基于RFM的网店客户价值细分研究

陆娜　刘晓文　李兰

摘要：在网店竞争越来越激烈的环境下，如何留住客户提高客户回头率非常关键，网店可以选择RFM（Regency、Frequency、Monetary）分析法对客户价值进行区分从而有针对性地对不同的客户提供营销服务。RFM分析法的应用首先通过SPSS Statistics 软件包含的直销模块进行RFM建模，得出客户的RFM得分，然后再运用独立分箱或者嵌套分箱的方法进行客户价值的区分，从而网店可以对RFM得分不同的客户设计不同的营销策略。

关键词： 网店；RFM；客户价值；客户价值细分

中图分类号：F713.36 文献标识码：A 文章编号：1009-3044（2018）18-0275-02

Customer Value Segmentation of Online Store Based on RFM

LU Na1， LIU Xiao-wen1， LI Lan2

（1.School of Information Science and Technology， Hainan Normal University， Haikou 430000，China；2.Cha Ma Shi Jia， Wuhan 430000，China）

Abstract： In the environment of more and more fierce competition between online store， it is very important to retain customers and improve customer return rate. Online stores can choose RFM （Regency， Frequency， Monetary） analysis method to distinguish customer value， so as to provide marketing services for different customers. The application of RFM first makes RFM modeling through the direct selling module contained in the SPSS Statistics software， obtains the customer's RFM score， and then uses the separate box or nested sub box to distinguish the customer value， thus the online store can design the different marketing strategies for the customers with different RFM scores.

Key words： Online Store； RFM； Customer Value Segmentation； Customer Value Segmentation

1 引言

随着开展电子商务条件的不断成熟，以及人们对于网络购物的接受程度的不断提高，电子商务的发展前景非常乐观。据统计数据显示，截至2017年12月，我国网络购物用户规模达到5.33亿，较2016年增长14.3%，占网民总体的69.1%。其中，网络零售保持高速增长，全年交易额达到71751亿元，同比增长32.2%。

网络零售市场的日益发展扩大以及和用户对网购要求的日益提高，B2C的发展在对C2C网络零售网店的发展形成一定的冲击。淘宝卖家之间的竞争随着电子商务的迅速发展变得越来越激烈。电子商务重营销不重维护的普遍现象导致网店的客户价值长期处于较低的水平，例如淘宝网的平均转化率不足1%，客户回头率远远不及传统企业。商家为了提高回头率，夸大其词地进行广告推广，不但没有提高回头率，反而有损其形象。为了更好地维护现有的客户，增加回头率，商家需要找寻合适的方法來维系不同价值的客户，从而提高利润。

网店要想更好地维护顾客，首先要识别不同顾客的价值，然后对其有针对性地进行营销和服务，从而提升回头率甚至提高顾客忠诚。

2 客户价值细分方法

从客户关系管理方面来看，客户价值细分的方法主要有ABC分类法、CLV分析法以及RFM分析法三种。

2.1 ABC分类法

ABC分类法是基于二八法则的，根据客户为企业创造的价值，将客户分为高端客户、大客户、中等客户、小客户等不同类别。把高端客户、大客户划为A类，他们的数量是客户总数量的20%，贡献的销量占总销量的70%～80%；销量贡献10%～20%的是B类客户，其余为C类，B、C类客户客户总量约80%。

利用ABC分类法划分完客户以后，就可以有针对性地进行客户的管理和维护，资源、时间等重点将向A类客户倾斜、重点维护，而对B类客户进行次要维护，C类客户只需要简单维护。

2.2 CLV分析法

CLV是指客户生命周期价值（Customer Lifetime Value），指客户在与企业的整个生命周期内为企业创造的价值。广义的CLV指的是企业在与某客户保持买卖关系的全过程中从该客户处所获得的全部利润的现值。CLV包括当前价值和未来价值，企业真正关注的是客户未来利润，因此狭义的CLV仅指客户未来价值。

