基于RFM模型的品牌服装会员价格容忍度和忠诚度的关联

2020-09-10刘小红郑茵妮

服装学报 2020年4期

刘小红，郑茵妮

(惠州学院旭日广东服装学院，广东惠州 516007)

在网络信息时代，消费者正加速进入以电商为特征的新零售业，网购已成为一种主流的消费模式。消费者的消费行为被电商平台大数据记录，经营者可以获得消费者的详细消费行为数据，如年龄、性别、职业、收入、地区、电话、体质量等基本资料，以及消费数量、单价、频率、习惯、产品知识及消费体检和评价等消费数据。在大数据支持下，经营者可对消费者贴标签、画像，建立服务于精准营销或二次营销的顾客关系管理数据库，实现对客户关系的分层、分级、分属性多维度管理，形成了经营者与消费者之间深度联系的广义会员模式。会员顾客是创造高客单价、高毛利额的重要来源，李娟[1]认为，针对不同类型顾客进行差异化销售，有助于提升企业的竞争力。应用顾客关系管理RFM模型对会员消费者消费行为数据进行挖掘与分析，制定针对性的营销策略，能有效激活会员的消费行为，此方法已成为新零售业态提升销售竞争力的重要途径。

1 RFM模型理论研究现状

RFM模型基于营销理论中消费者细分模型，由此演绎出不同的分析模型。游晋峰[2]采用RFM模型方法，结合Apriori关联算法将客户划分为重要保持、重要发展、重要挽留、一般挽留、一般发展、一般保持6大类，建立激活率模型，提出连带销售方案，从而提升购物篮系数。陈倩舒等[3]通过K-means聚类分析，对RFM模型中的参数赋予不同权重，以此计算客户价值。赵伟[4]在RFM模型基础上，增加会员注册时间、折扣商品占比两个分析维度，采用熵值法确定各指标权重，构建一个带权重法LRPM细分模型，提高顾客价值分析的精确性。李明明[5]采用RFM模型和聚类分析方法，将VIP顾客分为优质顾客、潜力顾客和易流失顾客3类，着重研究了易流失顾客的群体特征及应对策略。包志强[6]提出一种基于客户消费行为视角的改进RFM模型，采用层次分析法确定模型中各个变量的权重,应用K-means聚类算法进行客户细分,计算客户对于商家的维护价值。KHAJVAND M[7]提供了CLV计算模型，采用适应性加权RFM模型估算客户未来价值，从客户生命周期价值角度估算客户的未来潜力。

从不同的行业来看，董晓舟[8]关注零售电商020协同效应，采用Koyck模型和顾客RFM数据对顾客线上线下活跃度以及消费金额的协同效应进行验证，且更深入地考察了会员等级对相关影响路径的调节效应。在通信行业中，于兴平[9]将数据挖掘技术应用于电信业务,提出了更为系统的客户关系管理模型，除对客户特征及客户行为分析外，还包括了欺诈识别和预警系统。由于电商平台具有数据多、客户体量大、维度多等特点,研究者更多是从自身研究的角度，选用有限分析维度，如田青青[10]提出了基于顾客在线评论产生的口碑价值的RFMIS模型，然后将RFMIS模型运用到顾客细分的管理中。

在提高模型计算效率方面，贾桂霞等[11]使用速度更快的人工智能Python机器学习库对客户数据进行聚类分析，并且对模型的有效性选用肘方法和轮廓系数进行定量分析，其检验结果说服力较强。

分析以上文献，发现各行业都需要能解决会员顾客画像问题的细分模型，以便强化对会员消费者关系的管理。RFM模型是最基本的分析会员消费者价值的研究模型，而在具体研究过程中会对模型的参数、计算方法、计算工具进行改进。文中结合品牌服装消费行为特点，对RFM模型中的M参数进行改进，应用因子分析、聚类分析以及波士顿四象限矩阵图，从价格容忍度和忠诚度两个维度对细分客户类型进行可视化画像描述，提出会员顾客的细分模型及营销策略。

2 RFM模型分析方法

RFM模型分析主要是通过会员消费者画像，为经营者提供服务于会员消费者的精准的产品、价格、促销等方面的市场营销策略。美国数据库营销研究所HUGHES A通过建立RFM模型，提出了分析客户价值和客户创利能力的3个参数，即最近购买时间(recency)、消费频率(frequency)、消费金额(monetary),简称RFM模型。通过会员消费者消费行为数据挖掘，可为经营者创造更多二次销售的机会，提高重复购买率。

2.1 M参数的改进

RFM模型从最近购买时间、消费频率、总消费金额3个方面描述顾客的保鲜度、活跃度和消费能力，但总消费金额是总量指标[12]，并不能详细描述消费数量、消费单价以及每次消费的客单价。因此，RFM模型中的3个参数，不能解释顾客对高价商品(即高端商品)的偏好，也就难以区分顾客的消费层次；不能解释会员每次购买的客单价，即集中购买的偏好，也就难以区分连带销售的水平。根据以上问题，对RFM模型中的M参数改进，增加两个分析维度：

1)单笔最大消费金额。指在限定时间内，顾客多次消费中最大一次消费金额。该参数越大，表明连带消费的水平越高，营销推广的效果越好。

2)高单价商品消费占比。指顾客在某类服装消费中高单价商品购买金额占该类商品总消费金额的比例。该参数越大，表明顾客消费层次越高。通常高端顾客对普通消费者的引领作用大，所以其顾客价值较高。

