Dale(tQ_i(Pa"〕)醫M.tn_date(lo_slr5ng<Dale))fcrealOTEM)'i5_nirmbErtlTEM>is_slrlnfi(linEW)l3_dJl0^TEMlis^limeflTEMJiOme-slafinptlTEM；ij_d^ietime(rrEU)isjntR^enfiiEM)君Hr$Dale(tQ_i(Pa"〕)醫M.tn_date(lo_slr5ng<Dale))fcrealOTEM)'i5_nirmbErtlTEM>is_slrlnfi(linEW)l3_dJl0^TEMlis^limeflTEMJiOme-slafinptlTEM；ij_d^ietime(rrEU)isjntR^enfiiEM)君HrM笑乩港县斟-Jaid字段■>caftiicdaleAmount<j45j_®LiAmount表示每次购物金额step2、引入RFM汇总模块C收藏奪•粽•记录选项•字段选项土團形•崖檯■输世■导出选屋样班汇直RFM汇总萍弁仓并诅削区分具体设置如下：

注意：在计算最近一次购物间隔R时，这里有个时间点的选择。选择今天或者选择某一个固定日期。一般来说，选择过去某一个固定日期做为R计算节点，主要是为了排除新用户，即我只看这个时间点以前的用户表现。Step3、引入RFM分析模块具体设置如下：具体设置如下：红色大圈表示你在计算RFM综合得分时，给予R/F/M的计算权重，在这里我采用业界比较公认的权重比例。红色小圈点进去之后可以设置每一个因素的分类范围：取消Step4、RFM综合得分结果，引入一个输出结果表，得出每一个用户的RFM得分:可以扁辑國值，卫只在必要时对苴进行重新计算给箱字段；货币k读取值建解为箱下限上限1^1.4Q屯180■2:>=180^285：3；>=2854004>=400=6005■^eoo==7200将使用表中显示的值创崖分箱Step5、应用1、接下来你可以倒序排列FRM得分，排在前面的就是高价值用户