RFM模型在商務數據分析中的應用

龔發娟 邵曾

摘 要：在大數據及新零售背景下，商務數據分析可以用數據為企業經營管理提供依據。本文以某公司銷售數據為研究對象，使用EXCEL辦公軟件提取該公司客戶的最近一次購買時間、某段時間內交易次數、某段時間內交易總金額這三個指標建立RFM客戶價值模型，對該公司的客戶進行分類研究，探討RFM模型在商務數據分析中的應用。

關鍵詞：RFM模型;數據分析;客戶價值

《中華人民共和國國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要》于2021年3月公布，該文件明確提出：要充分發揮海量數據和豐富應用場景優勢，促進數字技術與實體經濟深度融合，賦能傳統產業轉型升級，催生新產業、新業態、新模式，壯大經濟發展新引擎。2021年上半年，國家互聯網信息辦公室發布的《數字中國發展報告（2020年）》提出，“十四五”時期要圍繞加快發展現代產業體系，大力推進產業數字化轉型，充分發揮數據作為新生產要素的關鍵作用，激發數據要素價值，提升數據要素賦能作用，以創新驅動、高質量供給引領和創造新需求，形成強大的國內市場，形成新發展格局。隨著線上、線下消費加快融合，新產業、新業態、新模式不斷催生，培養創新型數字化管理人才成為產業數字化轉型的重中之重。

在大數據及新零售背景下，線上和線下消費緊密融合，企業在日常運營中產生了海量的交易數據。怎樣把隱藏在數據背后的信息集中和提煉出來，怎樣從這些數據中找到企業的利潤點增長點、探尋企業及社會內在的發展規律，為企業經營決策提供依據，是商務數據分析的意義所在。現代化的企業越來越重視商務數據分析，企業的商務數據的分析能力對企業經營活動產生了深遠的影響，決定著企業的未來發展動力和方向。企業需要創新型數字化管理人才、需要高素質的商務數據分析技能人才。

本研究以某公司銷售數據為例，目的是針對這些銷售數據建立一個RFM模型。利用EXCEL軟件提取該公司客戶的最近一次購買時間、某段時間內交易次數、某段時間內交易總金額這三個指標建立RFM模型，判斷每一位客戶的價值類型，以便能夠對每個客戶的價值進行識別，為某公司的經營決策提供數據支撐。

一、RFM模型

RFM模型最早由Hughes 在1994年提出，是客戶價值的重要衡量指標。RFM由R（Recency：最近一次購買時間）;F（Frequency：某段時期內交易頻次）;M（Monetary：某段時間內交易總金額）構成。

