-
客户分类价值最高的三要素(RFM模型)
R - 最近一次消费距当前的时长(Recency) F - 消费频率(Frequency) M - 消费金额(Monetary)
1.1 举例:
客户A: R 180天 F 1次/月 M 100元/月
客户B: R 3天 F 10次/月 M 1000元/月
则: 客户B价值高于客户A
1.2 客户分类
超级用户/重要价值客户: RFM指标都很高 (R指标高即R的值小)
低价值客户: RFM指标都很低
流失客户:R指标低到一定程度,即R值大于一个阈值时,称为流失客户
一般价值客户: RFM不高不低
重要保持客户: FM很高、R不高(即 大额消费且频率很高 但是最近好久不消费了)
---该类客户需要主动联系消费
重要发展客户: RM很高、F不高(即 最近消费金额很大 但是频率不高)
1.3 以K-均值聚类(K-means聚类)为方法
1.3.1 以RFM三个指标为维度进行聚类分析(以K-means作为工具将客户分为指定数量8/6个类别)
1.3.2 然后根据指标高低对用户进行标注
1.3.3 针对不同的用户实行不同的营销方式
1.4 互联网金融行业客户价值分析
1.4.1 数据分析
用户id、首次投资时间、最近一次投资时间、总计投资金额、投标总次数 --- 数据抽取时间
1.4.2 RFM指标计算
R - 最近一次投资时间距数据提取时间的天数
F - 月均投资次数
M - 月均投资金额
1.4.3 数据标准化(为K-means做数据准备)
1.4.4 K-means聚类
1.4.5 数据标注
Excel计算RFM指标
1.1 计算R - 最近一次投资时间距离数据抽取时间的天数
1.2 要计算FM 先计算 再投月数
1.3 计算 F - 月均投资次数
1.4 计算M - 月均投资金额