龚发娟 邵曾

摘 要：在大数据及新零售背景下，商务数据分析可以用数据为企业经营管理提供依据。本文以某公司销售数据为研究对象，使用EXCEL办公软件提取该公司客户的最近一次购买时间、某段时间内交易次数、某段时间内交易总金额这三个指标建立RFM客户价值模型，对该公司的客户进行分类研究，探讨RFM模型在商务数据分析中的应用。

关键词：RFM模型;数据分析;客户价值

《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》于2021年3月公布，该文件明确提出：要充分发挥海量数据和丰富应用场景优势，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业、新业态、新模式，壮大经济发展新引擎。2021年上半年，国家互联网信息办公室发布的《数字中国发展报告（2020年）》提出，“十四五”时期要围绕加快发展现代产业体系，大力推进产业数字化转型，充分发挥数据作为新生产要素的关键作用，激发数据要素价值，提升数据要素赋能作用，以创新驱动、高质量供给引领和创造新需求，形成强大的国内市场，形成新发展格局。随着线上、线下消费加快融合，新产业、新业态、新模式不断催生，培养创新型数字化管理人才成为產业数字化转型的重中之重。

在大数据及新零售背景下，线上和线下消费紧密融合，企业在日常运营中产生了海量的交易数据。怎样把隐藏在数据背后的信息集中和提炼出来，怎样从这些数据中找到企业的利润点增长点、探寻企业及社会内在的发展规律，为企业经营决策提供依据，是商务数据分析的意义所在。现代化的企业越来越重视商务数据分析，企业的商务数据的分析能力对企业经营活动产生了深远的影响，决定着企业的未来发展动力和方向。企业需要创新型数字化管理人才、需要高素质的商务数据分析技能人才。

本研究以某公司销售数据为例，目的是针对这些销售数据建立一个RFM模型。利用EXCEL软件提取该公司客户的最近一次购买时间、某段时间内交易次数、某段时间内交易总金额这三个指标建立RFM模型，判断每一位客户的价值类型，以便能够对每个客户的价值进行识别，为某公司的经营决策提供数据支撑。

一、RFM模型

RFM模型最早由Hughes 在1994年提出，是客户价值的重要衡量指标。RFM由R（Recency：最近一次购买时间）;F（Frequency：某段时期内交易频次）;M（Monetary：某段时间内交易总金额）构成。

