1.相关知识
复购率是店主非常关心的一个问题，它直接反映了会员/客户的黏性。复购率=统计期内购买两次及以上的客户数/总购买客户数。复购率的统计周期通常以年、季、月、周来计算。要提升复购率，关键在做好客户关系管理（CRM）。
在众多的客户关系管理的分析模式中，RFM模型是被广泛提到的。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。该模型通过一个客户的近期购买行为、购买的总体频率以及每次消费金额三项指标来描述该客户的价值状况。
RFM模型较为动态地显示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值（甚至是终身价值），通过改善三项指标的状况，从而为更多的营销决策提供支持。一般的CRM模型着重在对于客户贡献度的分析，RFM模型则强调以客户的行为来区分客户。
RFM模型非常适用于生产多种商品的商家，而且这些商品单价相对不高，如消费品、化妆品、小家电等；它也适合在一个商家内只有少数耐久商品，但是该商品中有一部分属于消耗品，如复印机、打印机等消耗品；RFM模型对于加油站、旅行社、保险公司、运输公司、快递公司、快餐店、KTV、移动电话公司、信用卡公司、证券公司等也很适合。
RFM模型可以用来提高老客户的交易次数。商家用R、F的变化，可以推测客户消费的异动状况，根据客户流失的可能性，列出客户，再从M（消费金额）的角度来分析，就可以把重点放在贡献度高且流失机会也高的客户上，对他们进行重点拜访或联系，以最有效的方式挽回更多的商机。
2.任务要求
某网店的12位客户在最近一年的消费记录如表6-2所示，请以表中数据为例，基于RFM模型细分客户，判别这12位客户属于哪种类型。客户类型要求分成八类，即重要发展客户、重要价值客户、重要挽留客户、重要保持客户、一般发展客户、一般价值客户、一般挽留客户、一般保持客户。数据采集日期定在12月31日。
表6-2 某网店客户交易数据
续表
3.任务实施
（1）理论基础。
①RFM模型介绍。RFM模型是一个简单的根据客户的活跃程度和交易金额贡献所做的分类。
近度R（Recency）：R代表客户最近的活跃时间与数据采集点的时间的距离。R越大，表示客户越久未发生交易；R越小，表示客户越近有交易发生。R越大则客户越可能会“沉睡”，流失的可能性越大。在这部分客户中，可能有些优质客户，值得公司通过一定的营销手段进行激活。
频度F（Frequency）：F代表客户过去某段时间内的活跃频率。F越大，表示客户与本公司的交易越频繁，不仅仅给公司带来人气，也带来稳定的现金流，是非常忠诚的客户；F越小，表示客户不够活跃，且可能是竞争对手的常客。针对F较小且消费额较大的客户，需要推出一定的竞争策略，将这批客户从竞争对手手中争取过来。
额度M（Monetary）：表示客户每次消费金额的多少，可以用最近一次消费金额表示，也可以用过去的平均消费金额表示。根据分析的目的不同，可以有不同的表示方法。一般来讲，单次交易金额较大的客户，支付能力强，价格敏感度低，是较为优质的客户；而每次交易金额很小的客户，可能在支付能力和支付意愿上较低。当然，这也不是绝对的。
RFM模型的分析工具有很多，可以使用SPSS或者SAS进行建模分析，然后进行深度挖掘。IBMSPSS还有个Modeler，提供专门的RFM挖掘算法。
根据客户的规模，R、F和M三个维度均可以按2～5个等级进行分组，细分后客户群体最少有2×2×2=8（个）魔方，最多有5×5×5=125（个）魔方。本例中R、F和M三个维度均可以按4个等级进行分组，即采用4×4×4=64（个）魔方，再将64个魔方归类到八个类别，如图6-37所示，即分成重要发展客户、重要价值客户、重要挽留客户、重要保持客户、一般发展客户、一般价值客户、一般挽留客户、一般保持客户。
图6-37 RFM模型
②根据RFM模型的分段指标分配权重，如表6-3所示。
表6-3 RFM分段指标
R值——根据客户生命周期分成四组：活跃客户、沉默客户、睡眠客户和流失客户，不同分组的客户赋予不同的权重值。
F值——根据购买次数进行分组，购买1次为新客户，购买2次为老客户，购买3次为成熟客户，购买3次以上为忠诚客户，不同分组的客户赋予不同的权重值。
M值——根据客户的客单价进行分组，1/2客单价以下为低贡献客户，1/2客单价～1倍客单价为中贡献客户，1倍客单价～2倍客单价为中高贡献客户，2倍客单价以上为高贡献客户，不同分组的客户赋予不同的权重值。
