如何使用RFM分析來了解目標客戶

IBM SPSS Statistics 統計分析預測軟件是一款在調查統計行業，市場研究，醫學統計，政府和企業的數據分析應用中久享盛名的統計分析工具，是世界上最早的統計分析軟件，在全球有大量的企業和個人用戶。

雖然 IBM SPSS Statistics 中的統計分析功能強大，但需要依賴于豐富的統計分析背景知識進行操作，因此不便于一般的商業用戶使用。為此在 18 版本后，IBM SPSS Statistics 新增加了客戶直銷模塊，該模塊的操作界面簡單明了，結果報告分析清晰易懂，可以廣泛的應用于電信，零售，銀行，保險，證券，傳媒，市場研究等行業領域，是為市場營銷人員精心設計的用以提高直銷效率，改善直銷活動效果的工具。

打開 IBM SPSS Statistics, 在菜單中選擇“直銷”->“選擇方法”，就進入“直銷”模塊選擇方法界面，如圖 1 所示。

圖 1. 直銷模塊選擇方法界面

在“直銷”模塊中，分為三部分：

了解我的聯系人，用于對客戶信息進行分析，將客戶根據不同特征進行分類。改進我的市場營銷活動，預測客戶對營銷活動的響應率。對我的數據評分，利用“選擇最有可能購買的聯系人”和其他模塊中的多種程序構建預測模型，根據預測模型對新的客戶數據評分。本文將介紹直銷模塊的第一部分“了解我的聯系人”：

分析幫助標識我的最佳聯系人(RFM 分析)通過本文，你可以了解如何使用客戶直銷分析模塊中的 RFM 分析功能來了解目標客戶，從而幫助你針對不同的客戶制定 Smart 營銷策略提供更可靠的依據。

如何使用 RFM 分析來了解目標客戶

RFM 是在眾多的客戶關系管理 (CRM) 的分析模式中，被廣泛提到的模型之一。該模型應用于衡量客戶價值和客戶創造利潤能力的分析。RFM 模型通過一個客戶的最近一次消費(Regency)、消費總體頻率(Frequency)以及消費金額(Monetary)對客戶進行 RFM 打分，根據客戶的 RFM 得分來描述該客戶的價值狀況。

最近一次消費

最近上一次消費時間是評價客戶價值的一個重要指標。理論上，最近購買產品或者服務的顧客，最有可能成為再次光顧的消費者，對推出的新品也最有可能做出反應。消費總體頻率

消費總體頻率是在限定時間內的購買次數。最常購買的顧客，也是滿意度最高的顧客。消費金額

消費金額是在限定時間期間購買金額的總和。根據“帕雷托”法則——通常 80% 的利潤來自 20% 的重要客戶，消費金額越多的客戶是越需要維系關系的客戶。根據以上三個指標，對客戶進行評級。在此假設三個指標的級別分別為從 1 到 5，5 為最高級別：

基于最近購買日期或自最近購買以來的時間間隔，消費日期越近或時間間隔越短，客戶等級越高，為 5。反之，客戶等級越低，為 1。針對客戶消費頻率，為客戶分配一個頻率等級，其中較高的值代表購買頻率較高。例如，將最常購買的客戶的購買頻率等級評為 5。按消費金額對客戶進行評級，其中消費金額值最高的客戶將獲得最高等級 5。將客戶的三個指標等級合并就得到 RFM 得分。RFM 得分最高的客戶即為對新產品最有可能做出反應的客戶。例如，某客戶最近一次消費、消費總體頻率和消費金額的等級分別是 4、3、5，則該客戶的 RFM 得分即為 435。應用背景及數據描述

某公司要對一種新產品進行推銷。市場部門希望通過對客戶進行 RFM 分析，了解客戶的價值狀況。根據客戶的 RFM 得分，制定有針對性的營銷策略，來維護客戶關系，提高客戶忠誠度。

銷售部門中有以 Excel 表格式存儲的客戶信息，rfm_transactions 表中包括客戶 ID，購買產品編號，購買日期和交易金額，如圖 2 所示。

圖 2. rfm_transactions.xls 概要信息

數據準備

IBM SPSS Statistics 讀入 Excel 數據，具體步驟及設置請見參考資料“數據預測統計分析產品 IBM SPSS Statistics 實例應用講解”中的 IBM SPSS Statistics 實例應用分析部分，在此不再累述。

客戶直銷模塊 RFM 分析應用

通過 IBM SPSS Statistics 中簡便快捷的“直銷”菜單就可以對數據進行 RFM 分析。進入菜單：“直銷”->“選擇方法”，在“直銷”模塊中選擇“幫助標識我的最佳聯系人(RFM 分析)”按鈕，如圖 3 所示。

