編輯導語：RFM模型對于用戶研究來說十分重要，可以高效衡量客戶價值等，本篇文章作者分享了應用 RFM 模型客戶分群，提效客戶體驗管理的相關內容，從客戶分群的意義到RFM模型的類型及應用都一一介紹，一起來學習一下吧。

在進行客戶體驗管理之前，通過對客戶本身全面、準確的了解，藉由客戶分群的刻畫，針對不同客群提供與之高度相關的個性化體驗，能夠讓企業更加聚焦目標客戶，有助于推動更強的客戶轉化。

一、客戶分群的意義

目前，客戶分群常用于市場營銷部門，對于體驗部門而言雖然分工不同，但目標卻是一致的。都是希望找尋到各個客群的相似性，比如，行為模式、喜好等等。針對不同客群指定不同的策略，為客戶提供“恰當的體驗”。

麥肯錫在研究報告指出，客戶分群對于提升業務收入有正向作用。

這里有一個案例，一家跨國發卡機構面臨業務增長困難、消費者流失率高、早期接觸點客戶忠誠度下降等挑戰。

面對挑戰，機構首先根據客戶行為，進行客戶分群，全面調整客戶體驗培訓流程。

在分群后的研究中發現最大價值的最優操作順序，以此設計出不同客群個性化的客戶旅程與互動策略。

效果驗證以 50 多個試點為依據，讓每個客戶細分養成預期的行為。通過幾個禮拜的數據反饋，與對照組相比，交易量提升了 6% 。

二、客戶分群 RFM模型

那么，該如何進行有效的客戶分群呢？

RFM 模型是客戶分群及衡量客戶價值的重要模型之一。最早提出者喬治?卡利南（George Cullinan）指出，在客戶資料庫中有 3 項重要指標。

• R（Recency）近度 → 客戶最近一次交易時間的間隔，交易時間越近的客戶價值越大。
• F（Frequency）頻度 → 客戶在最近一段時間內交易的次數，經常購買的客戶也就是熟客，價值比偶爾來一次的客戶價值大。
• M（Monetary）額度 → 客戶在最近一段時間內交易的金額，通常以客戶單次的平均消費金額作為衡量指標，消費越多的客戶價值越大。

通?？蛻舴秩河袃煞N方式：一種是根據客戶的基本信息，另一種是根據客戶的行為數據。

而 RFM 模型利用的就是客戶的行為數據。

三、選擇正確的評價指標

對于電商購物業務較為常用上述指標進行評價，但對于不同行業、不同的業務目標，進行客戶分群的維度會有所差異。

比如，電子郵件（EDM）營銷依據 RFM 模型，可以劃分為「R = 上次郵件打開的時間」、「F = 一段時間內，郵件打開的次數」、「M = 一段時間內，根據每個客戶的獲取成本及利潤等因素估計的價值」。

比如，互聯網社交業務依據 RFM 模型，可以劃分為「R = 最近一次登錄時間」、「F = 一段時間內，登錄頻率」、「M = 一段時間內，在線時長」。

選擇正確的指標，才能得到有效的結果。

四、RFM 的評分方式

RFM 客群劃分以電商購物業務為例，常見的劃分方式有以下 2 種。

1. 依據行業規則劃分

• R 指標可以依據間隔天數分段，如：大于 90 天未購買屬于低價值，反之為高價值。
• F 指標可以依購買次數分段，如：購買小于 2 次屬于低價值，反之為高價值。
• M 指標可以依客單價分段，如：平均客單價以下屬于低價值，反之為高價值。

2. 依據百分位規則劃分

這種方式是將數據轉換成 1~5 分計分方式，轉化后分值越高代表價值越高，一般可以按 20%/40%/60%/80% 分位數將數據計為 1~5 分。

計分方式如下表所示：

• R 指標是時間間隔越短越好，所以 <20% 分位數分值為 5 分。時間間隔指的是上次消費是 5/1，今天是 5/3，則相隔 2 天。
• F 指標是頻次越高越好，所以 ;80% 分位數分值為 5 分。
• M 指標是金額越高越好，所以 ;80% 分位數分值為 5 分。

