RFM模型在商務(wù)數(shù)據(jù)分析中的應(yīng)用

龔發(fā)娟 邵曾

摘 要：在大數(shù)據(jù)及新零售背景下，商務(wù)數(shù)據(jù)分析可以用數(shù)據(jù)為企業(yè)經(jīng)營(yíng)管理提供依據(jù)。本文以某公司銷(xiāo)售數(shù)據(jù)為研究對(duì)象，使用EXCEL辦公軟件提取該公司客戶(hù)的最近一次購(gòu)買(mǎi)時(shí)間、某段時(shí)間內(nèi)交易次數(shù)、某段時(shí)間內(nèi)交易總金額這三個(gè)指標(biāo)建立RFM客戶(hù)價(jià)值模型，對(duì)該公司的客戶(hù)進(jìn)行分類(lèi)研究，探討RFM模型在商務(wù)數(shù)據(jù)分析中的應(yīng)用。

關(guān)鍵詞：RFM模型;數(shù)據(jù)分析;客戶(hù)價(jià)值

《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和 2035 年遠(yuǎn)景目標(biāo)綱要》于2021年3月公布，該文件明確提出：要充分發(fā)揮海量數(shù)據(jù)和豐富應(yīng)用場(chǎng)景優(yōu)勢(shì)，促進(jìn)數(shù)字技術(shù)與實(shí)體經(jīng)濟(jì)深度融合，賦能傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，催生新產(chǎn)業(yè)、新業(yè)態(tài)、新模式，壯大經(jīng)濟(jì)發(fā)展新引擎。2021年上半年，國(guó)家互聯(lián)網(wǎng)信息辦公室發(fā)布的《數(shù)字中國(guó)發(fā)展報(bào)告（2020年）》提出，“十四五”時(shí)期要圍繞加快發(fā)展現(xiàn)代產(chǎn)業(yè)體系，大力推進(jìn)產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型，充分發(fā)揮數(shù)據(jù)作為新生產(chǎn)要素的關(guān)鍵作用，激發(fā)數(shù)據(jù)要素價(jià)值，提升數(shù)據(jù)要素賦能作用，以創(chuàng)新驅(qū)動(dòng)、高質(zhì)量供給引領(lǐng)和創(chuàng)造新需求，形成強(qiáng)大的國(guó)內(nèi)市場(chǎng)，形成新發(fā)展格局。隨著線上、線下消費(fèi)加快融合，新產(chǎn)業(yè)、新業(yè)態(tài)、新模式不斷催生，培養(yǎng)創(chuàng)新型數(shù)字化管理人才成為產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型的重中之重。

在大數(shù)據(jù)及新零售背景下，線上和線下消費(fèi)緊密融合，企業(yè)在日常運(yùn)營(yíng)中產(chǎn)生了海量的交易數(shù)據(jù)。怎樣把隱藏在數(shù)據(jù)背后的信息集中和提煉出來(lái)，怎樣從這些數(shù)據(jù)中找到企業(yè)的利潤(rùn)點(diǎn)增長(zhǎng)點(diǎn)、探尋企業(yè)及社會(huì)內(nèi)在的發(fā)展規(guī)律，為企業(yè)經(jīng)營(yíng)決策提供依據(jù)，是商務(wù)數(shù)據(jù)分析的意義所在?，F(xiàn)代化的企業(yè)越來(lái)越重視商務(wù)數(shù)據(jù)分析，企業(yè)的商務(wù)數(shù)據(jù)的分析能力對(duì)企業(yè)經(jīng)營(yíng)活動(dòng)產(chǎn)生了深遠(yuǎn)的影響，決定著企業(yè)的未來(lái)發(fā)展動(dòng)力和方向。企業(yè)需要?jiǎng)?chuàng)新型數(shù)字化管理人才、需要高素質(zhì)的商務(wù)數(shù)據(jù)分析技能人才。

本研究以某公司銷(xiāo)售數(shù)據(jù)為例，目的是針對(duì)這些銷(xiāo)售數(shù)據(jù)建立一個(gè)RFM模型。利用EXCEL軟件提取該公司客戶(hù)的最近一次購(gòu)買(mǎi)時(shí)間、某段時(shí)間內(nèi)交易次數(shù)、某段時(shí)間內(nèi)交易總金額這三個(gè)指標(biāo)建立RFM模型，判斷每一位客戶(hù)的價(jià)值類(lèi)型，以便能夠?qū)γ總€(gè)客戶(hù)的價(jià)值進(jìn)行識(shí)別，為某公司的經(jīng)營(yíng)決策提供數(shù)據(jù)支撐。