R：客户最近一次购买的时间。最近一次购买的时间距离现在越近，说明该客户价值越高;最近一次购买的时间距离现在越远，说明该客户价值越低。

F：客户在限定的一段时间内消费的频次。限定的一段时间内消费次数越多，说明该客户价值越高;限定的一段时间内消费次数越少，说明该客户价值越低。

M：客户在限定的一段时间内消费的总金额。限定的一段时间内消费总金额越多，说明该客户价值越高;限定的一段时间内消费总金额越少，说明该客户价值越低。

根据以上三个指标可把客户价值划分为八种类型。

重要价值客户：最近一次购买时间距离基准日期较近、限定一段时间内消费次数较多、限定的一段时间内消费总金额较多的客户被划分为重要价值客户。

重要发展客户：最近一次购买时间距离基准日期较近、限定一段时间内消费次数较少、限定的一段时间内消费总金额较多的客户被划分为重要发展客户。

重要保持客户：最近一次购买时间距离基准日期较远、限定一段时间内消费次数较多、限定的一段时间内消费总金额较多的客户被划分为重要保持客户。

重要挽留客户：最近一次购买时间距离基准日期较远、限定一段时间内消费次数较少、限定的一段时间内消费总金额较多的客户被划分为重要挽留客户。

一般价值客户：最近一次购买时间距离基准日期较近、限定一段时间内消费次数较多、限定的一段时间内消费总金额较少的客户被划分为一般价值客户。

一般发展客户：最近一次购买时间距离基准日期较近、限定一段时间内消费次数较少、限定的一段时间内消费总金额较少的客户被划分为一般发展客户。

一般保持客户：最近一次购买时间距离基准日期较远、限定一段时间内消费次数较多、限定的一段时间内消费总金额较少的客户被划分为一般保持客户。

一般挽留客户：最近一次购买时间距离基准日期较远、限定一段时间内消费次数较少、限定的一段时间内消费总金额较少的客户被划分为一般挽留客户。

二、数据清洗与预处理

数据清洗就是在数据处理之前，对数据进行检查以发现并纠正数据文件中可识别的错误。主要包括检查数据一致性、数据加工、数据备份、缺失数据处理、异常数据处理等。

对某公司销售情况数据进行检查，发现该数据源有部分重复数据和空白数据，现把这部分重复数据和空白数据进行清洗干净。

1.删除重复数据。删除重复数据，通过 EXCEL 菜单功能“数据”-“删除重复值”进行重复数据的删除。

2.删除空白数据。将各列中的空白数据删除。

3.选取研究数据。某公司销售情况表的订单数据从2018年1月到2021年12月31日。为增强数据的针对性和有效性，选取了2021年1与1日-2021年12月31日的消费记录作为本次研究的数据源。点击订单日期-数据-筛选-单击筛选下拉菜单-勾选2021。将选中的数据复制-粘贴到新工作表。

4.提取需要的指标数据。RFM模型由最近消费时间、消费次数和消费金额三个指标构成。全选“某公司销售情况表”的所有数据-插入-数据透视表-新工作表-确定。在数据透视表字段中，勾选”姓名”字段拖入行标签。勾选“订单日期”字段、“订单号”字段、“销售额”字段拖入值标签。订单日期值字段设置为最大值，表示最近一次交易时间，并将格式设置为短日期;订单号的值字段设置为计数项，表示交易的频次;销售额的值字段设置为求和项，表示该时间段内的总消费金额。

5.分别计算R值、F值、M值。将参考日期设置为2021年12月31日，用参考日期减去最近一次订单日期得到最近一次消费日期距离参考日期有多少天，即R值。消费频率就是该段时间内，客户消费的订单数量，直接复制“计数项：订单号”这一列，则可得到F值。消费金额就是该段时间内，客户销售额的求和，直接复制“求和项：销售额”这一列，则可得到M值。

6.计算R值、F值、M值的参考值。在对R值、F值、M值进行评级之前要选定这R、F、M的参考值，以判断R、F、M的评级是高还是低。参考值可以选用平均值也可以选用中位数。平均数是通过计算得到的，它会因每一个数据的变化而变化。中位数是通过排序得到的，它不受最大、最小两个极端数值的影响。部分数据的变动对中位数没有影响。在某公司销售数据表中有部分极端值的出现，所以本次选择中位数作为R、F、M评级的参考值。用MEDIAN函数分别计算出R值、F值、M值的中位数。

7.分别对R值、F值、M值进行评级。将前面计算的得出的R值、F值、M值与参考值中位数进行比较。如果R值<R值中位数（109），则判定为高价值，否则判定为低价值，函数=IF（G2<109，“高”，“低”）。如果F值<F值中位数（3），则判定为低价值，否则判定为高价值，函数表示=IF（H2<3，“低”，“高”）。如果M值<M值中位数（2938），则判定为低价值，否则判定为高价值，函数表示=IF（I2<2938，“低”，“高”）。

8.判定客户价值类型。前面分别计算了每位客户的R评级、F评级、M评级，接下来我们用AND函数判断每位客户的RFM评级，以方便在接下来的步骤中直接用RFM评级去匹配所需要的客户价值类型。函数=J2&K2&L2。