R：客戶最近一次購買的時間。最近一次購買的時間距離現在越近，說明該客戶價值越高;最近一次購買的時間距離現在越遠，說明該客戶價值越低。

F：客戶在限定的一段時間內消費的頻次。限定的一段時間內消費次數越多，說明該客戶價值越高;限定的一段時間內消費次數越少，說明該客戶價值越低。

M：客戶在限定的一段時間內消費的總金額。限定的一段時間內消費總金額越多，說明該客戶價值越高;限定的一段時間內消費總金額越少，說明該客戶價值越低。

根據以上三個指標可把客戶價值劃分為八種類型。

重要價值客戶：最近一次購買時間距離基準日期較近、限定一段時間內消費次數較多、限定的一段時間內消費總金額較多的客戶被劃分為重要價值客戶。

重要發展客戶：最近一次購買時間距離基準日期較近、限定一段時間內消費次數較少、限定的一段時間內消費總金額較多的客戶被劃分為重要發展客戶。

重要保持客戶：最近一次購買時間距離基準日期較遠、限定一段時間內消費次數較多、限定的一段時間內消費總金額較多的客戶被劃分為重要保持客戶。

重要挽留客戶：最近一次購買時間距離基準日期較遠、限定一段時間內消費次數較少、限定的一段時間內消費總金額較多的客戶被劃分為重要挽留客戶。

一般價值客戶：最近一次購買時間距離基準日期較近、限定一段時間內消費次數較多、限定的一段時間內消費總金額較少的客戶被劃分為一般價值客戶。

一般發展客戶：最近一次購買時間距離基準日期較近、限定一段時間內消費次數較少、限定的一段時間內消費總金額較少的客戶被劃分為一般發展客戶。

一般保持客戶：最近一次購買時間距離基準日期較遠、限定一段時間內消費次數較多、限定的一段時間內消費總金額較少的客戶被劃分為一般保持客戶。

一般挽留客戶：最近一次購買時間距離基準日期較遠、限定一段時間內消費次數較少、限定的一段時間內消費總金額較少的客戶被劃分為一般挽留客戶。

二、數據清洗與預處理

數據清洗就是在數據處理之前，對數據進行檢查以發現并糾正數據文件中可識別的錯誤。主要包括檢查數據一致性、數據加工、數據備份、缺失數據處理、異常數據處理等。

對某公司銷售情況數據進行檢查，發現該數據源有部分重復數據和空白數據，現把這部分重復數據和空白數據進行清洗干凈。

1.刪除重復數據。刪除重復數據，通過 EXCEL 菜單功能“數據”-“刪除重復值”進行重復數據的刪除。

2.刪除空白數據。將各列中的空白數據刪除。

3.選取研究數據。某公司銷售情況表的訂單數據從2018年1月到2021年12月31日。為增強數據的針對性和有效性，選取了2021年1與1日-2021年12月31日的消費記錄作為本次研究的數據源。點擊訂單日期-數據-篩選-單擊篩選下拉菜單-勾選2021。將選中的數據復制-粘貼到新工作表。

4.提取需要的指標數據。RFM模型由最近消費時間、消費次數和消費金額三個指標構成。全選“某公司銷售情況表”的所有數據-插入-數據透視表-新工作表-確定。在數據透視表字段中，勾選”姓名”字段拖入行標簽。勾選“訂單日期”字段、“訂單號”字段、“銷售額”字段拖入值標簽。訂單日期值字段設置為最大值，表示最近一次交易時間，并將格式設置為短日期;訂單號的值字段設置為計數項，表示交易的頻次;銷售額的值字段設置為求和項，表示該時間段內的總消費金額。

5.分別計算R值、F值、M值。將參考日期設置為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日期距離參考日期有多少天，即R值。消費頻率就是該段時間內，客戶消費的訂單數量，直接復制“計數項：訂單號”這一列，則可得到F值。消費金額就是該段時間內，客戶銷售額的求和，直接復制“求和項：銷售額”這一列，則可得到M值。

6.計算R值、F值、M值的參考值。在對R值、F值、M值進行評級之前要選定這R、F、M的參考值，以判斷R、F、M的評級是高還是低。參考值可以選用平均值也可以選用中位數。平均數是通過計算得到的，它會因每一個數據的變化而變化。中位數是通過排序得到的，它不受最大、最小兩個極端數值的影響。部分數據的變動對中位數沒有影響。在某公司銷售數據表中有部分極端值的出現，所以本次選擇中位數作為R、F、M評級的參考值。用MEDIAN函數分別計算出R值、F值、M值的中位數。

7.分別對R值、F值、M值進行評級。將前面計算的得出的R值、F值、M值與參考值中位數進行比較。如果R值<R值中位數（109），則判定為高價值，否則判定為低價值，函數=IF（G2<109，“高”，“低”）。如果F值<F值中位數（3），則判定為低價值，否則判定為高價值，函數表示=IF（H2<3，“低”，“高”）。如果M值<M值中位數（2938），則判定為低價值，否則判定為高價值，函數表示=IF（I2<2938，“低”，“高”）。

8.判定客戶價值類型。前面分別計算了每位客戶的R評級、F評級、M評級，接下來我們用AND函數判斷每位客戶的RFM評級，以方便在接下來的步驟中直接用RFM評級去匹配所需要的客戶價值類型。函數=J2&K2&L2。