一、RFM模型

RFM模型最早由Hughes 在1994年提出，是客戶(hù)價(jià)值的重要衡量指標(biāo)。RFM由R（Recency：最近一次購(gòu)買(mǎi)時(shí)間）;F（Frequency：某段時(shí)期內(nèi)交易頻次）;M（Monetary：某段時(shí)間內(nèi)交易總金額）構(gòu)成。

R：客戶(hù)最近一次購(gòu)買(mǎi)的時(shí)間。最近一次購(gòu)買(mǎi)的時(shí)間距離現(xiàn)在越近，說(shuō)明該客戶(hù)價(jià)值越高;最近一次購(gòu)買(mǎi)的時(shí)間距離現(xiàn)在越遠(yuǎn)，說(shuō)明該客戶(hù)價(jià)值越低。

F：客戶(hù)在限定的一段時(shí)間內(nèi)消費(fèi)的頻次。限定的一段時(shí)間內(nèi)消費(fèi)次數(shù)越多，說(shuō)明該客戶(hù)價(jià)值越高;限定的一段時(shí)間內(nèi)消費(fèi)次數(shù)越少，說(shuō)明該客戶(hù)價(jià)值越低。

M：客戶(hù)在限定的一段時(shí)間內(nèi)消費(fèi)的總金額。限定的一段時(shí)間內(nèi)消費(fèi)總金額越多，說(shuō)明該客戶(hù)價(jià)值越高;限定的一段時(shí)間內(nèi)消費(fèi)總金額越少，說(shuō)明該客戶(hù)價(jià)值越低。

根據(jù)以上三個(gè)指標(biāo)可把客戶(hù)價(jià)值劃分為八種類(lèi)型。

重要價(jià)值客戶(hù)：最近一次購(gòu)買(mǎi)時(shí)間距離基準(zhǔn)日期較近、限定一段時(shí)間內(nèi)消費(fèi)次數(shù)較多、限定的一段時(shí)間內(nèi)消費(fèi)總金額較多的客戶(hù)被劃分為重要價(jià)值客戶(hù)。

重要發(fā)展客戶(hù)：最近一次購(gòu)買(mǎi)時(shí)間距離基準(zhǔn)日期較近、限定一段時(shí)間內(nèi)消費(fèi)次數(shù)較少、限定的一段時(shí)間內(nèi)消費(fèi)總金額較多的客戶(hù)被劃分為重要發(fā)展客戶(hù)。

重要保持客戶(hù)：最近一次購(gòu)買(mǎi)時(shí)間距離基準(zhǔn)日期較遠(yuǎn)、限定一段時(shí)間內(nèi)消費(fèi)次數(shù)較多、限定的一段時(shí)間內(nèi)消費(fèi)總金額較多的客戶(hù)被劃分為重要保持客戶(hù)。

重要挽留客戶(hù)：最近一次購(gòu)買(mǎi)時(shí)間距離基準(zhǔn)日期較遠(yuǎn)、限定一段時(shí)間內(nèi)消費(fèi)次數(shù)較少、限定的一段時(shí)間內(nèi)消費(fèi)總金額較多的客戶(hù)被劃分為重要挽留客戶(hù)。

一般價(jià)值客戶(hù)：最近一次購(gòu)買(mǎi)時(shí)間距離基準(zhǔn)日期較近、限定一段時(shí)間內(nèi)消費(fèi)次數(shù)較多、限定的一段時(shí)間內(nèi)消費(fèi)總金額較少的客戶(hù)被劃分為一般價(jià)值客戶(hù)。

一般發(fā)展客戶(hù)：最近一次購(gòu)買(mǎi)時(shí)間距離基準(zhǔn)日期較近、限定一段時(shí)間內(nèi)消費(fèi)次數(shù)較少、限定的一段時(shí)間內(nèi)消費(fèi)總金額較少的客戶(hù)被劃分為一般發(fā)展客戶(hù)。

一般保持客戶(hù)：最近一次購(gòu)買(mǎi)時(shí)間距離基準(zhǔn)日期較遠(yuǎn)、限定一段時(shí)間內(nèi)消費(fèi)次數(shù)較多、限定的一段時(shí)間內(nèi)消費(fèi)總金額較少的客戶(hù)被劃分為一般保持客戶(hù)。

一般挽留客戶(hù)：最近一次購(gòu)買(mǎi)時(shí)間距離基準(zhǔn)日期較遠(yuǎn)、限定一段時(shí)間內(nèi)消費(fèi)次數(shù)較少、限定的一段時(shí)間內(nèi)消費(fèi)總金額較少的客戶(hù)被劃分為一般挽留客戶(hù)。