圖 3. “幫助標識我的最佳聯系人(RFM 分析)”按鈕

點擊“繼續”按鈕進入“RFM 分析：數據格式”對話框，如圖 4 所示。

圖 4. “RFM 分析：數據格式”對話框

RFM 數據格式

RFM 分析根據數據行表示的含義分為來自交易數據的 RFM 分析和來自客戶數據的 RFM 分析。

來自交易數據的 RFM 分析

當數據行表示單筆交易記錄，選擇交易數據的 RFM 分析。交易數據舉例如圖 5 所示，數據列中包含客戶 ID，購買的產品編號，購買該產品的日期和消費金額;數據行表示一個客戶的一條購買記錄，一個客戶可有多條購買記錄。

圖 5. 交易數據

來自客戶數據的 RFM 分析

當數據行表示單個客戶的交易記錄，選擇客戶數據的 RFM 分析?？蛻魯祿e例如圖 6 所示，數據列中包含客戶 ID，該客戶消費的總金額、最近一次購買日期、購買總次數和最近一次購買時間間隔。

圖 6. 客戶數據

由于本例中數據是交易類型的數據，直接選擇“交易數據”點擊“繼續”按鈕進入“交易數據的 RFM 分析”對話框，如圖 7 所示。

如果數據是客戶類型的數據，請選擇“客戶數據”。具體設置在后面詳述。

圖 7. “交易數據的 RFM 分析”對話框“變量”頁面

在“變量”頁面中將變量“客戶 ID”，“購買日期”和“交易金額”分別選入對應的“客戶標識符”，“交易日期”和“交易金額”文本框。

在“摘要方法”下拉框中有四種匯總每個客戶交易金額的方法：總計(交易金額總額)，均值，中位數或最大值(最高交易金額)。在本數據中，交易金額是單次購買產品的單價，所以選擇“總計”。

進入“離散化”頁面，如圖 8 所示。

圖 8. “交易數據的 RFM 分析”對話框“離散化”頁面

在 RFM 分析中，需要將最近一次消費、消費總體頻率以及消費金額進行分級，在對數據的實際操作中就是將大量數值分類，稱之為“離散化”。在“離散化”頁面中可以設定將數值分類的方法。

在“離散化方法”框中可以定義數據是按照三個指標的優先級依次分類或三個指標獨立分類。

在 RFM 分析結果輸出中，類別對應著相應的塊。在“塊數”框中可以指定三個指標的塊數。每個指標可選擇 1 到 9 級進行分塊，默認分為 5 塊。

“結”是指具有相同指標值的客戶。在“結”框中可以指定對具有相同指標值的客戶如何分配到對應的塊中。

選擇“保存”頁面，如圖 9 所示。

圖 9. “交易數據的 RFM 分析”對話框“保存”頁面

在“保存”頁面中，可以指定想要保存的變量，包括三個指標的原始變量，對原始變量分級后的變量(以“_ 得分”為后綴名命名的變量)以及 RFM 得分。還可以指定新生數據的保存位置。

選擇“輸出”頁面，如圖 10 所示。

圖 10. “交易數據的 RFM 分析”對話框“輸出”頁面

已離散化數據中設置的輸出圖表是對圖 9 中“已保存變量的名稱”中的“嶄新 _ 得分”、“頻率 _ 得分”和“消費金額 _ 得分”進行描述。未離散化數據中設置的輸出圖是對圖 9 中“已保存變量的名稱”中的“最 _ 近 _ 日期”、“交易 _ 計數”和“金額”進行描述?？梢愿鶕枰x擇輸出的圖表。在此選擇所有輸出圖表。

全部設置完后，點擊“確定”按鈕，就可以得到客戶的 RFM 得分，并可以在 IBM SPSS Statistics 的輸出查看器中通過圖表查看根據三個指標分塊后的客戶分布情況。在下面會對輸出的結果做具體說明。

如果數據是客戶數據類型，在“RFM 分析：數據格式”對話框，如圖 11 所示，選取“客戶數據”按鈕。

圖 11. “RFM 分析：數據格式”對話框

點擊“繼續”按鈕進入“客戶數據的 RFM 分析”對話框，如圖 12 所示。

圖 12. “客戶數據的 RFM 分析”對話框

在“變量”頁面中將變量“客戶 ID”，“交易總金額” ，“購買產品總數”和“最近一次購買時間間隔”(或“最近一次購買日期”)分別選入對應的“客戶標識符”，“金額”，“交易數”和“交易日期或間隔”文本框。

