首頁 > 網站定量分析 >電子商務網站RFM分析

電子商務網站RFM分析

2010年2月24日由joegh 留言»

根據美國數據庫營銷研究所Arthur Hughes的研究，客戶數據庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：

  • 最近一次消費（Recency）
  • 消費頻率（Frequency）
  • 消費金額（Monetary）

RFM分析原多用於傳統營銷、零售業等領域，適用於擁有多種消費品或快速消費品的行業，只要任何有數據記錄的消費都可以被用於分析。 那麼對於電子商務網站來說，網站數據庫中記錄的詳細的交易信息，同樣可以運用RFM分析模型進行數據分析，尤其對於那些已經建立起客戶關係管理(CRM)系統的網站來說，其分析的結果將更具意義。

基本概念解釋

RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。 RFM分析模型主要由三個指標組成，下面對這三個指標的定義和作用做下簡單解釋：

最近一次消費(Recency)

最近一次消費意指用戶上一次購買的時間，理論上，上一次消費時間越近的顧客應該是比較好的顧客，對提供即時的商品或是服務也最有可能會有反應。 因為最近一次消費指標定義的是一個時間段，並且與當前時間相關，因此是一直在變動的。 最近一次消費對營銷來說是一個重要指標，涉及吸引客戶，保持客戶，並贏得客戶的忠誠度。

消費頻率(Frequency)

消費頻率是顧客在一定時間段內的消費次數。 最常購買的消費者，忠誠度也就最高，增加顧客購買的次數意味著從​​競爭對手處偷取市場佔有率，由別人的手中賺取營業額。

根據這個指標，我們又把客戶分成五等分，這個五等分分析相當於是一個“忠誠度的階梯”(loyalty ladder)，其訣竅在於讓消費者一直順著階梯往上爬，把銷售想像成是要將兩次購買的顧客往上推成三次購買的顧客，把一次購買者變成兩次的。

消費金額(Monetary)

消費金額是對電子商務網站產能的最直接的衡量指標，也可以驗證“帕雷託法則”(Pareto's Law)——公司80％的收入來自20％的顧客。

數據獲取與分析

在從數據庫中提取相關數據之前，首先需要確定數據的時間跨度，根據網站銷售的物品的差異，確定合適的時間跨度。 如果經營的是快速消費品，如日用品，可以確定時間跨度為一個季度或者一個月；如果銷售的產品更替的時間相對久些，如電子產品，可以確定時間跨度為一年、半年或者一個季度。 在確定時間跨度之後就可以提取相應時間區間內的數據，其中：

最近一次消費(Recency) ，取出來的數據是一個時間點，需要由當前時間點-最近一次消費時間點來作為該度量的值，注意單位的選擇和統一，無論以小時、天為單位；

消費頻率(Frequency) ，這個指標可以直接在數據庫中COUNT用戶的消費次數得到；

消費金額(Monetary) ，可以將每位客戶的所有消費的金額相加(SUM)求得。

獲取三個指標的數據以後，需要計算每個指標數據的均值，分別以AVG(R)、AVG(F)、AVG(M)來表示，最後通過將每位客戶的三個指標與均值進行比較，可以將客戶細分為8類：

Recency   Frequency Monetary 客戶類型
↑ ↑ ↑ 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

——“↑”表示大於均值，“↓”表示小於均值，多謝nancy的提醒，表中Recency的箭頭應該是倒過來的，下面的圖中也是

結果的展示

RFM模型包括三個指標，無法用平面坐標圖來展示，所以這裡使用三維坐標系進行展示，一種X軸表示Recency ，Y軸表示Frequency ，Z軸表示Monetary ，坐標系的8個像限分別表示8類用戶，根據上表中的分類，可以用如下圖形進行描述：

RFM-model

RFM分析也存在著一定的缺陷，它只能分析有交易行為的用戶，而對訪問過網站但未消費的用戶由於指標的限制無法進行分析，這樣就無法發現潛在的客戶。 所以在分析電子商務網站的用戶時，由於網站數據的豐富性——不僅擁有交易數據，而且可以收集到用戶的瀏覽訪問數據，可以擴展到更廣闊的角度去觀察用戶，這方面的定量分析會在之後的網站用戶分析中進行詳細敘述。

以上部分的概念來源於MBA智庫百科



»本文采用BY-NC-SA協議，轉載請註明來源： 網站數據分析 » 《電子商務網站RFM分析》

相關文章:

  1. 基於用戶細分的比較分析
  2. 用戶綜合價值評分體系
  3. 電子商務網站用戶分析
  4. 網站用戶忠誠度分析
  5. 網站新老用戶分析

發表在網站定量分析

Tags:

若要跟踪這篇文章的任何更新，你可以使用RSS 2.0 Feed .你可以發表評論 ,或者trackback自你的網站.

15 條評論

添加你的評論
  1. laird.zheng 說：
    2010年05月19日於15:49

    最近一次消費（Recency）
    消費頻率（Frequency）
    消費金額（Monetary）
    不局限於這3個指標，可以根據自己的業務進行調整。

    回复 回复
  2. joegh 說：
    2010年05月19日於16:44

    @ laird.zheng :是的，要做好數據分析必須結合網站的運營模式和具體業務特點。

    回复 回复
  3. zhilavie 說：
    2010年05月31日於15:46

    能不能認為，RFM就是用戶綜合價值評估的一個簡版？ 這兩種方法有什麼不同的使用範圍或條件嗎？

    回复 回复
  4. joegh 說：
    2010年05月31日於20:08

    @ zhilavie :嗯，RFM原先用於傳統銷售業，所以只有客戶交易的數據，而電子商務網站的數據可以更加全面，所以指標也可以做些擴展，並不局限於RFM。

    回复 回复
  5. zhilavie 說：
    2010年06月7日於16:58

    了解了，RFM更早產生，數據基礎不同，謝謝！

    回复 回复
  6. nancy 說：
    2010年12月2日於17:42

    對於您給出的客戶細分的8類，我覺得第一類應該是
    Recency Frequency Monetary 客戶類型↑ ↑ ↑ 重要價值客戶為什麼不是↓ ↑ ↑ 重要價值客戶

    回复 回复
  7. joegh 說：
    2010年12月3日於14:25

    @ nancy :多謝提醒，那個Recency是越小越好，文中確實反了，當時沒檢查清楚，我在表下面備註下。

    回复 回复
  8. nancy 說：
    2010年12月5日於10:41

    呵呵，沒事的，你的介紹讓我學到很多東西。

    回复 回复
  9. vincent 說：
    2011年04月10日於13:34

    非常的好~~~很好的客戶分析思路~~學習了博主有沒有潛在客戶分析的方法？ '

    回复 回复
  10. joegh 說：
    2011年04月10日於14:39

    @ vincent :博客中所有用戶分析相關的文章可以參考網站用戶分析這個目錄。

    回复 回复
  11. fly321283 說：
    2011年04月20日於23:14

    RFM使用太廣泛了，具體使用這個模型的時候確實要結合業務的一些具體特徵，比如，不同類目用戶的Recency Frequency Monetary有較大的差異，這時候我們就必須按照不同類目進行RFM分析.

    回复 回复
  12. joegh 說：
    2011年04月21日於20:38

    @ fly321283 :嗯，結合實際的應用才能發揮作用。

    回复 回复
  13. willa 說：
    2011年11月10日於13:40

    理論很簡單，但不知如何操作和進行寫報告。

    回复 回复

Trackbacks /
Pingbacks

  1. 網站的活躍用戶與流失用戶»互聯網雜談
  2. 電子商務網站RFM分析|電商聚讀

留下評論