以NORTHWIND订单数据为例制作RFM模型

本文采用的软件为EXCEL2010 和SPSS

数据来源为SQLSERVER的NORTHWIND示例数据库

根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：

最近一次消费(Recency)

消费频率(Frequency)

消费金额(Monetary)

  RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的近期购买行为、购买的总体频度以及花了多少钱三项指标来描述该客户的价值状况。

 RFM模型实则是对客户群体的分类，本例中R:近度以单一客户最近一次的订单订购时间为计量（数据截止日期为1998/05/06）。F,频度：以订单数据中单一客户的总下单数量计量。M:量度：设计为单一客户的平均成交金额。

原始订单数据截图：

第一步：对数据进行标准化处理，去除不需要的数据和不完整的数据

尤其注意的是，此时的日期要格式化为数字状态，以便之后做MAX(),MIN（）函数

第二步：使用EXCEL2010的数据透视表功能

使用数据透视表，列出单个客户的订单计数（作为F值），交易金额的总和（作为参考），订单的平均交易金额（作为M值），最近的订单金额[MAX(订单日期）]作为(R值)

然后分别计算出R,F,M的最大最小值

然后以R值为例，R值=(R-Rmin)/(Rmax-Rmin)，得到一个居于[0，1]的值

R,F,M值分别以下图为例：

第三步：使用SPSS进行聚类

采用对数据进行SPSS K-MEANS聚类分析，目标聚类个数为2^3=8个，即分为8类客户。并且返回聚类成员和与聚类中心距离。

结果如下：

作图如下：

第四步：解读结果

1类客户R值高,FM小，发展客户
2类客户R值高,F小，M适中，重要发展客户
3类客户R值，F，M都小，无价值客户
4类客户R值高,F适中，M小，长期客户
5类客户R值高,F较大，M略小，长期重要客户
6类客户R值小,F小，M较大，一般挽留客户
7类客户R值小,F小，M小，一般客户
8类客户R值高,F高，M高，重要保持客户,VIP氪金户

从图中可以看出，NORTHWIND客户主要为1类客户（39%），4类（26%），2类（12%），5类客户（10%）

这四类客户R值较高，几乎占到87%，业务都在近期完成，说明客户群在不断扩张，NORTHWIND公司也处于业务扩张阶段，然而长期稳定的重要高净值客户较少，需要采用营销手段留住回头客