Из Википедии, бесплатной энциклопедии
  (Перенаправлено из RFM (ценность для клиента) )
Перейти к навигации Перейти к поиску

RFM - это метод, используемый для анализа ценности клиента . Он широко используется в маркетинге баз данных и в прямом маркетинге и получил особое внимание в сфере розничной торговли и профессиональных услуг. [1]

RFM означает три измерения:

  • R ecency - Как недавно сделали покупку клиентов?
  • F requency - Как часто они покупают?
  • M onetary Value - Сколько они тратят?

Покупки клиентов могут быть представлены в виде таблицы со столбцами для имени клиента, даты покупки и стоимости покупки. Один из подходов к RFM заключается в присвоении баллов по каждому параметру по шкале от 1 до 10. Максимальный балл представляет собой предпочтительное поведение, и можно использовать формулу для расчета трех баллов для каждого клиента. Например, бизнес, основанный на предоставлении услуг, может использовать следующие вычисления:

  • Давность = максимум «10 - количество месяцев, прошедших с момента последней покупки» и 1
  • Частота = максимальное из «количества покупок покупателя за последние 12 месяцев (с ограничением 10)» и 1
  • Денежное выражение = наибольшая стоимость всех покупок покупателя, выраженная как кратное некоторой контрольной стоимости.

В качестве альтернативы можно определить категории для каждого атрибута. Например, Recency можно разбить на три категории: клиенты, совершившие покупки в течение последних 90 дней; от 91 до 365 дней; и более 365 дней. Такие категории могут быть выведены из бизнес-правил или с использованием методов интеллектуального анализа данных для поиска значимых разрывов.

После того как для каждого из атрибутов определены соответствующие категории, на пересечении значений создаются сегменты. Если бы для каждого атрибута было три категории, то итоговая матрица имела бы двадцать семь возможных комбинаций (один хорошо известный коммерческий подход использует пять бинов для каждого атрибута, что дает 125 сегментов [2]).). Компании также могут решить свернуть определенные подсегменты, если градации кажутся слишком маленькими, чтобы быть полезными. Результирующие сегменты можно отсортировать от наиболее ценных (самая высокая новизна, частота и ценность) до наименее ценных (самая низкая недавность, частота и ценность). Выявление наиболее ценных сегментов RFM может извлечь выгоду из случайных связей в данных, используемых для этого анализа. По этой причине настоятельно рекомендуется использовать другой набор данных для проверки результатов процесса сегментации RFM. Сторонники этого метода отмечают, что его достоинство заключается в простоте: не требуется специального статистического программного обеспечения, а результаты легко понимаются деловыми людьми. В отсутствие других методов таргетинга он может повысить количество откликов на рекламные акции.

Варианты [ править ]

RFD - Recency, Frequency, Duration - это модифицированная версия RFM-анализа, которая может использоваться для анализа потребительского поведения бизнес-продуктов, ориентированных на аудиторию / читательскую аудиторию / серфинг. (Например, количество времени, проведенное серферами в Википедии )

RFE - Recency, Frequency, Engagement - это более широкая версия анализа RFD, где взаимодействие может быть определено, чтобы включать продолжительность посещения, количество страниц за посещение или другие подобные показатели.

RFM-I - Recency, Frequency, Monetary Value - Interactions - это версия структуры RFM, модифицированная для учета недавности и частоты маркетинговых взаимодействий с клиентом (например, для контроля возможных сдерживающих эффектов очень частых рекламных взаимодействий). [3]

RFMTC - Recency, Frequency, Monetary Value, Time, Churn rate - расширенная модель RFM, предложенная I-Cheng et al. (2009). [4] Модель использует последовательность Бернулли в теории вероятностей и создает формулы, которые вычисляют вероятность покупки покупателем в следующей рекламной или маркетинговой кампании. Модель была реализована [5] [6] Александросом Иоаннидисом для наборов данных, таких как наборы данных по переливанию крови и CDNOW.

Ссылки [ править ]

  1. Перейти ↑ Fader, PS, Hardie, BG, & Lee, KL (2005). RFM и CLV: использование изометрических кривых для анализа клиентской базы. Журнал маркетинговых исследований, 42 (4), 415-430.
  2. ^ «Отчетность по RFM для электронной торговли» . 2020-12-12.
  3. ↑ Ткаченко, Егор. Автономное управление CRM через приближение CLV с глубоким обучением с подкреплением в пространстве дискретных и непрерывных действий. (8 апреля 2015 г.). arXiv.org: https://arxiv.org/abs/1504.01840
  4. ↑ Yeh, I-Cheng, Yang, King-Jang и Ting, Tao-Ming, «Открытие знаний о модели RFM с использованием последовательности Бернулли», «Экспертные системы с приложениями», 2009.
  5. ^ "GitHub - it21208 / RFMTC-Implementation-Using-the-CDNOW-dataset" . 2018-12-17.
  6. ^ «RFMTC (Новая маркетинговая прогнозирующая модель / последовательность Бернулли) с использованием набора данных о переливании крови: It21208 / RFMTC-Using-the-Blood-Transfusion-Dataset» . 2018-12-17.

Внешние ссылки [ править ]