二、數(shù)據(jù)清洗與預(yù)處理

數(shù)據(jù)清洗就是在數(shù)據(jù)處理之前，對(duì)數(shù)據(jù)進(jìn)行檢查以發(fā)現(xiàn)并糾正數(shù)據(jù)文件中可識(shí)別的錯(cuò)誤。主要包括檢查數(shù)據(jù)一致性、數(shù)據(jù)加工、數(shù)據(jù)備份、缺失數(shù)據(jù)處理、異常數(shù)據(jù)處理等。

對(duì)某公司銷(xiāo)售情況數(shù)據(jù)進(jìn)行檢查，發(fā)現(xiàn)該數(shù)據(jù)源有部分重復(fù)數(shù)據(jù)和空白數(shù)據(jù)，現(xiàn)把這部分重復(fù)數(shù)據(jù)和空白數(shù)據(jù)進(jìn)行清洗干凈。

1.刪除重復(fù)數(shù)據(jù)。刪除重復(fù)數(shù)據(jù)，通過(guò) EXCEL 菜單功能“數(shù)據(jù)”-“刪除重復(fù)值”進(jìn)行重復(fù)數(shù)據(jù)的刪除。

2.刪除空白數(shù)據(jù)。將各列中的空白數(shù)據(jù)刪除。

3.選取研究數(shù)據(jù)。某公司銷(xiāo)售情況表的訂單數(shù)據(jù)從2018年1月到2021年12月31日。為增強(qiáng)數(shù)據(jù)的針對(duì)性和有效性，選取了2021年1與1日-2021年12月31日的消費(fèi)記錄作為本次研究的數(shù)據(jù)源。點(diǎn)擊訂單日期-數(shù)據(jù)-篩選-單擊篩選下拉菜單-勾選2021。將選中的數(shù)據(jù)復(fù)制-粘貼到新工作表。

4.提取需要的指標(biāo)數(shù)據(jù)。RFM模型由最近消費(fèi)時(shí)間、消費(fèi)次數(shù)和消費(fèi)金額三個(gè)指標(biāo)構(gòu)成。全選“某公司銷(xiāo)售情況表”的所有數(shù)據(jù)-插入-數(shù)據(jù)透視表-新工作表-確定。在數(shù)據(jù)透視表字段中，勾選”姓名”字段拖入行標(biāo)簽。勾選“訂單日期”字段、“訂單號(hào)”字段、“銷(xiāo)售額”字段拖入值標(biāo)簽。訂單日期值字段設(shè)置為最大值，表示最近一次交易時(shí)間，并將格式設(shè)置為短日期;訂單號(hào)的值字段設(shè)置為計(jì)數(shù)項(xiàng)，表示交易的頻次;銷(xiāo)售額的值字段設(shè)置為求和項(xiàng)，表示該時(shí)間段內(nèi)的總消費(fèi)金額。

5.分別計(jì)算R值、F值、M值。將參考日期設(shè)置為2021年12月31日，用參考日期減去最近一次訂單日期得到最近一次消費(fèi)日期距離參考日期有多少天，即R值。消費(fèi)頻率就是該段時(shí)間內(nèi)，客戶(hù)消費(fèi)的訂單數(shù)量，直接復(fù)制“計(jì)數(shù)項(xiàng)：訂單號(hào)”這一列，則可得到F值。消費(fèi)金額就是該段時(shí)間內(nèi)，客戶(hù)銷(xiāo)售額的求和，直接復(fù)制“求和項(xiàng)：銷(xiāo)售額”這一列，則可得到M值。

6.計(jì)算R值、F值、M值的參考值。在對(duì)R值、F值、M值進(jìn)行評(píng)級(jí)之前要選定這R、F、M的參考值，以判斷R、F、M的評(píng)級(jí)是高還是低。參考值可以選用平均值也可以選用中位數(shù)。平均數(shù)是通過(guò)計(jì)算得到的，它會(huì)因每一個(gè)數(shù)據(jù)的變化而變化。中位數(shù)是通過(guò)排序得到的，它不受最大、最小兩個(gè)極端數(shù)值的影響。部分?jǐn)?shù)據(jù)的變動(dòng)對(duì)中位數(shù)沒(méi)有影響。在某公司銷(xiāo)售數(shù)據(jù)表中有部分極端值的出現(xiàn)，所以本次選擇中位數(shù)作為R、F、M評(píng)級(jí)的參考值。用MEDIAN函數(shù)分別計(jì)算出R值、F值、M值的中位數(shù)。