9.計算每位顧客的客戶價值類型。RFM評級所對應的客戶類型已經列示在P列和0列，我們需要用客戶的RFM評級在指定的P列和O列找出來并需要反饋需要的第二列的客戶類型。VLOOKUP函數=VLOOKUP（要查找的項、要查找位置、區域中包含要返回的值的列號、返回近似匹配或精確匹配-指示為 1/TRUE 或 0/FALSE）。應用在此數據中，用VLOOKUP函數判斷每位客戶的價值類型，函數=VLOOKUP（M2，$P：$Q，2，FALSE）?？善ヅ涑龅谝晃豢蛻簦愡t）的客戶價值配型。單擊N2單元格，鼠標滑動到此單元格右下角，當鼠標指示標志由白色實心十字形狀變為黑色實心十字形狀時，雙擊鼠標，EXCEL可自動計算出所有客戶的價值類型。

10.結論。通過建立RFM模型，我們計算了每位客戶的客戶價值類型。接下來，需要統計每一類客戶價值類型有多少人，以及客戶價值類型的結構。選中數據表中的A-N列-插入數據透視表-新工作表-確定，在數據透視表字段中勾選“客戶價值類型”字段，將客戶價值類型字段拖入行標簽;勾選“姓名“字段，將客戶姓名字段拖入值標簽（將值字段設置為計數）。得到最終的客戶價值類型分類數據。重要價值客戶數量為165人，占比25.27%;重要發展客戶數量為22人，占比3.37%;重要保持客戶數量為91人，占比13.94%;重要挽留客戶數量為48人，占比7.35%;一般價值客戶數量為58人，占比8.88%;一般發展客戶數量為79人，占比12.10%;一般保持客戶數量為39人，占比5.97%;一般挽留客戶數量為151人，占比23.12%。

三、數據可視化

數據可視化就是將數據轉換成圖或表等，以一種更直觀的方式展現和呈現數據。在本案例中，除了每一類客戶價值類型的人數外，還需要了解對應客戶價值類型人數在總客戶人數中的占比情況，可以采取“單簇狀+折線圖”這一類型的可視化。

選中客戶價值類型表，插入簇狀柱形圖。

通過對某公司的客戶進行RFM客戶價值類型分類圖，很容易發現排名前四的客戶價值類型分別是重要價值客戶、一般挽留客戶、重要保持客戶、一般發展客戶。而一般價值客戶、重要挽留客戶、一般保持客戶、重要發展客戶的人數則偏少。其中，重要價值客戶占比最多，此類客戶是企業最核心的客戶，可以通過VIP服務等策略延長忠誠時間。一般挽留客戶價值較低，可花費較低的成本嘗試激活客戶。重要保持客戶可主動與客戶聯系，根據用戶反饋制定個性化的營銷策略進行挽回。一般發展客戶是小額消費客戶，可通過良好的售后服務提升客戶重復購買率和消費金額。

四、結論

RFM模型是驗證客戶價值類型的重要模型。在商務數據分析的客戶行為分析中，是非常重要的指標。根據RFM模型的分析過程可將客戶價值類型分為重要價值客戶、重要發展客戶、重要保持客戶、重要挽留客戶、一般價值客戶、一般發展客戶、一般保持客戶、一般挽留客戶。

重要價值客戶，需要通過一切手段進行維護，延長用戶忠誠時間。重要發展客戶，需要刺激用戶復購，增加購買頻率。重要保持客戶，需要主動聯系進行挽回。重要挽留客戶，需要通過較大的讓利刺激客戶進行重復購買，增加對產品及品牌的印象。一般價值客戶，需要提高客單價。一般發展客戶，需要提升復購率、消費金額。一般保持用戶和一般挽留用戶，已處于流失階段，可放棄或花費較低的成本進行嘗試。

因此，企業應根據RFM模型的客戶價值類型分類，為不同類型的客戶提供針對性的產品和服務，提升客戶價值和客戶創利能力。也要及時監測客戶價值類型的變化，為企業經營決策提供數據支撐。在實際應用中，也可根據不同的行業特征，賦予R、F、M不同的權重。

參考文獻：

[1]王會.基于RFM 模型的網民分類研究[J].信息技術與信息化，2018.

[2]葉寶文，朱奕，孫田雨.基于 RFM 模型的服裝零售精準營銷研究[J].2020.

[3]李海燕，王松響.基于RFM模型的商場會員畫像的建模與驗證[J]，2019.

作者簡介：龔發娟（1986.05- ），女，漢族，重慶人，碩士研究生，中級經濟師，研究方向：工商管理、職業教育