Professional Documents
Culture Documents
基于RFM模型的顾客消费行为与顾客价值预测研究 徐文瑞
基于RFM模型的顾客消费行为与顾客价值预测研究 徐文瑞
基于RFM模型的顾客消费行为与顾客价值预测研究
徐文瑞(广东省科技干部学院 广东珠海 519090)
中图分类号:C913 文献标识码:A
内容摘要:在以顾客为中心的营销时代,顾客关系管理成为企业的重要战略性举措。RFM 模型是衡量顾客价值
和顾客创利能力的重要工具和手段。本文以通信行业的流量包订购业务为研究对象,采用 RFM 模型及层次分析法,
根据顾客的历史消费数据,预测出具有较强再次订购倾向的潜在价值顾客,为企业营销策略制定提供可量化的参
考依据。
关键词:RFM 模型 消费行为 预测研究
RFM 模型及其研究现状
经典的 RFM 模式由美国数据库营销研究所 Arthur
Hughes(1994) 提 出,RFM 模 型 包 括 最 近 购 买 时 间 R
(Recency)、购买频率 F(Frequency)、购买金额 M
(Monetary)三个变量。
图 1 RFM 总分与累计订购率关系
最近购买时间 R 表示顾客最近一次的购买时间和分
析时间点间隔的天数。该值越小,顾客重复购买的可能
性越大,顾客价值越高。购买频率 F 表示计算期内顾客
购买产品或服务的次数。一般来说,顾客购买频率越高,
顾客越忠诚,顾客价值越大。购买金额 M 表示计算期内
顾客的购买总金额。一般来说,顾客购买金额越高,顾
客越忠诚,顾客价值越大。
RFM 模型被广泛的应用于识别顾客和分析顾客再次 图 2 RFM 总分与订购用户、订购率关系趋势
44 商业经济研究 2017 年 19 期
Consumer Market
表 2 判断矩阵
建模背景
本文以某市电信企业的全网语音用户(剔除无效用
户)为研究对象,根据其 2016 年 10 月及 10 月之前的消
费数据,预测其在下一个月是否继续订购通用叠加流量
包,以合理制定顾客接触频率,进而提高现有顾客的订
购率。根据历史数据分析,发现订购通用叠加流量包的
表 3 RI 取值
用户主要跟订购时间、订购金额以及订购次数有关,这
跟 RFM 模型的三要素相吻合,因此本文采用 RFM 模型
对通用叠加流量包的订购情况进行预测分析。
表 4 各用户 RFM 得分结果
如 果 把 流 量 包 也 当 作 一 件 商 品 来 看 待, 那 正 好
跟 传 统 的 RFM 模 型 的 指 标 一 致,R 表 示 用 户 最 近 一
次 订 购 流 量 包 距 离 分 析 点 的 时 间,F 表 示 用 户 一 定
时 间 段 内 订 购 流 量 包 的 次 数,M 表 示 用 户 一 定 时 间
段 内 订 购 流 量 包 的 总 费 用, 最 后 用 计 算 公 式:RFM_
SCORE=R×W R +F×W F +M×W M(W x 表示各参数的权重
值)计算出最终得分。
表 5 各用户得分区间与订购关系
模型构建
(一)样本选择
本研究主要是根据历史消费数据进行预测,因此假设
只要订购过流量包业务的用户都有可能在未来订购通用叠
加流量包,据此选择 2016 年 8-10 月订购过任何流量包业
务的用户作为建模样本。
(二)权重确定
对目标用户计算各属性值,提取出用户的 R(最近的
流量包订购时间)、F(订购次数)、M(累计订购的费用),
表 1 列出了各属性的描述性统计量,其中 R 代表最近订购
日期距离测试日期 2016/11/01 的间隔。
构建判断矩阵,本文采用层次分析法(AHP)确定各
参数权重,它是一种定性和定量相结合的方法,比较第 i
个元素与第 j 个元素相对上一层某个因素的重要性时,使
用数量化的相对权重 aij 来描述。设共有 n 个元素参与比较,
则 A=(a ij)n×n,称为成对比较矩阵,a ij 在 1-9 及其倒数中
取值:aij=1,元素 i 与元素 j 对上一层次因素的重要性相同;
aij=3,元素 i 比元素 j 略重要;aij=5,元素 i 比元素 j 重要;
《中文核心期刊要目总览》贸易经济类核心期刊 45
消费市场
46 商业经济研究 2017 年 19 期