RFM模型(轉載)
RFM模型的內容
根據美國資料庫營銷研究所Arthur Hughes的研究,客戶資料庫中有三個神奇的要素,這三個要素構成了資料分析最好的指標:
- 最近一次消費(Recency)
- 消費頻率(Frenquency)
- 消費金額(Monetary)
最近一次消費
最近一次消費意指上一次購買的時候——顧客上一次是幾時來店裡、上一次根據哪本郵購目錄購買東西、什麼時候買的車,或在你的超市買早餐最近的一次是什麼時候。
理論上,上一次消費時間越近的顧客應該是比較好的顧客,對提供即時的商品或是服務也最有可能會有反應。營銷人員若想業績有所成長,只能靠偷取競爭對手的市場佔有率,而如果要密切地注意消費者的購買行為,那麼最近的一次消費就是營銷人員第一個要利用的工具。歷史顯示,如果我們能讓消費者購買,他們就會持續購買。這也就是為什麼,0至6個月的顧客收到營銷人員的溝通訊息多於31至36個月的顧客。
最近一次消費的過程是持續變動的。在顧客距上一次購買時間滿一個月之後,在資料庫裡就成為最近一次消費為兩個月的客戶。反之,同一天,最近一次消費為3個月前的客戶作了其下一次的購買,他就成為最近一次消費為一天前的顧客,也就有可能在很短的期間內就收到新的折價資訊。
最近一次消費的功能不僅在於提供的促銷資訊而已,營銷人員的最近一次消費報告可以監督事業的健全度。優秀的營銷人員會定期檢視最近一次消費分析,以掌握趨勢。月報告如果顯示上一次購買很近的客戶,(最近一次消費為1個月)人數如增加,則表示該公司是個穩健成長的公司;反之,如上一次消費為一個月的客戶越來越少,則是該公司邁向不健全之路的徵兆。
最近一次消費報告是維繫顧客的一個重要指標。最近才買你的商品、服務或是光顧你商店的消費者,是最有可能再向你購買東西的顧客。再則,要吸引一個幾個月前才上門的顧客購買,比吸引一個一年多以前來過的顧客要容易得多。營銷人員如接受這種強有力的營銷哲學——與顧客建立長期的關係而不僅是賣東西,會讓顧客持續保持往來,並贏得他們的忠誠度。
消費頻率
消費頻率是顧客在限定的期間內所購買的次數。我們可以說最常購買的顧客,也是滿意度最高的顧客。如果相信品牌及商店忠誠度的話,最常購買的消費者,忠誠度也就最高。增加顧客購買的次數意味著從競爭對手處偷取市場佔有率,由別人的手中賺取營業額。
根據這個指標,我們又把客戶分成五等分,這個五等分分析相當於是一個“忠誠度的階梯”(loyalty ladder),其訣竅在於讓消費者一直順著階梯往上爬,把銷售想像成是要將兩次購買的顧客往上推成三次購買的顧客,把一次購買者變成兩次的。
消費金額
消費金額是所有資料庫報告的支柱,也可以驗證“帕雷託法則”(Pareto’s Law)——公司80%的收入來自20%的顧客。它顯示出排名前10%的顧客所花費的金額比下一個等級者多出至少2倍,佔公司所有營業額的40%以上。如看累計百分比的那一欄,我們會發現有40%的顧客貢獻公司總營業額的80%;而有60%的客戶佔營業額的90%以上。最右的一欄顯示每一等分顧客的平均消費,表現最好的 10%的顧客平均花費1195美元,而最差的10%僅有18美元 。
如果你的預算不多,而且只能提供服務資訊給2000或 3000個顧客,你會將資訊郵寄給貢獻40%收入的顧客,還是那些不到1%的顧客?資料庫營銷有時候就是這麼簡單。這樣的營銷所節省下來的成本會很可觀 。
結合這三個指標,我們就可以把顧客分成5*5*5 = 125類,對其進行資料分析,然後制定我們的營銷策略。
最近一次消費、消費頻率、消費金額是測算消費者價值最重要也是最容易的方法,這充分的表現了這三個指標對營銷活動的指導意義。而其中,最近一次消費是最有力的預測指標。
RFM模型的應用意義
在眾多的客戶關係管理(CRM)的分析模式中,RFM模型是被廣泛提到的。RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。該模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢三項指標來描述該客戶的價值狀況。
RFM模型較為動態地層示了一個客戶的全部輪廓,這對個性化的溝通和服務提供了依據,同時,如果與該客戶打交道的時間足夠長,也能夠較為精確地判斷該客戶的長期價值(甚至是終身價值),通過改善三項指標的狀況,從而為更多的營銷決策提供支援。
在RFM模式中,R(Recency)表示客戶最近一次購買的時間有多遠,F(Frequency)表示客戶在最近一段時間內購買的次數,M (Monetary)表示客戶在最近一段時間內購買的金額。一般的分析型CRM著重在對於客戶貢獻度的分析,RFM則強調以客戶的行為來區分客戶。
