基于改進的RFMT模型對傳統(tǒng)客戶細分方法優(yōu)化的研究

摘要：針對當今流量時代下，流量獲取對企業(yè)的重要性而言，在傳統(tǒng)的客戶細分方法上，對RFM模型進行改進，提出新指標T（referral traffic推薦流量），形成RFMT模型。并利用層次分析法確定各指標的權(quán)重，利用SPSS軟件對某N新能源汽車企業(yè)的客戶行為數(shù)據(jù)進行K-means聚類分析，根據(jù)聚類結(jié)果將客戶劃分為不同的客戶群體，并提出相應的營銷策略以實現(xiàn)精準營銷。

關(guān)鍵詞：流量時代;RFMT模型;K-means;客戶細分

近年來，新能源汽車如雨后春筍般在汽車行業(yè)中相繼誕生，競爭愈加劇烈，每個企業(yè)都需要集中一切資源來獲取潛在客戶。那么如何在有限的資源條件下，可以高效的獲得優(yōu)質(zhì)客戶，潘俊[1]認為客戶細分是企業(yè)進行客戶關(guān)系管理并提升服務水平的有效手段，通過對客戶的消費數(shù)據(jù)進行數(shù)據(jù)分析，從而對不同類型的客戶采取不同的營銷策略，進而實現(xiàn)精準營銷。

本文將在傳統(tǒng)的RFM模型基礎上，結(jié)合當今流量時代下，流量獲取對企業(yè)發(fā)展?jié)撛谟脩舻闹匾裕岢鲂轮笜薚（referral traffic推薦流量），形成改進后的RFMT模型。利用AHP[2]確定各指標的權(quán)重，通過K-means聚類算法對客戶行為數(shù)據(jù)進行分析，根據(jù)聚類結(jié)果計算客戶價值，并提出相應的營銷策略。

1.客戶細分模型

1.1RFM模型與RFMT模型

傳統(tǒng)的RFM模型多適用于CRM中衡量客戶價值的重要工具和手段。該模型通過分析客戶的近期消費行為、消費頻率、總金額來描述客戶價值。其中R表示客戶最近一次消費時間間隔;F表示客戶消費次數(shù);M表示客戶消費總額。

在當今流量時代的背景下，流量的獲得對于企業(yè)來說是至關(guān)重要的。而獲取流量最有效的方法便是用戶裂變。因此，基于傳統(tǒng)的RFM模型，并結(jié)合流量時代背景下用戶裂變的重要性，現(xiàn)提出RFMT模型。其中：R表示客戶最近一次消費時間間隔;F表示消費次數(shù);M表示平均消費金額;T表示客戶通過用戶裂變方式獲得的推薦流量。

1.2RFMT模型的權(quán)重

本文將采用AHP確定RFMT模型中各指標的權(quán)重，AHP通過建立兩兩指標對比矩陣[3]以此來確定各指標的權(quán)重，權(quán)重如下：[wR ，wF ，wM ，wT]=[0.1070，0.4501，0.8667，0.1866]。

2.數(shù)據(jù)的采集與整理

2.1 數(shù)據(jù)采集

從某N新能源汽車企業(yè)清理數(shù)據(jù)，得到2018至2020年度442名客戶的消費數(shù)據(jù)，從中統(tǒng)計出每位客戶最近一次消費時間間隔（R）、消費次數(shù)（F）、平均消費金額（M）和推薦流量（T）。某客戶的交易數(shù)據(jù)如下表所示。

2.2 數(shù)據(jù)整理

在進行數(shù)據(jù)分析之前，首先將數(shù)據(jù)進行標準化處理，利用標準化后的數(shù)據(jù)進行分析。本文將采用min-max 標準化方法[4]對數(shù)據(jù)進行預處理，使原始數(shù)據(jù)進行線性變換，將數(shù)據(jù)映射到[0，1]內(nèi)，轉(zhuǎn)換公式如下：

2.3聚類結(jié)果與策略分析

本文將采用SPSS軟件對RFMT模型進行聚類分析，利用K-means聚類算法對客戶消費數(shù)據(jù)進行聚類分析，并將客戶細分為8類不同的客戶類型。RFMT 模型聚類結(jié)果如下表所示。

其中高價值客戶約占8%，此類客戶為企業(yè)帶來的利潤額和客戶價值最高，消費次數(shù)、總金額大，是企業(yè)的忠實用戶，企業(yè)應投入大量的資源和服務，繼續(xù)與這類客戶保持良好的合作關(guān)系，并提供更加優(yōu)質(zhì)的產(chǎn)品和服務。

一般價值客戶約占24%，有一定的購買總金額，但消費次數(shù)較低，口碑推薦能力、忠誠度價值較低，但具備一定的潛在價值。因此，企業(yè)可以適當投入資源，設置用戶增長活動，吸引用戶參加，不斷增加用戶的品牌認同度，提升用戶忠誠度和活躍度。

低價值客戶約占68%，此類客戶消費次數(shù)、總金額較低，對企業(yè)品牌和產(chǎn)品認同感較低，忠誠度價值、口碑推薦能力相對較低。企業(yè)無需投入過多資源，只需維持現(xiàn)狀，完善售后服務體系，依舊向其推送產(chǎn)品優(yōu)惠方案及活動等。

3.結(jié)束語

在流量時代的背景下，流量的獲得對于企業(yè)來說是至關(guān)重要的。在傳統(tǒng)的RFM模型基礎上，現(xiàn)加入指標T（referral traffic），形成RFMT模型。在分析客戶消費數(shù)據(jù)后，對其口碑推薦能力進行分析，以此來更加全面的判斷客戶價值所在。利用K-means聚類算法對指標進行聚類分析，將客戶細分為8種不同的客戶類型，并對不同客戶的行為特征進行分析，提出不同的營銷策略以此實現(xiàn)精準營銷。

參考文獻：

[1]潘俊，王瑞琴.基于選擇性聚類集成的客戶細分[J].計算機集成制造系統(tǒng)，2015，21（6）：1662-1668.

[2]蔣國瑞，劉沛，黃梯云.一種基于 AHP 方法的客戶價值細分研究[J].計算機工程與應用，2007，43（8）：238-241.

[3]PODVEZKO V.Application of AHP technique[J]. Journal of business Economics and Management， 2009， 10（2）; 181-189.

[4]包志強，趙媛媛，趙研等.基于RFA模型和聚類分析的百度外賣客戶細分[J].計算機科學，2018，11（45）：436-438.

作者簡介：孟凡禹（1996.9—），性別：女，民族：漢族，籍貫：江蘇省徐州市，學歷：碩士研究生。