R语言RFM模型在电商行业的应用
原文链接:http://tecdat.cn/?p=393
如何衡量电商存量用户的价值？是上一次购买时间？消费金额？还是购买次数？通过什么模型进行用户细分对营销活动提升用户的响应率最有效？
如果一个电商店铺在2017年4月要开展营销活动，需要对老用户进行优惠券、短信、邮件营销。但是营销费用只够给支持2000个用户。
那么我们可以通过RFM模型选择，选择最有可能相应的2000个用户。
RFM简介
RFM是用于分析客户价值的方法。通常用于数据库营销和直销。
RFM代表的含义
最近购买 - 客户最近购买了什么？
购买频率 - 他们多久购买一次？
购买价值 - 他们花多少钱？
大多数企业将保留有关客户购买的数据。所需要的是一张表，其中包含客户名称，购买日期和购买价值。
最近购买= max（10 - 自客户上次购买以来已经过去的月数）
购买频率= max（过去12个月内的购买次数）
购买价值= 客户的最高订单价值
客户分析部分
返回不同商家的用户的RFM数据
表名:userrfm
|
用户(Userid) |
最近一次消费(Recency) [l1] |
消费频率(Frequency) |
金额(Monetary) |
商家(Busid) |
|
100001 |
1 |
|||
|
100002 |
1 |
|||
|
100001 |
2 |
自定义分析部分
设置新客户回头客老客户的购买次数阈值为 p q r(参数在r中设置，后期通过其他方式传递)
表名:frequency
|
会员类型 |
条件设置（F）[l2] |
会员人数 |
会员占比 |
消费金额 |
客单价 |
商家名(Busid) |
|
兴趣客户 |
0 |
120 |
1 |
|||
|
新客户 |
p |
20 |
1 |
|||
|
回头客 |
q |
10 |
1 |
|||
|
老客户 |
r |
3 |
1 |
|||
|
兴趣客户 |
0 |
120 |
2 |
|||
|
新客户 |
p |
20 |
2 |
|||
|
回头客 |
q |
10 |
2 |
|||
|
老客户 |
r |
3 |
2 |
同样设置客户光顾天数的阈值分别阈值为 p q r(参数在r中设置后期通过其他方式传递)
光顾天数（R）
流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)
表名:Recency
|
会员类型 |
条件设置（F）[l3] |
会员人数 |
会员占比 |
消费金额 |
客单价 |
商家名(Busid) |
|
售后期客户 |
0~a |
120 |
1 |
|||
|
活跃期客户 |
a~b |
20 |
1 |
|||
|
沉默期客户 |
b~c |
10 |
1 |
|||
|
睡眠期客户 |
c~d |
3 |
1 |
|||
|
流失期客户 |
>d |
2 |
1 |
|||
|
售后期客户 |
0~a |
2 |
||||
|
活跃期客户 |
a~b |
2 |
||||
|
沉默期客户 |
b~c |
2 |
||||
|
睡眠期客户 |
c~d |
2 |
||||
|
流失期客户 |
>d |
2 |
光顾天数（R）
流失期客阈值为 abcd (参数在r中设置后期通过其他方式传递)
表名:Recency
|
会员类型 |
条件设置（F）[l4] |
会员人数 |
会员占比 |
消费金额 |
客单价 |
商家名(Busid) |
|
售后期客户 |
0~a |
120 |
1 |
|||
|
活跃期客户 |
a~b |
20 |
1 |
|||
|
沉默期客户 |
b~c |
10 |
1 |
|||
|
睡眠期客户 |
c~d |
3 |
1 |
|||
|
流失期客户 |
>d |
2 |
1 |
|||
|
售后期客户 |
0~a |
2 |
||||
|
活跃期客户 |
a~b |
2 |
||||
|
沉默期客户 |
b~c |
2 |
||||
|
睡眠期客户 |
c~d |
2 |
||||
|
流失期客户 |
>d |
2 |
客单价（M）
流失期客阈值为 l ml m h (参数在r中设置后期通过其他方式传递)
表名:Monetary
|
会员类型 |
条件设置（F）[l5] |
会员人数 |
会员占比 |
消费金额 |
客单价 |
商家名(Busid) |
|
低价值客户 |
0~l |
120 |
1 |
|||
|
中低价值客户 |
l~ml |
20 |
1 |
|||
|
中等价值客户 |
ml~m |
10 |
1 |
|||
|
中高价值客户 |
m~h |
3 |
1 |
|||
|
高价值客户 |
>h |
2 |
1 |
|||
|
低价值客户 |
0~l |
2 |
||||
|
中低价值客户 |
l~ml |
2 |
||||
|
中等价值客户 |
ml~m |
2 |
||||
|
中高价值客户 |
m~h |
2 |
||||
|
高价值客户 |
>h |
2 |
模型实现部分(R语言)
连接mysql数据
从数据库中获取数据
原始数据
客户分析部分
自定义分析部分
购买次数
光顾天数
客单价（M）
RFM三维交叉表分析
界面：
1、客户数/占比
2、平均每次购买金额
3、累计购买金额
R值分析（时间跨度[0,1080]
1、F值指标
2、M值指标
3、会员等级指标
F值分析（F值[1,20],(20,+info)）
1、R值指标
2、M值指标
3、会员等级指标
M值分析（M值间隔选择、购买金额（平均每次购买金额、累计消费金额）、20行）
1、R值指标
2、F值指标
3、会员等级指标
通过这些报表全面展示了RFM模型分析的各个维度方向，因此，我们可以将一个客户群体中的关系结构分析的很清楚，并且结合实际业务与针对不同群体推送不同业务。