提示：圖文較多，預計耗時6分鐘

數(shù)字化時代幾乎每個銷售型企業(yè)都會搭建自己的CRM系統(tǒng)，用來管理自己的銷售機會、銷售客戶、銷售訂單等業(yè)務(wù)流程及過程中產(chǎn)生的所有數(shù)據(jù)。尤其是零售企業(yè)，擁有大量的自有客戶的銷售數(shù)據(jù)。還有電商企業(yè)，他們擁有大量的顧客瀏覽數(shù)據(jù)、購買數(shù)據(jù)、訂單數(shù)據(jù)，這些數(shù)據(jù)如果就這么靜靜的躺在系統(tǒng)里，那么它們將毫無價值可言。

如何利用這些數(shù)據(jù)去挖掘我們的客戶，哪些是我們的利潤貢獻客戶？

哪些是我們的忠實老客戶？

哪些是我們的有待挖掘其購買力的老客戶？

哪些我們需要重點關(guān)注的面臨流失可能的高價值顧客？

哪些是我們的新增顧客、哪些是我們的低頻購買老顧客？

要想回答這些問題，首先我們需要用看得見的數(shù)據(jù)分析指標來呈現(xiàn)它們。正如彼得·德魯克所言“如果你不能衡量它，你就無法增長它”。讓這些靜止的數(shù)據(jù)動起來，變成有生命力的有價值的信息，幫助我們實現(xiàn)客戶增長，實現(xiàn)客戶價值最大化，增強客戶粘性，RFM模型將會幫你實現(xiàn)這個目標！

RFM模型簡介

在眾多的用戶價值分析模型中，RFM模型是被廣泛被應(yīng)用的。RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段。該模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢三項指標來描述該客戶的價值狀況。

R（Recency）：客戶最近一次交易時間的間隔。R值越大，表示客戶交易發(fā)生的日期越久，反之則表示客戶交易發(fā)生的日期越近。R值越大，證明此客戶沉睡時間越長，流失可能性越大。

F（Frequency）：客戶在最近一段時間內(nèi)交易的次數(shù)。F值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。F值越大的顧客也就是我們的忠實顧客，是他們活躍了我們的店面流量。而F值小的顧客，他們跟我們的粘性不大，忠誠松散，隨時可能面臨被競爭對手搶走的風險。

M（Monetary）：客戶在最近一段時間內(nèi)交易的金額。M值越大，表示客戶價值越高，反之則表示客戶價值越低。M值越大的顧客撐起了我們的業(yè)績，如果再利用帕累托分布分析一下，也許會發(fā)現(xiàn)，正是這M值大的20%的顧客，撐起了我們業(yè)績的80%的天空！

通過將這3個維度進行簡單的高低取值劃分，我們可以得到下面這個三維立體模型圖，共計8種分類結(jié)果。

以上內(nèi)容就是對于RFM模型知識的簡單介紹，如果想要了解更多內(nèi)容，大家可以自行查閱資料。

RFM模型設(shè)計障礙（干貨預警）

RFM模型就是要通過計算出R、F、M分別的取值，然后通過這個取值去獲取所對應(yīng)的客戶類型。那么在這個過程中，我們需要克服哪些難題呢？

“今天”這個動態(tài)值的獲取

在工廠計算字段里進行日期的差值計算

RFM的具體取值設(shè)定

根據(jù)RFM的取值獲取文本分類值

之所以會有這幾個難題困擾著我們，是因為工廠的計算字段目前只能處理數(shù)值，也只能得到數(shù)值結(jié)果！所以無法直接處理日期值，也無法獲取文本值。所以我們想要解決這個問題的關(guān)鍵也是在此特性之上！

劃重點：

因為數(shù)據(jù)工廠目前計算字段僅僅支持數(shù)值，所以我們所有非數(shù)值數(shù)據(jù)的處理，需要首先轉(zhuǎn)化編碼為數(shù)值，然后通過橫向連接獲取對應(yīng)的非數(shù)值數(shù)據(jù)。這個過程也就是對非數(shù)值數(shù)據(jù)進行數(shù)值編碼，然后再通過數(shù)值橫向連接對它進行解碼。

這是數(shù)據(jù)工廠處理非數(shù)值數(shù)據(jù)的核心思想！（針對目前功能而言2019.8.26）