RFM模型

衡量客戶價值和客戶創利能力的工具

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。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。該機械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3項指標來描述該客戶的價值狀況。

基本簡介


根據美國資料庫營銷研究所Arthur Hughes的研究,客戶資料庫中有3個神奇的要素,這3個要素構成了數據分析最好的指標:
最近一次消費 (Recency)
消費頻率 (Frequency)
消費金額 (Monetary)

最近一次消費


定義

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3個月的顧客收到營銷人員的溝通信息多於3至6個月的顧客。

描述

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,在資料庫里就成為消費為兩個月的客戶。反之,同一天,消費為3個月前的客戶作了其下一次的購買,他就成為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信息。

功能

消費的功能不僅在於提供的促銷信息而已,營銷人員的消費報告可以監督事業的健全度。優秀的營銷人員會定期查看消費分析,以掌握趨勢。月報告如果顯示上一次購買很近的客戶,(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。

重要指標

消費報告是維繫顧客的一個重要指標。買過你的商品、服務或是曾經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


數據分析

影響復購的核心因素是商品,因此復購不適合做跨類目比較。比如食品類目和美妝類目:食品是屬於“半標品”,產品的標品化程度越高,客戶背叛的難度就越小,越難形成忠實用戶;但是相對美妝,食品又屬於易耗品,消耗周期短,購買頻率高,相對容易產生重複購買,因此跨類目復購併不具有可比性。

定義

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。

分類

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,把銷售想象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。
以上三個指標會將維度再細分出5份,這樣就能夠細分出5x5x5=125類用戶,再根據每類用戶精準營銷……顯然125類用戶已超出普通人腦的計算範疇了,更別說針對125類用戶量體定製營銷策略。實際運用上,我們只需要把每個維度做一次兩分即可,這樣在3個維度上我們依然得到了8組用戶。
這樣,之前提的四個問題,就能很容易被解讀(編號次序RFM,1代表高,0代表低)
重要價值客戶(111):最近消費時間近、消費頻次和消費金額都很高,必須是VIP啊!
重要保持客戶(011):最近消費時間較遠,但消費頻次和金額都很高,說明這是個一段時間沒來的忠誠客戶,我們需要主動和他保持聯繫。
重要發展客戶(101):最近消費時間較近、消費金額高,但頻次不高,忠誠度不高,很有潛力的用戶,必須重點發展。
RFM模型分析
RFM模型分析
重要挽留客戶(001):最近消費時間較遠、消費頻次不高,但消費金額高的用戶,可能是將要流失或者已經要流失的用戶,應當基於挽留措施。

消費金額


消費金額是所有資料庫報告的支柱,也可以驗證“帕雷托法則”(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,占公司所有營業額的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%的客戶占營業額的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。
理論上M值和F值是一樣的,都帶有時間範圍,指的是一段時間(通常是1年)內的消費金額,在工作中我認為對於一般店鋪的類目而言,產品的價格帶都是比較單一的,比如:同一品牌美妝類,價格浮動範圍基本在某個特定消費群的可接受範圍內,加上單一品類購買頻次不高,所以對於一般店鋪而言,M值對客戶細分的作用相對較弱。

案例分析


如果你的預算不多,而且只能提供服務信息給2000或 3000個顧客,你會將信息郵寄給貢獻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,對其進行數據分析,然後制定我們的營銷策略。
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,消費是最有力的預測指標。
如何在BDP個人版上建立RFM模型,幫助用戶分群:
第一步:先挑出來近1個月的復購用戶。
第二步:近1個月內復購用戶的平均實付金額做縱軸。
第三步:近1個月內復購用戶的購買次做橫軸,生成表格。
第四步,你需要自己在這個表格上划紅線。
FRM分析
FRM分析
橫著的紅線,代表著你認為來吃飯的客人平均每餐該花多少錢,我這裡設定的值是25元,叫外賣25都沒付到,對我而言是低消費金額(低M)用戶。
豎著的紅線,代表著你認為復購多少次的客人,是你的高頻用戶。外賣點餐流動率很大,一個用戶每個月能在一家店點三次以上的菜,對我而言即是高頻。
這個RFM模型在實操時有什麼用呢?舉個例子:
比如對圈用戶群發簡訊轉化只有不到1%時,你可以用RFM做個分析,只選取R值高的用戶(最近2周到最近一個月內消費的用戶),轉化率可以由1%提升到10%。
這也意味著,以往6元/訂單將下降到0.6元/訂單。掌柜們是願意花600元給10000個用戶發簡訊,得到100個訂單,還是願意花48元給800人發簡訊得到80個訂單,相信大家一定會選後者。
而整體的RFM區分,則能夠幫掌柜們針對不同的用戶發不同的簡訊,簡訊的開頭是用“好久不見”、還是用“恭喜你成為VIP”,就得看時重要保持客戶還是重要價值用戶了。只有能區分用戶,才能走向精細化運營。