2.2 因子分析

因子分析是一种数据压缩技术，利用因子分析模型，根据变量之间的相关性，将个数较多的一组变量重构为个数较少的一组新变量。由于维度下降，能更好地应用重构变量来观察分析个案的特征。改进后的RFM模型，引入了5个变量描述会员消费者特征。为了更好地观察会员的消费特征，可利用数据压缩技术，重构较少的公共因子，来表达会员价值的特征值。

2.3 聚类分析

聚类分析是根据若干个案观察变量的特征，对个案进行细分，确定个案分类的一种分类计算模型。在给定的会员消费行为特征数据库中，可以通过聚类算法将会员细分成一些不同的组。在理论上，相同组的数据之间有相同的属性或特征，不同组数据之间的属性或特征相差较大。常见的聚类方法有K-means聚类、DBSCAN以及用高斯混合模型(GMM)的最大期望(EM)聚类等。在K-means聚类中，通常使用时欧几里得距离和余弦相似度来进行聚类计算。

欧几里得距离计算公式为

式中：xi是个体X的第i个取值；yi是个体Y的的第i个取值。

余弦距离计算公式为

式中：Ai是个体A的第i个取值；Bi是个体B的第i个取值。

2.4 会员细分特征可视化描述

应用聚类分析将会员消费者分成了若干类别，需要对这些类别特征进行描述或画像，会员细分特征描述的可视化分析工具包括雷达图、波士顿矩阵等方法。

3 品牌服装会员价值分析实例

3.1 RFM改进模型参数计算

选择某品牌服装2年会员线上消费流水数据共81 634条记录，数据库包含的变量有：订单号、流水号、产品代码、颜色、尺码、购买件数、购买价格、售价、进价、原价、购买时间、购买日期、会员号、折扣类型。通过数据清洗，将空白值、异常值去除，计算RFM改进模型的5个参数，计算结果见表1。

表1 RFM改进模型参数计算

3.2 数据标准化

RFM改进模型的5个参数具有不同的量纲和数量级，在进行聚类分析前，需要将这些数据标准化。本案例应用SPSS工具，采用z分数标准化。数据标准化的计算公式为

3.3 提取公共因子

1)检测因子分析的显著性。应用KMO(kaiser-meyer-olkin)检验统计量对分析变量间相关系数和偏相关系数。检验结果见表2。KMO得分0.602，大于阈值0.5，满足因子分析的最低标准，且具有显著性。

2)应用因子旋转提高公共因子的载荷系数。常用的旋转方法有方差极大的正交旋转、方差极大的斜交旋转因子两种[13]。本案例选择正交旋转方法，计算结果见表3和表4。5个变量经因子分析计算后，重构为两个公共因子，起始特征值前两个因子累加的贡献率为81.005%,表明因子旋转效果良好。

表2 KMO 与 Bartlett 检定表

表3 旋转系数矩阵表

表4 变异数总计表

3)对因子旋转提取的两个公共因子进行定义。①价格容忍度。旋转系数矩阵表中，第1个因素由消费金额、最大消费金额、高单价占比3个因素构成，其解释比例分别达到0.925，0.820，0.791，此因子可解释为会员价格容忍度，反映会员在消费价格水平、消费能力及消费集中度3方面的偏好或倾向。②忠诚度。旋转系数矩阵表中，第2个因素由消费频率构成，其解释比例达到0.735，此因子可解释为会员忠诚度，反映会员对品牌偏好程度。值得注意的是，该模型中的第1个参数“最近购买时间”，并没包含在两个公共因子中，因此本案例中，该指标对会员顾客细分并没有价值。

3.4 会员类别细分与画像

利用价格容忍度和忠诚度2个公共因子，采用K-means聚类分析，对会员进行类别细分，形成了4类会员群体，分析结果见表5。

4类会员群体的具体特征波士顿矩阵画像如图1所示。由图1可以看出，第1类顾客的忠诚度和价格容忍度都很高，属于优质会员。第2类客户的忠诚度高,但价格容忍差，属于潜力会员，这类顾客虽然消费力度不够，但是仍会定期消费。对于这类顾客要做到节流,且及时传递店铺新品信息。第3类客户忠诚度低，但是价格容忍度还行，属于潜力会员，对于这类顾客，可在营销时给他们推荐单价较高的商品来提高客单价，并且需要分析他们的购买记录，做到商品的精准推荐，找一个最恰当的理由促使他们提高回购频率。第4类客户忠诚度和价格容忍度都很差，属于易流失会员，在资源配置不足时，可选择不将资源投入该类客户。

表5 价格容忍度和忠诚度平均值

图1 会员忠诚度-价格容忍度四象限图

3.5 会员差异化产品策略

服装品牌企业针对会员的差异化产品策略一般包括产品的价位线和货龄两个营销变量。产品价位可按商品类别划分为高价位、中价位、低价位3档。产品货龄可按货品投放时间，划分为当季商品、过季商品和过期商品3类[14]，两个营销变量可形成9种产品组合策略。

由于忠诚度高的顾客更愿意试用新产品，很容易成为企业的种子消费者，因此，新产品投放更倾向于第1，2类顾客，过季产品可适度投放。对于忠诚度低的顾客，要限制营销资源配置，以过季产品、过期产品投放为主。价格容忍度高的会员更愿意购买高档产品，对价格的敏感度较低。高价位、中价位产品投放更倾向于第1，3两类顾客；中价位、低价位产品投放更倾向于第2，4两类顾客。根据以上分析，形成会员购物篮产品组合推送策略，具体见表6。