一、客户面临的挑战：

会员忠诚度高不一定会员价值就高，还得看他的实际消费金额，也就是消费力。忠诚度高、消费力强的顾客才是企业最优质的会员顾客。由于会员价值中“愿意向他人推荐”这个项目不好采集数据来量化，满意度也需要专项调查才能取得数据。

二、拓端数据的解决方案：

拓端数据针对这种情况，提供从顾客价值研究的RFM模型进行客户细分、交叉销售模型运营管理到模型结果应用的整套解决方案。该方案可为客户提供可视化、智能化、标准化的智能决策支撑，分出不同等级作为活动指标以采取不同而俱体销售行动计划。

 

三、客户的应用收益及评价：

建立了一套”防止流失、保障收入”的长效保证机制。

应用案例：

如何衡量电商存量用户的价值？是上一次购买时间？消费金额？还是购买次数？通过什么模型进行用户细分对营销活动提升用户的响应率最有效？

如果一个电商店铺在2017年4月要开展营销活动，需要对老用户进行优惠券、短信、邮件营销。但是营销费用只够给支持2000个用户。

那么我们可以通过RFM模型选择，选择最有可能相应的2000个用户。

RFM简介

RFM是用于分析客户价值的方法。通常用于数据库营销和直销。

RFM代表的含义

最近购买 – 客户最近购买了什么？

购买频率 – 他们多久购买一次？

购买价值 – 他们花多少钱？

大多数企业将保留有关客户购买的数据。所需要的是一张表，其中包含客户名称，购买日期和购买价值。

最近购买= max（10 – 自客户上次购买以来已经过去的月数）

购买频率= max（过去12个月内的购买次数）

购买价值= 客户的最高订单价值

​

客户分析部分

返回不同商家的用户的RFM数据

表名:userrfm

用户(Userid)	最近一次消费(Recency) [l1]	消费频率(Frequency)	金额(Monetary)	商家(Busid)
100001				1
100002				1
100001				2

自定义分析部分

设置新客户回头客老客户的购买次数阈值为 p q r(参数在r中设置，后期通过其他方式传递)

表名:frequency

会员类型	条件设置（F）[l2]	会员人数	会员占比	消费金额	客单价	商家名(Busid)
兴趣客户	0	120				1
新客户	p	20				1
回头客	q	10				1
老客户	r	3				1
兴趣客户	0	120				2
新客户	p	20				2
回头客	q	10				2
老客户	r	3				2

同样设置客户光顾天数的阈值分别阈值为 p q r(参数在r中设置后期通过其他方式传递)

光顾天数（R）

流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)

表名:Recency

会员类型	条件设置（F）[l3]	会员人数	会员占比	消费金额	客单价	商家名(Busid)
售后期客户	0~a	120				1
活跃期客户	a~b	20				1
沉默期客户	b~c	10				1
睡眠期客户	c~d	3				1
流失期客户	>d	2				1
售后期客户	0~a					2
活跃期客户	a~b					2
沉默期客户	b~c					2
睡眠期客户	c~d					2
流失期客户	>d					2

光顾天数（R）

流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)

表名:Recency

会员类型	条件设置（F）[l4]	会员人数	会员占比	消费金额	客单价	商家名(Busid)
售后期客户	0~a	120				1
活跃期客户	a~b	20				1
沉默期客户	b~c	10				1
睡眠期客户	c~d	3				1
流失期客户	>d	2				1
售后期客户	0~a					2
活跃期客户	a~b					2
沉默期客户	b~c					2
睡眠期客户	c~d					2
流失期客户	>d					2

客单价（M）

流失期客阈值为 l ml m h (参数在r中设置后期通过其他方式传递)

表名:Monetary

会员类型	条件设置（F）[l5]	会员人数	会员占比	消费金额	客单价	商家名(Busid)
低价值客户	0~l	120				1
中低价值客户	l~ml	20				1
中等价值客户	ml~m	10				1
中高价值客户	m~h	3				1
高价值客户	>h	2				1
低价值客户	0~l					2
中低价值客户	l~ml					2
中等价值客户	ml~m					2
中高价值客户	m~h					2
高价值客户	>h					2

模型实现部分(R语言)

连接mysql数据

从数据库中获取数据

原始数据

​

客户分析部分

自定义分析部分 购买次数

​

光顾天数

​

​

 客单价（M） 

​

​

RFM三维交叉表分析

​

界面：

1、客户数/占比

​

2、平均每次购买金额

​

3、累计购买金额

​

R值分析（时间跨度[0,1080]

1、F值指标

​

2、M值指标

​

3、会员等级指标

​

F值分析（F值[1,20],(20,+info)）

1、R值指标

​

2、M值指标

​

3、会员等级指标

​

M值分析（M值间隔选择、购买金额（平均每次购买金额、累计消费金额）、20行）

1、R值指标

​

2、F值指标

​

3、会员等级指标

​

通过这些报表全面展示了RFM模型分析的各个维度方向，因此，我们可以将一个客户群体中的关系结构分析的很清楚，并且结合实际业务与针对不同群体推送不同业务。