RFM非常適用於生產多種商品的企業,而且這些商品單價相對不高,如消費品、化妝品、小家電、錄影帶店、超市等;它也適合在一個企業內只有少數耐久商品,但是該商品中有一部分屬於消耗品,如影印機、印表機、汽車維修等消耗品;RFM對於加油站、旅行保險、運輸、快遞、快餐店、KTV、行動電話信用卡、證券公司等也很適合。
RFM可以用來提高客戶的交易次數。業界常用的DM(直接郵寄),常常一次寄發成千上萬封郵購清單,其實這是很浪費錢的。根據統計(以一般郵購日用品而言),如果將所有R(Recency)的客戶分為五級,最好的第五級回函率是第四級的三倍,因為這些客戶剛完成交易不久,所以會更注意同一公司的產品資訊。如果用M(Monetary)來把客戶分為五級,最好與次好的平均回覆率,幾乎沒有顯著差異。
有些人會用客戶絕對貢獻金額來分析客戶是否流失,但是絕對金額有時會曲解客戶行為。因為每個商品價格可能不同,對不同產品的促銷有不同的折扣,所以採用相對的分級(例如R、F、M都各分為五級)來比較消費者在級別區間的變動,則更可以顯現出相對行為。企業用R、F的變化,可以推測客戶消費的異動狀況,根據客戶流失的可能性,列出客戶,再從M(消費金額)的角度來分析,就可以把重點放在貢獻度高且流失機會也高的客戶上,重點拜訪或聯絡,以最有效的方式挽回更多的商機。
RFM也不可以用過頭,而造成高交易的客戶不斷收到信函。每一個企業應該設計一個客戶接觸頻率規則,如購買三天或一週內應該發出一個感謝的電話或Email,並主動關心消費者是否有使用方面的問題,一個月後發出使用是否滿意的詢問,而三個月後則提供交叉銷售的建議,並開始注意客戶的流失可能性,不斷地創造主動接觸客戶的機會。這樣一來,客戶再購買的機會也會大幅提高。
企業在推行CRM時,就要根據RFM模型的原理,瞭解客戶差異,並以此為主軸進行企業流程重建,才能創新業績與利潤。否則,將無法在新世紀的市場立足。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/7942439/viewspace-18620/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- RFM模型模型
- RFM模型——R:最近一次購買模型
- RFM是什麼?這個模型有什麼用?模型
- 針對客戶細分的RFM模型如何構建?模型
- 【轉載】Encoder-decoder模型模型
- 「轉載」成功的 Git 分支模型Git模型
- RFM模型的消費頻率和消費金額是什麼模型
- 解密機器人大模型RFM-1:Covariant創始人陳曦專訪解密機器人大模型
- 全網最簡單的RFM模型製作方法,3歲小孩都能學會!模型
- 資料改變認知——不知怎麼選,用RFM模型看舔狗質量!模型
- PowerDesigner連線Oracle逆向生成資料模型(轉載)Oracle模型
- 載入模型模型
- 【模型推理】Tengine 模型轉換及量化模型
- djl載入模型模型
- pytorch模型(.pt)轉onnx模型(.onnx)的方法PyTorch模型
- Caffe轉mxnet模型——mmdnn模型DNN
- Mxnet模型轉化為ncnn模型,並驗證轉化正確性模型CNN
- 【轉載】ElasticsearchElasticsearch
- 轉載AOP
- [轉載] ebxmlXML
- FPGA【轉載】FPGA
- 轉載方法
- Python 載入 TensorFlow 模型Python模型
- WebGL載入本地模型Web模型
- Caffe轉mxnet模型——mxnet工具模型
- MxNet預訓練模型到Pytorch模型的轉換模型PyTorch
- Mxnet模型檔案轉換為Pb模型檔案模型
- OpenGL 模型載入詳解模型
- 模型關聯--預載入模型
- 轉載快取快取
- DataGridView使用 --轉載View
- 【轉載】gulp minimist
- 【轉載】RenderTransform特效ORM特效
- 轉化率模型之轉化資料延遲模型
- 【轉】概念主題模型簡記模型
- 使用ollama玩轉本地大模型大模型
- 如何將keras訓練的模型轉換成tensorflow lite模型Keras模型
- modelscope 命令列工具下載模型命令列模型
- modelscope上的模型如何下載?模型