RFM 模型在商务数据分析中的应用

张树林

对外经济贸易大学

客户数据库具有三个特殊的要素，这个三要素能够为数据分析提供最好的指标：即顾客的最后一次消费-RECENCY、顾客的消费频率—Frequency、消费金额-Monetary.将这三种要素进行建模能够得到顾客详细的信息，最终实现对顾客的划分。随着互联网产业的发展，经济得到了快速的提升，线上消费以及线下消费融合加强，各种新兴的产业、新模式不断的衍生，因此现阶段创新型数字化管理人才成为产业转型的关键因素[1]。

在以大数据为发展背景的当前阶段，零售产业也快速的发展，线上销售和线下销售的紧密结合，从而导致零售企业产生了海量的交易数据。如何将这些有效的数据信息进行整合和提炼，从而为企业的未来发展提供增长点、为行业的发展找到方向、为企业的决策提供依据[2]。现代企业对商务数据的处理越来越依赖，一个企业是否具有良好的数据分析、处理能力，能够决定企业的健康、长远发展。

本研究中以WB 公司的销售数据作为研究的案例，针对销售数据建立RFM 模型，在数据中心将顾客Recency、Frequency 以及Monetary 三个指标建立RFM 模型，从而对客户的价值类型进行准确定位，科学判断每个顾客的价值，最终为WB 公司经营决策提供有力的数据支持[3]。

一、RFM 模型的内涵

RFM 是有效衡量顾客价值的指标，将顾客的最后一次消费-RECENCY、顾客的消费频率—Frequency 以及消费金额-Monetary 三个指标的数据信息进行提取，最终完成RFM 模型的建构。在三个要素中R 是指顾客最后一次消费的时间，如果最后消费的时间越近，则说明顾客的价值越高，反之则说明顾客的价值较低。F 是指顾客在一定时间内消费的频率当在一定的时间内消费的频次越多，则说明顾客的价值越高，反之，则说明该顾客的价值越低。M 是指在一定的时间内顾客的消费总额，如果在的限定的时间内消费总额越高，则说明顾客的价值越高，反之则价值较低[4]。

根据以上指标可以将顾客的价值分为以下八类（见表1）。

表1 顾客按照价值情况的分类

第一，重要价值客户：这类客户主要是指最后一次的购买时间离目标日期较近、在规定的时间段内消费的频次最高、在规定的时间内消费的总额较多。

第二，重要发展客户：这类顾客主要是指后一次的购买时间离目标日期较近、但在限制时间内的消费频次不高、在规定的时间内消费的总额较多。

第三，重要保持客户：这类顾客主要是指后一次的购买时间离目标日期较远、但在限制时间内的消费频次较高、在规定的时间内消费的总额较多。

第四，重要挽留客户：这类顾客主要是指后一次的购买时间离目标日期较远但在限制时间内的消费频次不高、在规定的时间内消费的总额较多。

第五，一般价值的客户：这类客户主要是指最后一次的购买时间离目标日期较近、但在限制时间内的消费频次较高、在规定的时间内消费的总额较少。

第六，一般发展的客户：这类客户主要是指最后一次的购买时间离目标日期较近、但在限制时间内的消费频次不高、在规定的时间内消费的总额较少。

第七，一般保持型的顾客：这类客户主要是指最后一次的购买时间离目标日期较远、在限制时间内的消费频次较多、但在规定的时间内消费的总额较少。

第八，一般挽留型顾客：这类客户主要是指最后一次的购买时间离目标日期较远、在限制时间内的消费频次较少、在规定的时间内消费的总额较少。

二、数据纠正和数据预处理

数据纠正就是将数据汇总后，对数据进行检查，当发现数据存在错误的内容需要及时进行纠正。数据纠正的内容包括：对数据进行一致性的检查，其次进行数据的再加工，将加工后的数据进行备份，对数据中缺失的内容进行处理，对异常数据进行精细化的处理等。

针对WB 公司的销售数据进行常规检查，发现WB 公司的数据源存在一些问题，例如存在空白数据以及重复性的数据，为了保障数据能够提供决策支持，就需要将重复的数据以及空白的数据进行纠正[5]。

（一）数据纠正具体的操作方式

首先，将数据中的重复数据进行删除。该步骤的实际操作方式为通过EXCLE 快捷键将数据选中，选择删除重复数据的指令，然后进行重复数据的删除。

其次，将空白数据进行删除作业。选中空白数据，执行删除指令。

最后，针对已经处理后的数据表进行数据的研究。将WB 公司的销售情况（表2）从2019 年的1 月选择到2022 年的12 月31 日，为了保障研究的严谨性特别将2022 年一年的数据进行本次研究的数据源。在实际中的操作步骤如下：将订单日期进行数据筛选，单击年限选择2022 年，然后将选择好的数据，进行数据粘贴，建立新的工作表格使用。