CLV分析法通过将客户的当前价值和未来价值作为横纵坐标，可将客户划分为：贵宾型客户、改进型客户、维持型客户和放弃型客户。划分后的贵宾型客户将被认为是最有价值客户的，成为业务的核心；改进型客户被称为最具成长性客户，可以着重培养；维持型客户是普通客户，一般维护即可；放弃型客户被认为是根本无法为企业带来足以平衡相关服务费用的负值客户，应该放弃。

2.3 RFM分析法

RFM是由美国数据库营销研究所的Arthur Hughes提出的基于网店客户消费行为数据的一种客户细分方法，即将最近一次消费（Regency），消费频率（Frequency）和消费金额（Monetary）作为重要的指标来分析和细分客户。最近一次消费（Regency）是指在客戶多次消费中，距离上一次消费的时间。理论上客户距离上一次消费的时间越近越好，营销者可以由此衡量出消费者的忠诚度。消费频率（Frequency）是指消费者在某一段时间内的购买次数，根据此指标，最常购买的客户，忠诚度就最高。消费金额（Monetary）是指在客户在一定时间内购买产品的总金额。在一段时间内客户的购买金额总和越高，表明该客户为企业创造的价值就越大。

2.4 网店客户价值细分方法选择

在传统的环境下，以上三种客户价值细分方法都有着各自的适用条件和优势，ABC分类法适合客户有大小之分，CLV分析法如果能够获取足够的资料来预测一个客户的价值，也很有效，但是对客户未来价值预测的数据是需要数据挖掘，并不是易事。相比之下，RFM在传统零售业客户价值细分中的运用非常广泛，在网络零售商中，在有强大的IT系统做支撑的条件下，能够获取大量详细、丰富的交易信息，运用RFM分析法进行客户细分有着得天独厚的优势，由此可见，RFM适用于网店客户价值细分非常。

随着网店数量的增多，消费者的选择越来越多，而对于网店而言，维护客户的难度变大。如果一个网店能够对客户的价值进行区分 ，并且根据客户价值的不同，有针对性地进行维护及开展相关营销活动，将会大大提升网店的顾客忠诚提高网店的竞争力。

3 RFM在网店客户价值细分中的应用步骤

3.1 构建RMF模型

运用RFM进行客户价值细分，首先要建立RFM模型，其模型的建立可通过IBM SPSS Statistics 软件进行建立，软件中的直销模块可以根据交易数据中买家客户ID、买家下单时间、买家姓名、收货地址、联系电话、实收客户总额等数据建立RFM模型，从而获取每个客户的最近一次消费、消费频率和消费金额这三个评价指标并且计算出其得分，进而获得客户崭新得分、频率得分、消费金额得分以及客户整体的RFM总分。

3.2 客户价值区分等级

将收集的相关数据录入模型，即可根据最近一次消费、消费频率和消费金额三个要素构成的消费者行为数据得分，以R、F、M这三个维度作为评价标准，将网店消费者分为：重要价值顾客、重要发展顾客、重要挽留顾客、重要保持客户、一般挽留顾客、一般价值顾客、一般保持顾客和一般发展顾客8种。

根据RFM得分情况可以将客户层次等级分层情况表现为一个三维立体图，其中↑表示的是得分较高，↓表示得分很低。例如R↑表示客户最近一次消费时间近，F↓表示客户消费频率少。根据让R、F、M分别为一个三位数字的百分位、十分位和个位表达，该三位数的三个位代表三个维度上的坐标高低。

RFM总分=消费金额得分+（10 * 消费频率得分）+（100 *最近一次消费时间得分）

3.3 RFM模型分箱

在进行RFM模型建立的时候软件会将网店数据分为小类别，这种处理是为了将客户各项数据进行区分叫做RFM模型分箱。分箱的目的在于数据规格化，从而实现不同量级之间数据的比较。在 RFM 分析中，分箱是已评级的类别，简单地说就是客户得分等级。分箱数目不同，客户区分的等级数目也不一样。RFM得分的计算方法分为独立分箱和嵌套分箱2种。

