RFM模型僅僅是客戶價值模型中的一種
不同行業對於客戶價值的判斷標準不同，電商行業中會經常使用客戶價值領域中的RFM模型，電商中常用R表示時間與流失、F表示購買數量、M表示購買金額，但是這樣的指標定義卻並不適用於其他行業，例如銀行。
二八原則將人分爲了三六九等
二八原則適用於經濟環境的各個領域，這個世界上很多事物都遵循着二八原則，例如：
-
空氣中氮氣與氧氣的比例
-
人體佔比中的水分與其他
-
20%的人靠脖子上賺錢80%的人靠脖子下賺錢
-
20%的人想的是怎麼做纔有錢80%的人想的是要是錢就怎麼做
-
銀行投入80%的人力去服務20%的優質客戶
-
再或者超市中酸奶品牌很多，然而真正賣的好的產品一般只有蒙牛伊利，也就是酸奶類產品的利潤主要來源於20%的酸奶品牌
![]()
通常會用正態分佈去衡量公司的客戶價值，舊時候的工業社會由於技術、服務的匱乏，生產的產品相差不多，例如上一輩的年代，中國人穿的衣服基本都是相同的款式，那個年代，社會服務因此也更容易呈現出比較標準的正態分佈。
然而老闆並不希望客戶分佈爲正態分佈，對於公司發展而言，特別是互聯網類新型技術經濟體的出現，導致人們使用工具的利用效率完全不同，大部分人羣分佈會向高端分佈偏移，從而公司利潤的分配也相應進行了改變，人因此被分爲了三六九等，作爲老闆，自然也是希望更多的非核心價值客戶轉化核心價值客戶，從而公司的資金、人力以及資源也必然會向核心客戶傾斜，這就是爲什麼普通百姓去銀行需要排很久的隊，即使排隊人再多，銀行也不肯多開一個窗口的原因，要知道，銀行並不指望着排隊的這些“平庸”客戶賺錢。
可有可無的客戶必然被放棄
實際客戶分佈中，完全讓公司賺錢的高端客戶很少，完全讓公司不賺錢的低端用戶也很少，大部分的客戶都是普通大衆，即大部分客戶的需求與對公司的貢獻都差不多。
隨着客戶逐漸流動，必然會導致客戶分佈曲線中高端客戶一端趨於拖尾，因此客戶便被公司分爲高利潤客戶、次利潤客戶、中庸客戶以及可有可無客戶等幾部分，也就是人被分爲了三六九等，享有的服務也完全不同。
針對高利潤客戶，公司會投入更多的精力進行維護，針對次利潤客戶，公司會想辦法將他們轉化爲高利潤客戶，針對可有可無的客戶，公司會想辦法進行放棄。
要拋棄劣質客戶
客戶的向右流動即爲客戶的轉換，爲什麼要放棄分佈在最左端的劣質客戶呢？
例如，人的精力、財力有限，如果選擇在淘寶購物，那麼便不會在京東再下一次相同的訂單，針對京東而言，這樣的客戶便是無價值的客戶，而針對淘寶而言，這樣的客戶則是高價值客戶。拋棄最左端的劣質客戶意味着人員的優化，這也導致客戶價值分佈曲線的偏移越來越嚴重，這種情況下，便需要針對不同價值特徵的客戶進行分組，整個二八原則也在當前的經濟體系下被劃分的越來越細緻完善。
目前的經濟已經由大工業化經濟轉爲了個性化的工業經濟、互聯網經濟，經濟體系符合的是每個人的個性化的需求，因此也驅使了大衆行爲漸漸轉化爲小衆行爲。作爲數據分析師，在當前的價值分配體系下，我更多想到的是如何將大衆的行爲更多的轉化成小衆行爲、由小衆行爲再進一步轉化爲更加小衆的行爲，以此以持續的形成客戶的向右流動，即由非價值客戶轉換爲價值客戶、再由價值客戶轉換爲高價值客戶。
如何表示客戶向右轉化？
若要表示客戶向右轉化，除了需要找到具體的轉化特徵外，還需要找到指標特徵，例如，一個人買東西的數量很多，金額也很多，此時便可以將購物數量與購物金額這兩個指標作爲客戶的核心價值所在。
同樣，客戶的週期分析與時間相關，一個客戶流失概率的大小是由訂購時間長短進行區分，這個區分可以不斷進行細化，甚至可以在RFM模型的R指標中融入更多的影響因素，使得R這個指標變得更加科學。所以電商環境中，經常會將R指標作爲客戶流失程度的衡量指標，原因就是R指標可以整合其他的因素在模型之中，這樣整合可以理解成更深層的分析以及算法中的深層策略。
RFM是什麼？
客戶價值模型中的RFM模型是通過判斷客戶某段時間的活躍情況以及交易金額大小來進行客戶價值貢獻度區分，從而爲客戶價值細分提供算法依據，其中三個指標分別代表：
- R：Recency，表示客戶最近一次交易的時間間隔程度，R指標的數值越大，則表示兩次交易間隔時間越長；
- F：Frequency，表示客戶最近一段時間內的交易次數，F指標的數值越大，則表示客戶交易的次數越多，交易越頻繁，客戶較活躍；
- M：Monetary，表示客戶最近一段時間內的交易金額，M指標的數值越大，則表示該客戶的價值越高。
指標的選擇是客戶價值模型的核心，如果前期指標選擇錯誤，那麼後期客戶評定根本無法實現。需要注意的是，其他行業中，一般不太使用RFM這三個指標去進行客戶價值的分析，其他領域中需要另外尋找科學的框架或者理論，實際工作中，如果不知道如何進行指標的選擇，則需要參考大量行業資料進行指標的選擇。
有意思的客戶評定標準
實際生活中可見很多有意思的客戶評定，例如：
- 迅雷喜歡將客戶評定爲列兵、少尉、中尉、少校、中校、上校、大校、少將、中將、上將、三軍統帥等級別
- 銀行喜歡依據星級對客戶進行評定
- 電商行業喜歡用金銀銅對客戶進行評定
無論哪種客戶評定方式，其背後的核心技術都是依據理論信息從而將客戶分爲三六九等的。
我的公衆號：Data Analyst
個人網站：https://www.datanalyst.net/