7.分別對(duì)R值、F值、M值進(jìn)行評(píng)級(jí)。將前面計(jì)算的得出的R值、F值、M值與參考值中位數(shù)進(jìn)行比較。如果R值<R值中位數(shù)（109），則判定為高價(jià)值，否則判定為低價(jià)值，函數(shù)=IF（G2<109，“高”，“低”）。如果F值<F值中位數(shù)（3），則判定為低價(jià)值，否則判定為高價(jià)值，函數(shù)表示=IF（H2<3，“低”，“高”）。如果M值<M值中位數(shù)（2938），則判定為低價(jià)值，否則判定為高價(jià)值，函數(shù)表示=IF（I2<2938，“低”，“高”）。

8.判定客戶(hù)價(jià)值類(lèi)型。前面分別計(jì)算了每位客戶(hù)的R評(píng)級(jí)、F評(píng)級(jí)、M評(píng)級(jí)，接下來(lái)我們用AND函數(shù)判斷每位客戶(hù)的RFM評(píng)級(jí)，以方便在接下來(lái)的步驟中直接用RFM評(píng)級(jí)去匹配所需要的客戶(hù)價(jià)值類(lèi)型。函數(shù)=J2&K2&L2。

9.計(jì)算每位顧客的客戶(hù)價(jià)值類(lèi)型。RFM評(píng)級(jí)所對(duì)應(yīng)的客戶(hù)類(lèi)型已經(jīng)列示在P列和0列，我們需要用客戶(hù)的RFM評(píng)級(jí)在指定的P列和O列找出來(lái)并需要反饋需要的第二列的客戶(hù)類(lèi)型。VLOOKUP函數(shù)=VLOOKUP（要查找的項(xiàng)、要查找位置、區(qū)域中包含要返回的值的列號(hào)、返回近似匹配或精確匹配-指示為 1/TRUE 或 0/FALSE）。應(yīng)用在此數(shù)據(jù)中，用VLOOKUP函數(shù)判斷每位客戶(hù)的價(jià)值類(lèi)型，函數(shù)=VLOOKUP（M2，$P：$Q，2，F(xiàn)ALSE）?？善ヅ涑龅谝晃豢蛻?hù)（陳遲）的客戶(hù)價(jià)值配型。單擊N2單元格，鼠標(biāo)滑動(dòng)到此單元格右下角，當(dāng)鼠標(biāo)指示標(biāo)志由白色實(shí)心十字形狀變?yōu)楹谏珜?shí)心十字形狀時(shí)，雙擊鼠標(biāo)，EXCEL可自動(dòng)計(jì)算出所有客戶(hù)的價(jià)值類(lèi)型。

10.結(jié)論。通過(guò)建立RFM模型，我們計(jì)算了每位客戶(hù)的客戶(hù)價(jià)值類(lèi)型。接下來(lái)，需要統(tǒng)計(jì)每一類(lèi)客戶(hù)價(jià)值類(lèi)型有多少人，以及客戶(hù)價(jià)值類(lèi)型的結(jié)構(gòu)。選中數(shù)據(jù)表中的A-N列-插入數(shù)據(jù)透視表-新工作表-確定，在數(shù)據(jù)透視表字段中勾選“客戶(hù)價(jià)值類(lèi)型”字段，將客戶(hù)價(jià)值類(lèi)型字段拖入行標(biāo)簽;勾選“姓名“字段，將客戶(hù)姓名字段拖入值標(biāo)簽（將值字段設(shè)置為計(jì)數(shù)）。得到最終的客戶(hù)價(jià)值類(lèi)型分類(lèi)數(shù)據(jù)。重要價(jià)值客戶(hù)數(shù)量為165人，占比25.27%;重要發(fā)展客戶(hù)數(shù)量為22人，占比3.37%;重要保持客戶(hù)數(shù)量為91人，占比13.94%;重要挽留客戶(hù)數(shù)量為48人，占比7.35%;一般價(jià)值客戶(hù)數(shù)量為58人，占比8.88%;一般發(fā)展客戶(hù)數(shù)量為79人，占比12.10%;一般保持客戶(hù)數(shù)量為39人，占比5.97%;一般挽留客戶(hù)數(shù)量為151人，占比23.12%。

三、數(shù)據(jù)可視化

數(shù)據(jù)可視化就是將數(shù)據(jù)轉(zhuǎn)換成圖或表等，以一種更直觀的方式展現(xiàn)和呈現(xiàn)數(shù)據(jù)。在本案例中，除了每一類(lèi)客戶(hù)價(jià)值類(lèi)型的人數(shù)外，還需要了解對(duì)應(yīng)客戶(hù)價(jià)值類(lèi)型人數(shù)在總客戶(hù)人數(shù)中的占比情況，可以采取“單簇狀+折線圖”這一類(lèi)型的可視化。