想要進行客戶劃分，還需要把分值進行轉換。

將 1~5 分值，按分別對應的平均值進行劃分，劃分為 0 和 1，數字 0 代表低價值群體，數字 1 代表高價值群體。

計分方式如下表所示：

五、RFM 的 8種客戶類型

RFM 模型通過將 3 項行為數據指標分別作為坐標軸的 x，y，z 軸，可以將客戶劃分為 8 種類型客戶，進一步指導客戶體驗管理的下一步工作。

分別是：重要價值、重要挽留、重要發展、重要維持、一般價值、一般挽留、一般發展和一般保持。

圖片來自《經理人月刊 第 187 期》 | Guofu重繪

• R↑F↑M↑：對于一家企業來說，獲得更多的「重要價值客戶」是維系企業健康發展的源動力，客戶體驗管理應優先關注「重要價值客戶」的需求點?？梢灾贫蛻糁艺\度計劃，為他們提供相應的福利?？梢园l送問卷，關注重視他們的聲音，加強與他們與企業的關系。
• 如果企業在客戶群體分布中，大多為價值很低的「一般保持客戶」，那么企業業務會隨時有經營危機。
• R↓F↑M↑：在過去業務發展過程中，作出過重要貢獻的客戶群，是消費頻率和金額都很高的客戶為「重要保持客戶」，但是最近一次消費時間距離現在已經很久，企業需要重新花時間了解他們目前的需求，以及為什么近期不再消費。
• R↑F↓M↑：最近剛剛接觸公司并進行高額消費的客戶群，但是消費頻率不高為「重要發展客戶」。企業可以嚴格審視服務流程的每一個體驗環節，為他們輸出良好的品牌形象，加深客戶對品牌的印象。
• R↓F↓M↑：最近一次消費時間較遠、消費頻率不高，但消費金額高的客戶為「重要挽留客戶」。

他們對企業缺乏了解或信任，企業要主動與這類客群進行交互，看看有哪些體驗不滿意的地方，避免失去這群客戶。

還有對于「一般保持客戶」、「一般發展客戶」、「一般價值客戶」、「一般挽留客戶」客群來說，企業在業務上無法為所有的客群都提供高質量的體驗，有“舍”才有“得”。

企業應該專注在核心客群的體驗打造，減少重要挽留客戶，活化重要保持客戶，挖掘重要發展客戶。

六、RFM 新零售案例實操

RFM 客戶分群會使用某新零售電商平臺（2021/10–2022/04）訂單真實數據。演示數據集已經過數據脫敏，本數據集僅可用于學習。

在觀察此數據表時，發現「訂單號、用戶編號、支付時間」存在”空值“，這些都是分析中需要使用的欄位，需要對進行數據填充。另外，為便于計算，支付時間需轉為匹配的日期格式。

操作步驟如圖所示：

數據集一共有 8 個欄位，其中使用 RFM 模型只需用到：訂單號、用戶編號、支付時間、實付金額 4 個欄位。

注意：你們自有原數據前處理，需要檢查缺失值、剔除訂單中含已取消/退款訂單數據。

下面進入 RFM 計算演示。

步驟 1：

全選原數據 → 插入/數據透視表 → 新工作表。

在數據透視表字段中，將[用戶編號]拉入行，將[訂單號]、[實付金額]、[支付時間]拉入值。通過設定[訂單號]計算方式為”計數項“、[實付金額]]計算方式為”求和項“、[支付時間]]計算方式為”最大值項“，得到以用戶編號進行區分的計算值。

步驟 2：

將計算后的數據復制到新工作表，想要得到可用的 RFM 數據，還需要做一些加工。

對表頭稍加調整后，由于 R 指標需要的值是上次消費距離現在的時間，目前的是最后一次消費時間，需要進行再次計算。

筆者想知道最近消費時間距離 2022/5/12 間隔天數，使用 =$E$2-D2 計算。

如果你是想知道距離今天為止間隔多少天，可以使用函數 =TODAY()-D2。

在這個步驟，可以得到用于 RFM 模型客戶分群目標數值。

步驟 3：

基于計分規則進行 RFM 得分計算，筆者這里使用的是百分位規則進行數值轉換。

計分計算需要使用到 Excel 的多條件判斷 IFS 函數，百分位使用 PERCENTILE 函數，RFM 指標計算依序使用下列算式：

• =IFS(B2<O21,5,B2<PERCENTILE(B:B,0.4),4,B2<PERCENTILE(B:B,0.6),3,B2<PERCENTILE(B:B,0.8),2,B2;=PERCENTILE(B:B,0.8),1)
• =IFS(C2<PERCENTILE(C:C,0.2),1,C2<PERCENTILE(C:C,0.4),2,C2<PERCENTILE(C:C,0.6),3,C2<PERCENTILE(C:C,0.8),4,C2;=PERCENTILE(C:C,0.8),5)
• =IFS(D2<PERCENTILE(D:D,0.2),1,D2<PERCENTILE(D:D,0.4),2,D2<PERCENTILE(D:D,0.6),3,D2<PERCENTILE(D:D,0.8),4,D2;=PERCENTILE(D:D,0.8),5)

通過計分計算，可以知道客戶對應的代碼值，如 115008 RFM 對應的代碼值為 111。這個代碼值可用于后續客戶類型匹配。

有資料研究表明：對 RFM 模型各變量的指標權重問題，Hughes Arthur 認為 RFM 在衡量一個問題上的權重是一致的，因而并沒有給予不同的劃分。筆者在本次演示計算不涉及 RFM 加權計算。