八类客户细分的指标特征如表6-4所示。
表6-4 客户细分指标特征
（2）实施步骤。
步骤1：数据处理，通过Excel的透视表计算RFM数据。
步骤2：分配权重，即根据RFM分段指标分配权重。
步骤3：识别客户类型，即根据客户细分指标特征将客户分成八类。
步骤4：获取每一类型客户清单，为制定营销策略做准备。
步骤5：撰写《基于RFM模型的客户细分》。
步骤6：做好汇报的准备。
（3）分析结果。
基于RFM模型的客户细分
先获取某网店的销售记录数据（见表6-5），然后基于RFM模型进行客户细分，具体步骤如下。
表6-5 某网店的销售记录
续表
1.数据处理
根据分析需要，R用客户最后成交时间跟数据采集点时间的时间差（天数）作为计量标准；F根据数据集中每个会员客户的交易次数作为计量标准（1年的交易次数）；M以客户平均的交易额为计量标准。通过Excel的透视表即可计算以上RFM数据，如表6-6所示。
表6-6 客户交易的透视报表(www.xing528.com)
利用Excel进行如下操作：
（1）在菜单栏单击“插入”选项卡；
（2）在快捷按钮栏单击“数据透视表”；
（3）选择数据区域，确认所有的数据都被选择；
（4）选择在“新工作表”中插入数据，然后单击“确定”按钮；
（5）将“客户编号”拖入“行标签”栏；
（6）将“收银时间”“记录ID”“交易金额”拖入数值计算栏；
（7）单击“收银时间”数值计算栏按钮，选择“值字段设置”；
（8）在“计算类型”中选择“最大值”；
（9）在对话框左下角，单击“数字格式”，设定时间格式为：yyyy-mm-dd，然后单击“确定”按钮；
（10）单击“销售金额”数值计算栏按钮，选择“值字段设置”；
（11）在“计算类型”中选择“平均值”，然后单击“确定”按钮；
（12）在“记录ID”数值计算按钮栏，选择“值字段设置”；
（13）在“计算类型”中选择“计数”，然后单击“确定”按钮。
根据以上数据可以得到：
F值：客户这1年共消费了多少次。
M值：客户每次交易的平均消费金额。
但是，R值还需要做些处理。目前R值只是客户最近一次消费日期，需要计算距离数据采集日期的天数。
本例将数据采集日期定在“12/31”，在Excel中将两个日期相减就能得到距离最近一次交易的时间，即“12/31”-“最大值项：收银时间”。
这样就获得了每个客户的RFM值，如表6-7所示。
表6-7 客户的RFM值
2.分配权重
根据表RFM分段指标和每个客户的RFM值，进行权重的分配，如图6-38所示。
图6-38 客户的RFM值
利用Excel进行如下操作。
（1）确定RFM分段指标，R分段指标为90，180，360；F分段指标为1，2，3；M分段指标为53.75，107.5（平均客单价），215。
（2）计算R的权重值R-score：
F7=IF（C7＜=$F$2，10，IF（C7＜=$F$3，7，IF（C7＜=$F$4，4，2））），依次复制公式，即可获得所有客户的R-score。
（3）计算F的权重值F-score：
G7=IF（D7=SG$2，2，IF（D7=SG$3，4，IF（D7=SG$4，7，10））），依次复制公式，即可获得所有客户的F-score。
（4）计算M的权重值M-score：
H7=IF（E7＜=$H$2，2，IF（E7＜=$HS3，4，IF（E7＜=$H$4，7，10））），依次复制公式，即可获得所有客户的M-score。
例如，801251客户的R、F、M权重值为4、4、4，说明客户距离最近一次交易时间已经超过180天，交易次数为2次，客单价在53.75～107.5元，对应的营销策略是只在大型活动时推送信息，推送的信息以促销商品/折扣活动为主，宣传重在传递品牌信息。
3.识别客户类型
根据客户R、F和M三个维度的权重值将客户细分成八类，如图6-39所示。
利用Excel进行如下操作：
（1）I7=IF（H7>5，"重要一般"）＆IF（AND（F7>5，G7>5），"发展客户"，IF（AND（F7>5，G7＜5），"价值客户"，IF（AND（F7＜5，G7>5），"挽留客户"，"保持客户"）））；
（2）依次复制公式，即可获得所有客户的细分类型；
4.获取每一类型客户清单
每位客户的细分类型已经确定，如果要针对“重要发展客户”制定一个营销方案，可以采用筛选的方法获得客户编号清单，如图6-40所示。
图6-39 客户细分
图6-40 客户筛选
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
