SPSSAU_进阶方法_RFM模型.pdf

RFM模型RFM分析SPSSAU在线SPSS

RFM模型

RFM模型用于分析客户价值，它需要提供三项数据，分别是最近一次消费(Recency)，消费

频率(Frequency)，和消费金额(Monetary)。最近一次消费指研究时间点减去用户最近一次消费

的时间，得到的gap时间值，单位上是天或月或周或年均可，以实际业务情况为准。消费频率是

研究数据范畴内用户的消费次数，消费金额指研究数据范畴内用户的消费总计金额。

RFM的原理在于将RFM这三项数据进行分类，首先是分成1~5分计分方式，然后接着将

1~5分计分方式按平均值大小分成两类群体（高价值和低价值群体）。最后RFM分别为两类群体

即2*2*2=8种组合，8种组合对应着8类价值人群，最终结合此8类价值人群提供有针对性的营

销策略。

特别提示：

最近一次消费(Recency)，其代表当前时间减去用户最近一次消费的时间差值gap，意

义上数字越大代表用户的价值越低，数字上越小用户的价值越高；在传入SPSSAU系

统时，如果默认让SPSSAU自动将数据进行1~5分计分方式处理，SPSSAU默认会对

该值越大项编码为1，该值越小项编码为5，这样从1~5分计分时，数字就变成数字越

大代表价值越高。

RFM的内部计算上分为两步，第1步是将RFM这三项数据变成1~5分计分形式，第2

步是将1~5分计分形式转换成两组别（分别用数字0和1表示）；转换成1~5分或者数

字0和1后，数字的意义均变成数字越大代表价值越高。

默认情况下：SPSSAU会将原始数据按照20%/40%/60%/80%分位数，自动分成5组并

且计分为1~5分；内部计算上得到1~5分计分形式后，SPSSAU会进一步将数字转化

成0和1两个类别（按对应的平均值）；

当然，研究者可以自行对数据处理成1~5分形式（比如自行使用数据编码功能里面的

范围编码），如果提供的数据已经是1~5计分形式，那么参数上选择‘类别自动’即可；

如果研究者提供的数据是0和1即两个类别形式，此时参数上选择‘不处理’即可。

RFM模型案例

Contents

1背景2

2理论2

3操作3

4SPSSAU输出结果4

5文字分析5

6剖析7

1背景

当前某企业从数据库中提取出100个用户购买信息，并且对数据进行汇总整理成RFM的数

据格式，即一行代表一个用户，一共3列指标数据，分别是：最近一次消费时间gap值(Recency)，

消费频率(Frequency)，和消费金额(Monetary)。数据格式类似如下表：

特别提示：

一般情况下，最近一次消费时间gap，如果是从数据库中抽取得到，那么一般是比如“最近一

次购买日期”，那么需要在EXCEL里面进行简单公式计算，得到‘最近一次消费时间gap’，即当

前时间点减去最近一次消费时间。

2理论

RFM模型研究客户价值情况，最终将客户分成8个不同的类别（8种用户类型）。具体RFM

模型如何将数据划分为8种类别用户上，其内部计算上分为两步；

第1步是将数据转换成1~5分计分方式（转化后分值越高代表价值越高），SPSSAU默认

是按20%/40%/60%/80%分位数将数据计为1~5分。SPSSAU具体计分方式如下表所示：

标准R分值F分值M分值

20%分位数5（5分）1（1分）1（1分）

20%(含)~40%分位数4（4分）2（2分