表2 WB 公司2022 年销售详情

（二）将需要的数据进行提取

RFM 模型的内涵是最近一次消费的时间、消费的次数以及消费的金额等指标。在实际中的操作是将WB 公司所有的消费数据选中后，点击插入选项，选择插入数据透视表，新建工作表然后点击确定。在数据透视表中选中姓名选项，并将其拖入行标签中。然后再依次选中订单的日期、订单编号以及消费额选择拖入列标签。将订单的日期值选为最大值，代表是最近的一次消费，并将该单元格的格式设定为短日期，将订单号的列字段设定为计数项，代表交易的频次，将销售额的列设置为求和项，从而表示选定时间内的消费总额。

（三）分别计算消费者的R、F、M 值

将目标日期设定为2022-12-31，用目标日期减去最后一次订单的消费日期，可以得出距离目标日期的天数，此数值即为R 值。F 值为在该时间段内，顾客消费的订单数量，即将订单号进行直接复制。M 值是顾客在该时间段内的消费金额总和，将消费金额进行直接复制并求和。

（四）分别计算R、F、M 的参考值

在进行RFM 数值评级之前需要将R、F、M 的参考值进行选定，才能判断R、F、M 的等级是高还是低。对于R、F、M 的参考值可以选择平均值，也可以选择中位数。平均值需要通过数据进行计算得到，平均值会随着每个数据的变化而产生的波动。中位数是通过对数值进行排序得到的，他不会受到最大值以及最小值的影响。在WB 公司的消费数据表格中有部分极端数据的出现，因此本次RFM 模型中选择中位数作为RFM 评级的数据参考值。通过Median 函数能够计算出R、F、M的中位数。

（五）分别对R、F、M 进行等级评定

对计算得到的中位数参考值进行对比，从而评定R、F、M 的等级。例如R 值小于R 中位数的数值时，则证明具有很高的价值，反之则具有较低的价值；同理F值的判定和M 值的判定也是同等的依据。

（六）对消费者进行价值类型的确定

分别对每位消费的顾客进行R、F、M 的等级数值的计算，并对等级进行确定，接下来需要通过AND 函数对每次顾客的评级进行判断，从而能够方便通过评级标准匹配到需要的顾客价值类型。

（七）计算每位消费者的客户价值类型

针对顾客评级的情况已经得出，接下来需要将FRM 评级情况和消费者的类型进行确定。通过函数指令 Vlookup 函数=Vlookup 需要查找的内容应用在空白行列中。例如通过函数=VLOOKUP（H2，$P： $Q，2，FALSE）能够迅速匹配出张萌的价值类型，单击表格中的I2 选项，当鼠标在此单元格的右下角时，出现黑色的十字，双击鼠标，表格就可以自动计算出顾客的价值类型。

三、完成RFM 模型

通过完整的数据将消费者的情况进行RFM 建模，从而清楚地了解每位消费者的价值类型。接下来需要统计每个价值类型内有多少的消费者，以及消费者价值类型的结构。通过对数据中A-I 列中的数列进行操作：插入数据透视表-新建数据表，点击确定，从而在数据透视表中将顾客价值类型进行选中，并将消费者的价值类型拖入行标签中，将消费者的姓名字段进行勾选，并将消费者的名字拖入列标签内。可以得到最终的顾客价值类型分析的数据。

四、将图表数据转化为可视化的数据

可视化数据是将数据转化为人们日常中常见的图表的形式，可以给决策者更为直观的展现方式。例如在WB 公司的消费者客户价值类型中不仅需要了解每个类型中的人数，还需要对各类型在整个消费者群体中的占比情况进行展示，在展示数据的过程中可以采用饼状图、単簇状图形或者柱形图的方式进行展现。

结束语

RFM 模型的建立能够有效的将消费者进行分类，从而针对目标客户群体实行针对性的管理计划，促进消费者的购买欲望，提升顾客的忠诚度，对于价值等级不高的顾客则不再需要进行维护和跟进，从而降低客户维护成本。在实际应用中，需要根据每个行业的特点，制定不同含义的RFM 模型，从而提升企业的管理能力，提高顾客的忠诚度，刺激消费力，最终实现企业管理能力的提高。