独立分箱，即三个指标相互独立计算。采用独立分箱时，消费频率等级、消费金额等级、最近一次消费时间等级3个之间相互独立，互不影响。最近一次消费时间，消费金额和消费频率是分别独立的计算等级。RFM中的R、F、M三个指标的解释都很明确；某个顾客的消费金额得分2与另一个顾客的消费金额得分2的意思相同。

嵌套分箱，即在考虑RFM总分时还需要进行交叉嵌套。采用嵌套分箱进行数据分析时，最近一次消费时间等级、频率等级和金额等级相互交叉、嵌套，在每个最近一次消费时间等级中，消费者会被分配到一个频率等级，然后在每个消费频率等级中，消费者又会被分配到一个消费金额等级。这样的方式算出的等级会使得分能够更全面的评估消费者，例如上次消费时间等级得分为3的消费频率得分等级为3与拥有上次消费时间等级得分为2的客户的消费频率得分等级为3的意义是不同的，消费频率得分等级取决于客户上一次消费时间得分等级。

对于网店经营而言，经常会出现一些大促，如双11或者年底比较旺的情况，也会出现年4-5月份的淡季，使用独立分箱计算RFM等级并不能真实反映客户的价值。而通过嵌套分箱，时，进行彼此嵌套更能反映客户真实价值，因此建议网店在进行客户价值区分时使用嵌套分箱，从而使针对性的营销更有效。

4 结论

网店通过后台数据库获取消费者数据并借且SPSS statistic 软件的直销模块进行RFM建模，通过嵌套分箱方法计算客户RFM等级，从而区分不同类别的客户价值，有针对性地制定营销方案拉动消费意向低、消费额度高的会员多消费，拉动消费额度低的会员提高消费额度，从而为企业创造更大的价值。

对于为网店创造价值较低的一般挽留客户、一般保持客户和一般发展客户，其活跃度低、可能流失，应减少营销成本，可通过赠送“电子优惠券”或旺旺和邮件提醒等形式将其重新唤醒，刺激下次消费。针对一般价值客户，可设置套餐购买、消费满多少送多少、办理储值卡或联合捆绑销售等模式拉大客单价，重要挽留客户以及重要发展客户，可以通过到店兑换礼品、参加免费活动、会员活动日等方式增大到店频率。重要保持客户、按时间段提醒其是否需要进行重购，或适当进行产品电话回访，提醒客户网店的存在。三个指标都高的重要价值顾客，是网店非常重要的资源，网店一定要保持与这部分客户的良好互动，经常性地进行提醒服务以及针对其设计一些促销活动，从而提高其忠诚度。

本文仅仅是在前人研究的基础上对于RFM在网店客户价值区分的用法进行了介绍，并未进行实证研究，对于其实证研究的具体情况进行分析更能说明问题，今后将根据所获数据进行此方法的验证，从而提出更加切实可行的建议。

参考文献：

[1] 段书勇.基于客户价值细分的推荐方式研究[D].吉林：吉林大学，2011.

[2] 魏建国.RFM模型在商业银行客户行为分析中的应用[J].中国金融电脑，2011（6）：40-43.

[3] 马宝龙，李金林，李纯青，王高.随机RFM模型及其在零售顾客价值识别中的应用 [J].管理科学与工程， 2011（01）：102-108.

[4] 郦瞻.网络营销[M].北京.清华大学出版社，2013.

[5] 姜缘意.基于RFM的丫商城客户细分及营销策略研究[D].辽宁：大连理工大学，2011.

[6] 徐翔斌，王佳强，涂欢，穆明.基于改进RFM 模型的电子商务客户细分[J].计算机应用，2011.

[7] 刘朝华.基于客户价值的客户分类模型研究[D].湖北：华中科技大学，2008.

[8] 安详茜.基于RFM模型的C2C环境下顾客价值识别研究[D].四川：西南财经大学，2012.

[9]中国互联网络信息中心.2018年中国互联网络发展状况统计报告[EB/OL]http：//www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201803/P020180305409870339136.pdf .