選中客戶(hù)價(jià)值類(lèi)型表，插入簇狀柱形圖。

通過(guò)對(duì)某公司的客戶(hù)進(jìn)行RFM客戶(hù)價(jià)值類(lèi)型分類(lèi)圖，很容易發(fā)現(xiàn)排名前四的客戶(hù)價(jià)值類(lèi)型分別是重要價(jià)值客戶(hù)、一般挽留客戶(hù)、重要保持客戶(hù)、一般發(fā)展客戶(hù)。而一般價(jià)值客戶(hù)、重要挽留客戶(hù)、一般保持客戶(hù)、重要發(fā)展客戶(hù)的人數(shù)則偏少。其中，重要價(jià)值客戶(hù)占比最多，此類(lèi)客戶(hù)是企業(yè)最核心的客戶(hù)，可以通過(guò)VIP服務(wù)等策略延長(zhǎng)忠誠(chéng)時(shí)間。一般挽留客戶(hù)價(jià)值較低，可花費(fèi)較低的成本嘗試激活客戶(hù)。重要保持客戶(hù)可主動(dòng)與客戶(hù)聯(lián)系，根據(jù)用戶(hù)反饋制定個(gè)性化的營(yíng)銷(xiāo)策略進(jìn)行挽回。一般發(fā)展客戶(hù)是小額消費(fèi)客戶(hù)，可通過(guò)良好的售后服務(wù)提升客戶(hù)重復(fù)購(gòu)買(mǎi)率和消費(fèi)金額。

四、結(jié)論

RFM模型是驗(yàn)證客戶(hù)價(jià)值類(lèi)型的重要模型。在商務(wù)數(shù)據(jù)分析的客戶(hù)行為分析中，是非常重要的指標(biāo)。根據(jù)RFM模型的分析過(guò)程可將客戶(hù)價(jià)值類(lèi)型分為重要價(jià)值客戶(hù)、重要發(fā)展客戶(hù)、重要保持客戶(hù)、重要挽留客戶(hù)、一般價(jià)值客戶(hù)、一般發(fā)展客戶(hù)、一般保持客戶(hù)、一般挽留客戶(hù)。

重要價(jià)值客戶(hù)，需要通過(guò)一切手段進(jìn)行維護(hù)，延長(zhǎng)用戶(hù)忠誠(chéng)時(shí)間。重要發(fā)展客戶(hù)，需要刺激用戶(hù)復(fù)購(gòu)，增加購(gòu)買(mǎi)頻率。重要保持客戶(hù)，需要主動(dòng)聯(lián)系進(jìn)行挽回。重要挽留客戶(hù)，需要通過(guò)較大的讓利刺激客戶(hù)進(jìn)行重復(fù)購(gòu)買(mǎi)，增加對(duì)產(chǎn)品及品牌的印象。一般價(jià)值客戶(hù)，需要提高客單價(jià)。一般發(fā)展客戶(hù)，需要提升復(fù)購(gòu)率、消費(fèi)金額。一般保持用戶(hù)和一般挽留用戶(hù)，已處于流失階段，可放棄或花費(fèi)較低的成本進(jìn)行嘗試。

因此，企業(yè)應(yīng)根據(jù)RFM模型的客戶(hù)價(jià)值類(lèi)型分類(lèi)，為不同類(lèi)型的客戶(hù)提供針對(duì)性的產(chǎn)品和服務(wù)，提升客戶(hù)價(jià)值和客戶(hù)創(chuàng)利能力。也要及時(shí)監(jiān)測(cè)客戶(hù)價(jià)值類(lèi)型的變化，為企業(yè)經(jīng)營(yíng)決策提供數(shù)據(jù)支撐。在實(shí)際應(yīng)用中，也可根據(jù)不同的行業(yè)特征，賦予R、F、M不同的權(quán)重。

參考文獻(xiàn)：

[1]王會(huì).基于RFM 模型的網(wǎng)民分類(lèi)研究[J].信息技術(shù)與信息化，2018.

[2]葉寶文，朱奕，孫田雨.基于 RFM 模型的服裝零售精準(zhǔn)營(yíng)銷(xiāo)研究[J].2020.

[3]李海燕，王松響.基于RFM模型的商場(chǎng)會(huì)員畫(huà)像的建模與驗(yàn)證[J]，2019.

作者簡(jiǎn)介：龔發(fā)娟（1986.05- ），女，漢族，重慶人，碩士研究生，中級(jí)經(jīng)濟(jì)師，研究方向：工商管理、職業(yè)教育