9.计算每位顾客的客户价值类型。RFM评级所对应的客户类型已经列示在P列和0列，我们需要用客户的RFM评级在指定的P列和O列找出来并需要反馈需要的第二列的客户类型。VLOOKUP函数=VLOOKUP（要查找的项、要查找位置、区域中包含要返回的值的列号、返回近似匹配或精确匹配-指示为 1/TRUE 或 0/FALSE）。应用在此数据中，用VLOOKUP函数判断每位客户的价值类型，函数=VLOOKUP（M2，$P：$Q，2，FALSE）。可匹配出第一位客户（陈迟）的客户价值配型。单击N2单元格，鼠标滑动到此单元格右下角，当鼠标指示标志由白色实心十字形状变为黑色实心十字形状时，双击鼠标，EXCEL可自动计算出所有客户的价值类型。

10.结论。通过建立RFM模型，我们计算了每位客户的客户价值类型。接下来，需要统计每一类客户价值类型有多少人，以及客户价值类型的结构。选中数据表中的A-N列-插入数据透视表-新工作表-确定，在数据透视表字段中勾选“客户价值类型”字段，将客户价值类型字段拖入行标签;勾选“姓名“字段，将客户姓名字段拖入值标签（将值字段设置为计数）。得到最终的客户价值类型分类数据。重要价值客户数量为165人，占比25.27%;重要发展客户数量为22人，占比3.37%;重要保持客户数量为91人，占比13.94%;重要挽留客户数量为48人，占比7.35%;一般价值客户数量为58人，占比8.88%;一般发展客户数量为79人，占比12.10%;一般保持客户数量为39人，占比5.97%;一般挽留客户数量为151人，占比23.12%。

三、數据可视化

数据可视化就是将数据转换成图或表等，以一种更直观的方式展现和呈现数据。在本案例中，除了每一类客户价值类型的人数外，还需要了解对应客户价值类型人数在总客户人数中的占比情况，可以采取“单簇状+折线图”这一类型的可视化。

选中客户价值类型表，插入簇状柱形图。

通过对某公司的客户进行RFM客户价值类型分类图，很容易发现排名前四的客户价值类型分别是重要价值客户、一般挽留客户、重要保持客户、一般发展客户。而一般价值客户、重要挽留客户、一般保持客户、重要发展客户的人数则偏少。其中，重要价值客户占比最多，此类客户是企业最核心的客户，可以通过VIP服务等策略延长忠诚时间。一般挽留客户价值较低，可花费较低的成本尝试激活客户。重要保持客户可主动与客户联系，根据用户反馈制定个性化的营销策略进行挽回。一般发展客户是小额消费客户，可通过良好的售后服务提升客户重复购买率和消费金额。

四、结论

RFM模型是验证客户价值类型的重要模型。在商务数据分析的客户行为分析中，是非常重要的指标。根据RFM模型的分析过程可将客户价值类型分为重要价值客户、重要发展客户、重要保持客户、重要挽留客户、一般价值客户、一般发展客户、一般保持客户、一般挽留客户。

重要价值客户，需要通过一切手段进行维护，延长用户忠诚时间。重要发展客户，需要刺激用户复购，增加购买频率。重要保持客户，需要主动联系进行挽回。重要挽留客户，需要通过较大的让利刺激客户进行重复购买，增加对产品及品牌的印象。一般价值客户，需要提高客单价。一般发展客户，需要提升复购率、消费金额。一般保持用户和一般挽留用户，已处于流失阶段，可放弃或花费较低的成本进行尝试。

因此，企业应根据RFM模型的客户价值类型分类，为不同类型的客户提供针对性的产品和服务，提升客户价值和客户创利能力。也要及时监测客户价值类型的变化，为企业经营决策提供数据支撑。在实际应用中，也可根据不同的行业特征，赋予R、F、M不同的权重。

参考文献：

[1]王会.基于RFM 模型的网民分类研究[J].信息技术与信息化，2018.

[2]叶宝文，朱奕，孙田雨.基于 RFM 模型的服装零售精准营销研究[J].2020.

[3]李海燕，王松响.基于RFM模型的商场会员画像的建模与验证[J]，2019.

作者简介：龚发娟（1986.05- ），女，汉族，重庆人，硕士研究生，中级经济师，研究方向：工商管理、职业教育