另外，Stone&;Bob 通過對信用卡案例的實證分析，提出了更能適應產業特性的計算方式。認為各個指標的權重并不相同，在研究中發現應該給予頻度最高，近度次之，額度最低的系數加權有助于客戶分群的準確性。

RFM 權重： WR>=2,WF=3,WM=1。

如果需要采用 RFM 加權計算，需要與專家和體驗管理人員共同進行商定，因為權重的系數會直接影響客戶分群的表現。

步驟 4：

依據 RFM 得分進行指標價值類別劃分，筆者本次劃分以平均值作為基準值。

價值類別劃分需要使用到 Excel 的 IF 函數，RFM 價值類別劃分依序使用下列算式：

• =IF（F2;=AVERAGE（F:F）,“高”，”低”）；
• =IF（G2;=AVERAGE（G:G）,“高”，”低”）；
• =IF（H2;=AVERAGE（H:H）,“高”，”低”）。

通過價值類別劃分，可以知道客戶對應的值，如 115008 RFM 對應的價值類別代號為“低低低”。

步驟 5：

最后通過比對”客戶分群評級表“，對 RFM 價值類別進行最終分群。

RFM 客戶分群對照使用下列算式：

=VLOOKUP(I2&J2&K2,$N$2:$O$9,2,FALSE) 依此類推。

從下圖可以看出，價值類別代號”低低低“對應的分群為「8 一般挽留客戶」、代號”低低高“對應的分群為「4 重要挽留客戶」。

到這里，客戶分群的工作算基本完成了。但是基于客戶分群，找到當前企業的客戶結構分布狀況以及該如何應對，才是我們需要關注的重點。

七、RFM 分析和評價

筆者對該零售電商公司當前的客戶結構分布進行計數和百分比計算，了解客戶的分布情況。

使用 COUNTIF 函數進行匹配，算式如下。

=COUNTIF（A:A,“1重要價值客戶”）依此類推。

從分布情況可以看出，該零售公司「重要價值的客戶群」占比近30%，基本算中等水平，仍需要進一步通過體驗優化，通過“供給創造需求”深挖高凈值客戶的不同需求，可以提高該比例。

另外，「一般保持客戶」群體占比高達 18% ，需要采取緊急行動，這類型客戶目前還沒有流失，需要好好把握，要不這部分客戶流失將會造成大麻煩。

分布情況如下圖所示：

體驗管理對于不同的客戶群體，可以參照下表的客戶基本特征和行動策略進行體驗優化工作。

比如，針對「一般保持客戶」就可以參行動策略，利用一些優惠吸引客戶再次消費。

八、寫在最后

RFM 模型的核心概念是要在正確的指標和合適的評分方式下，應對不同階段的體驗管理目標，動態調整客戶體驗管理計劃。

企業要想健康可持續的發展，需要依賴客戶的長期、有價的支持。

對于客戶體驗管理來說，客戶分群是我們開展工作的第一步，只有對客戶的相關屬性進行歸類，體驗管理和提升工作才能有矢放地。

還有，建立健康的客戶結構，做好客戶分群劃分，體驗部門需要時刻洞察客戶遷移的動態變化背后的原因。

在面對重要的客戶流失時，客戶體驗的著力點，應在有限的資源的情況下，提出最適的計劃，積聚最大能量針對關鍵客群提供最“恰當”的體驗。

觀察 R、F 的變化，可以推測客戶消費的異動狀況，根據客戶流失的可能性，列出客戶，再從 M（消費金額）的角度來分析，把重點放在貢獻度高且流失機會也高的客戶上，重點拜訪或聯系，以最有效的方式挽回更多的商機。

在平穩期，應從中、低凈值客戶群體切入，將他們培養成忠誠客戶，優化客戶結構，分散風險，擴大企業護城河。

要知道力往一處使是非常重要的，企業在激烈的商業環境中，成敗往往就在一念之間。

這里有一個需要特別注意的點，凡事需要觸達客戶的交互，都需要控制好“度”，不能無節制的對客戶進行打擾，應該設計一個客戶接觸頻率規則，確保把打擾控制在一個合理的閾值。

那么，如果你們公司還沒開始進行客戶分群，現在開始動手吧！相信會對你的客戶體驗管理工作有很大的助益。

#專欄作家#

龍國富，公眾號：龍國富，人人都是產品經理專欄作家，人因工程碩士。致力于終身學習和自我提升，分享用戶研究、客戶體驗、服務科學等領域資訊，觀點和個人見解。

本文原創發布于人人都是產品經理，未經授權，禁止轉載。

題圖來自Unsplash，基于CC0協議。