客戶數據的 RFM 分析在“離散化”，“保存”和“輸出”頁面中的設置與交易數據的 RFM 分析基本一致，在此不再累述。

注意：對同一數據源進行交易數據的 RFM 分析和客戶數據的 RFM 分析，輸出結果一致。

結果報告分析

IBM SPSS Statistics 的輸出查看器中對每張 RFM 分析輸出的圖表都附有結果說明，以便對輸出含義的理解。下面就對各圖表含義進行簡單介紹。

如圖 13 所示，RFM 塊計數圖顯示根據離散化方法設定的塊的分布?？v軸“時間先后順序”顯示按最近一次消費時間指標對客戶分為 1~5 級，上面的橫軸“頻率”顯示按購買頻率指標對客戶分為 1~5 級?？蛻舾鶕罱淮蜗M級別和購買頻率級別被分為 5*5=25 塊。例如圖 13 中紅色標記的塊，表示最近一次消費時間級別(或得分)為 5，購買頻率級別(或得分)為 3 的客戶群。在每塊中，根據消費金額指標又對客戶分為 1~5 級，圖中顯示為五條條圖，從左到右表示消費金額級別(或得分)依次增高(即消費金額依次增大)。條狀圖的高低表示該條狀圖對應 RFM 得分的客戶數量的大小。例如圖 13 中紅色標記的塊，依次顯示 RFM 得分從 531 到 535 的客戶數量的分布。

圖 13. RFM 塊計數圖

圖中可見，相對別的塊，分布在消費日期最近的(5 級)，購買頻率一般的(3 級)的客戶數量較多，這些客戶針對消費金額高低分布也比較平均。

從圖中可見，該條狀圖中的客戶的 RFM 得分為 555，表示這部分客戶最近都有購物，頻率和消費金額也高出其他客戶，是最有價值的客戶。

塊計數表，如表 1 所示，和塊計數圖中的信息是相同，只是以表格形式表現每個分塊中的個案數量。

表 1. RFM 塊計數表

RFM 熱圖，如圖 14 所示，縱軸“時間先后順序”顯示按最近一次消費時間指標對客戶分為 1~5 級，上面的橫軸“頻率”顯示按購買頻率指標對客戶分為 1~5 級?？蛻舾鶕罱淮蜗M級別和購買頻率級別被分為 5*5=25 塊。對每塊中的客戶群的消費金額做均值運算，并在每塊中通過顏色深淺顯示消費金額均值大小。顏色越深的塊表示該塊對應的客戶的消費金額均值越高。

圖 14. RFM 熱圖

圖中顯示隨著最近一次消費時間越近，消費頻率的增高，顏色越深，說明消費金額均值也在增加，客戶的滿意度忠誠度也越來越高。

RFM 直方圖，如圖 15 所示，用于顯示客戶數量在最近一次消費時間、消費頻率和消費金額的三個指標中的大概分布。

圖 15. RFM 直方圖

每個直方圖的水平軸始終采用左側為較小值、右側為較大值的順序。但對于“時間先后順序”(即最近一次消費時間)圖的解釋依賴于最近一次消費時間的類型：日期或時間間隔。對于日期，左側條代表較遠日期，右側條代表較近日期。對于時間間隔，左側條代表時間間隔較小，即購買日期離現在較近。

RFM 散點圖，如圖 16 所示，用于顯示原始數據中最近一次消費時間、消費頻率和消費金額的三個變量之間的關系。

圖 16. RFM 散點圖

對于“時間先后順序”(即最近一次消費時間)的解釋依賴于最近一次消費時間的類型：日期或時間間隔。對于日期，越接近原點的點代表離現在越遠的日期。對于時間間隔，越接近原點的點代表購買日期離現在越近的值。

RFM 分析生成一個新數據集如圖 17，其中包含客戶的最近購買日期，購買頻率，消費金額以及各自的得分和綜合之后的客戶 RFM 得分。

圖 17. 新生成的數據

RFM 分析輸出的圖表和 RFM 得分有助于公司市場部門了解客戶的最近一次購買、消費頻率、消費金額以及綜合 RFM 得分的分布狀況，針對不同價值的客戶群，制定相應的營銷策略。

小結

對客戶進行 RFM 分析，并按 RFM 得分為客戶價值排序，使得公司能夠量化客戶的價值。市場部門可以定期對客戶進行 RFM 分析，通過客戶 RFM 得分的變動，幫助公司制定更為可行的客戶策略，提升客戶交易量，增加客戶忠誠度，維系關鍵客戶。

總結及展望

功能強大，使用簡單是 IBM SPSS Statistics 客戶直銷模塊的特色，幫助市場營銷人員利用客戶數據深入了解客戶，讓市場人員在決策中更加自信。幫助企業制定智慧，有效的營銷策略。從而從市場營銷中得到更多收益。

目前 I BM SPSS Statistics 客戶直銷模塊總共有七大模塊，本文中主要介紹幫助了解的客戶的模塊：RFM 分析。希望讀者通過學習此文，加以實踐應用，能夠從容自信的制定 Smart 市場營銷策略。