《RFM客户细分法》由会员分享，可在线阅读，更多相关《RFM客户细分法（4页珍藏版）》请在金锄头文库上搜索。
1、二、RFM 权重分析 对 RFM 各变量的指标权重问题,Hughes,Arthur 认为 RFM 在衡量一个问题上的权重是一致的,因而并没有给予不同的划分。而 Stone,Bob 通过对信用卡实证分析,认为各个指标的权重并不相同,应该给予频度最高,近度次之,值度最低的权重4。 认为针对不同的行业甚至不同的公司,频度、近度、值度的权重均存在一定差异,因此需要采用科学的方法进行分析.对此,以层次分析法为支撑,结合专家咨询方式来解决指标权重的确定问题。 研究邀请了被研究的某电信企业的两位地区经理、两位市场营销人员和一位长期客户应用文献5的标度含义对 RFM 各指标权重进行比较分析。在分别得到五位评价
2、者的两两比较矩阵后,采取取平均的方法得到下表的评价矩阵。 评价矩阵评价矩阵 RFM R 10.71 0.46 F 1.41 10.85 M 2.18 1.18 1 上表所示的两两比较矩阵的一致性比例 C。 R 0.1,表明该判断矩阵的一致性可以接受。由上表得出 RFM 各指标相对权重为WF,WR,WM=0.221,0.341,0.439。其中 M 的权重最大,即专家们认为客户交费金额的高低是影响顾客价值高低的最主要因素。 三、客户分类 1.基于 K-均值聚类法的客户分类过程应用 K-均值聚类法6,以加权 RFM 为指标,将具有相近的顾客终身价值的客户进行分类,基本思路如下: (1)应用 AHP
3、 法确定 RFM 各个指标的权重,并将各个指标加权。 (2)将 RFM 各指标标准化。 (3)确定聚类的类别数量 m。 (4)应用 K-均值聚类法对加权后的指标进行聚类,得到 m 类客户。 (5)将每类客户的 RFM 平均值和总 RFM 平均值作比较,每次对比有两个结果:大于(等于)平均值和小于平均值,通过对比得到每类客户 RFM 的变动情况。 (6)根据每个客户类别的 RFM 的变动情况分析该客户类别的性质,如该客户类别是倾向于忠诚的还是倾向于背离的,然后在此基础上定义客户类型。 (7)对每类客户标准化后的各个指标取平均,将平均值加权求和,得到每类客户的顾客终身价值总得分,分析各类顾客终身价
4、值的差别。 2.顾客类型识别分析 从某市通信公司 2004 年所有的电信客户记录中随机抽取了 1026 名客户的记录进行分析,数据的描述性统计见下表 数据描述数据描述 指标 最小值 最大值平均值标准差 近度 212860.0720.191 频度 0135.981.861 值度 54.431499.17 704.7467 216.22068 由于 RFM 数据的量纲各不相同,数据的取值也存在很大的差异.为了消除分布差异较大和量纲不同的影响,在对各个指标进行加权之前,需要考虑对数据进行标准化处理.由于 F,M 指标对顾客价值存在正相关的影响,因此其标准化调整通过进行。其中，为标准化后的值，x 为原
5、值,xs为该指标最小值，xl为该指标最大值。R 对顾客价值存在负相关关系,因此其标准化调整公式为。 使用 K-均值聚类法时,需要预先判断其聚类的类别数。在模型中客户分类通过每个顾客类别 RFM 平均值与总 RFM 平均值相比较来决定的,而单个指标的比较只能有两种情况:大于(等于)或小于平均值,因此可能有种类别。 标准化和确定聚类类别数后,进行聚类分析,得到 8 类客户.将 8 类客户的 RFM 平均值与总 RFM 均值比较.如果单个客户类别的均值大于总均值,则给该指标一个向上的箭头：“ ”标记,反之则用“ ”,如下表所示 通过 RFM 分析将企业的客户群体划分成重要保持客户、重要发展客户、重要
6、挽留客户、一般重要客户、一般客户、无价值客户等六个级别,各客户簇的客户级别如表 4所示.客户分级不仅揭示了客户在级别上的差异,而且反映了客户在行为上的特性和变化倾向。电信企业通过 RFM 分析可将现有顾客划分为不同的客户等级,针对不同等级的客户,采取不同的管理策略.但是,这种分类只是确定了客户的等级,却没有各类客户之间的一个量化的价值比较,因而对各类客户做相应的终身价值分析是非常有必要的。 3.客户终身价值比较分析。 表 4 将客户簇 1 和簇 3 同分为重要保持客户,将客户簇 5 和簇 8 同分为一般客户,这样难以对对这两组客户簇进行细分.此外,客户分类后,并不知道每一类客户的价值差别有多大
7、,相对企业的重要性怎样.利用 AHP 法分析得到的 RFM 各指标权重,结合各类顾客的 RFM 指标,根据每一类客户的顾客终身价值得分来进行排序.标准化后的各个指标平均值如表 5 的,其中表示聚类后的类别。,第 j 类客户的 R,F,M 各个指标标准化后的平均值，是第 j 类客户的 RFM 各项指标加权后的总得分,运算公式为。 。 其中,WR、WF、WM分别为由 AHP 分析得来的 R、F、M 指标的权重最后,根据总得分的大小来对各类客户来进行排序(见表 4). 排名靠前的客户相对排名靠后的客户具有更高的顾客终身价值,忠诚度更高,对于企业来说更为重要.表 5 显示,客户簇 3 总得分最高,因此
8、簇 3 的客户是企业最有价值的客户,而簇 6 客户总得分最后,因此可以认为簇6 客户的价值最低.此外,对于处于同等级的客户簇 1 和簇 3,簇 5 和蹴 8 进行了细分.从表 5 中还可以看出,簇 3 比簇 1 的价值大,簇 5 比簇 8 的价值大.此外,通过比较各簇的总得分,还可以比较各客户簇的价值.如簇 3 的价值是簇 6 价值的 0.5693/0.3284=1.73 倍。标准化的标准化的 RFM 加权分类加权分类 客户CLV 类别(近度)频度值度(元) 总得分 排序 10.6038 0.5124 0.57270.5596 2 20.6804 0.3445 0.44130.4618 4 3
9、0.5029 0.7056 0.49550.5693 1 40.5815 0.5534 0.27670.4387 5 50.3360 0.5187 0.40790.4302 6 60.4261 0.3356 0.27280.3284 8 70.3625 0.4821 0.65740.5331 3 80.4359 0.3117 0.51740.4298 7 注：。 在进行客户分类后再对客户的类别进行顾客终身价值排序,使得企业能够量化各类客户的价值的差别,弥补了的客户分类方法的不足。这有助于企业制定更为可行的客户政策。由于受到成本的制约,电信企业不可能采取无差别的个性化服务,企业只能将资源集中在少数几类对企业重要的客户上.按照总得分的排列情况,企业应该优先将资源投放到总得分较高的客户身上。