應用意義


RFM模型較為動態地顯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持。
在RFM模式中,R(Recency)表示客戶購買的時間有多遠,F(Frequency)表示客戶在時間內購買的次數,M (Monetary)表示客戶在時間內購買的金額。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、錄像帶店、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,如複印機、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信息。如果用M(Monetary)來把客戶分為五級,最好與次好的平均回復率,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,重點拜訪或聯繫,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,如購買三天或一周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,了解客戶差異,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。

詞條


GE矩陣
QFD法
ROS/RMS矩陣
V矩陣
人才模型
企業價值關聯分析模型
企業競爭力九力分析模型
利益相關者分析
華信惠悅人力資本指數
變革五因素
基本競爭戰略
安索夫矩陣
崗位價值評估
服務金三角
波士頓矩陣
波特五力分析模型
波特競爭戰略輪盤模型
環境不確定性分析
瑞定的學習模型
顧客終身價值
顧客資產
麥肯錫7S模型

分析


RFM在傳統的直效營銷領域的應用
作為一種對客戶分類的方法,RFM分析模型起初主要用於直效營銷(Direct Marketing)領域,目的是提高老客戶交易的次數。
廣東一家辦公設備及耗材零售企業,在省內建立了9家連鎖配送中心,業務發展迅速,有過成交記錄的老客戶也多了起來,通過向客戶用郵政信函發送商品目錄、開展直效營銷的成本越來越高。該公司希望找到一種更有效的方法,來區分客戶,以便在“更恰當的時間、向恰當的客戶傳遞恰當的商品信息”,從而刺激重複交易,同時也適當降低郵寄費用。
他們把客戶購買日期到當天的天數算出來,得到R這個參數。然後可以依據參數R的大小對客戶進行分組,例如可以把客戶分成數量基本相等的5個等級,R5級表示購買時間最接近統計當日,R1級表示購買時間最遠離統計當日;此外還可以依據停止交易的絕對天數、不考慮每級的客戶數量是否近似而進行劃分。
對於R5級的客戶,該公司會立即再郵寄一份商品目錄及獎勵積分計劃,對於R4級的客戶則會在一周內再郵寄一份商品目錄及獎勵積分計劃,對於R3級以下的客戶則不採用這種追隨購買的郵寄方式。根據國外的統計結果,R5級客戶對直效郵件的回函率是R4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商品信息。如果及時跟進的郵件內容,採用“交叉銷售”(Cross-Sell)或“追加銷售”(Up-Sell)的策略,推薦與客戶購買需求相關度高的商品,或者提供額外的重複購買獎勵,效果更加顯著。
通過大量的統計發現,緊隨參數R之後、與重複購買有密切關係的是參數F。採用F購買次數作為參數,將客戶分為F5~F1五組,採取不同的郵寄策略也是很有意義的。例如過去6個月購買超過5次以上的客戶,今後將每月郵寄一次商品目錄;而購買不足2次的客戶,將只會每兩個月郵寄一次。
相對而言,參數M與刺激重複購買的頻率之間關係不那麼緊密。統計發現,如果採用M貨幣價值這個參數對客戶分類,平均交易金額高的客戶的反饋率並不見得比平均交易金額低的客戶來得多。但這個世界永遠存在這樣一些客戶,他們對一些促銷宣傳小策略反應冷漠,但偶爾一次的大額採購往往給您帶來意外的驚喜。因此有必要讓他們在需要採購的時候能想起您,這就需要利用參數M,同樣我們也可以把客戶分為M5~M1五組。
將客戶分別按照R、F、M參數分組后,假設某個客戶同時屬於R5、F4、M3三個組,則可以得到該客戶的RFM代碼543。同理,我們可以推測,有一些客戶剛剛成功交易、且交易頻率高、總採購金額大,其RFM代碼是555,還有一些客戶的RFM代碼是554、545……每一個RFM代碼都對應著一小組客戶,開展市場營銷活動的時候可以從中挑選出若干組進行。
RFM非常適用於提供多種商品的企業,這些商品單價相對不高,或者相互間有互補性,具有多次重複購買的必要,這些企業可能提供如下商品:日用消費品、服裝、小家電等;RFM也適用於這類企業,它們既提供高價值耐用商品、同時又提供配套的零部件或維修服務,如下:精密機床、成套生產設備、印表機等;RFM對於商品批發、原材料貿易、以及一些服務業(如旅行、保險、運輸、快遞、娛樂等)的企業也很適用。