Korea Database

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。根据美国数据库营销研究所rth Hghes的研究，最近一次消费时间间隔Reeny，消费频率Freqeny，消费金额Monetry，这三个要素构成了数据分析最好的指标，通过这个指标对用户进行分类，根据不同类别的用户进行精准营销。 最近一次消费时间间隔Reeny：近度，最近一次有效订购订单距离当前时间点的时间。 理论上最近一次购买的顾客越近越是优质客户，最近才购买商品或服务的顾客，是最有可能再次购买商品或服务的客户，对即时提供的商品或者是服务也最有可能有反应； 最近一次消费的过程是持续变动的，客户的最近一次消费时间间隔会随着时间的变化以及客户的购买行为变化而变化； 最近一次消费时间间隔可以帮助监控业务的健康程度。


比如，月报告中显示上一次购买很近的客户最近一次消费为个月)人数环比增加，则表示该业务是个稳健成长的业务。相反，如上一次购买很近的客户最近一次消费为个月人数环比降低，则表示该业务走向衰落的先兆； 消费频率Freqeny：频度，客户在限定时间内订购订单的次数。 消费频次高的客户，往往也是满意度最高的客户； 根据消费频次，可以把客户分成不同层级，观察用户在不同层级的分布情况，通过运营手段提高消费频次，增加高层级客户占比； 消费金额Monetry：值度，客户在限定时间内订购订单的总支付金额。


消费金额是衡量客户价值的支柱指标，”帕雷托法则”——公司％的收入来自％的顾客，对有价值的客户进 西班牙电话号码表 行营销能得到更可观的经验效果； 以客户订购订单的Reeny、Freqeny、Monetry来替代客户使用的Reeny、Freqeny、Monetry，主要有以下几点原因： 电信行业的客户每天都在使用电信业务的情况下，其最近时间间隔为零，不同的客户区分度很小，客户订购的时间间隔较大，以订购近度替代使用近度，避免了客户使用的近度难于区分的问题。
则客户的频度也将是一个很大的数量，客户订购的次数相对较少，可以减少统计客户使用次数的工作量。 客户订购支付金额跟客户实际使用消费金额最终是相等的，因此，从订购交费角度构建的RFM模型是可取的。 因此需要从客户交费角度来考虑对客户进行RFM模型建模，以RFM模型为基础,通过客户的RFM行为特征衡量分析客户忠诚度与客户内在价值。 从公司所有的客户记录中选择近年内还有消费订购记录的客户进行分析。