本文主要从原理、计算流程、应用场景等方面，介绍了5个客户模型：

  • 3个客户评估模型：RFM模型、忠诚度模型、活跃度模型；
  • 1个客户细分模型：Look-alike模型；
  • 1个客户响应模型：流失预警模型。

一. 建模流程

建模的过程一般分为以下几个步骤：

  1. 业务理解：明确面临的标签问题和建模的目的，完成标签问题到建模问题的定义过程；
  2. 数据理解：收集涉及到的数据、熟悉数据、识别数据质量问题、探索对数据的第一认识；
  3. 数据准备：从原始未加工数据到构造成最终的数据集过程；
  4. 建立模型：针对不同的标签问题选择建模技术，并对参数进行调优；
  5. 模型评估：评估模型和检查建模的各个步骤，确认是否达到解决标签问题；
  6. 模型部署：将模型部署到系统中，并对监控、维护该模型做出计划。

1. RMF模型

RFM模型是客户价值分析模型。该模型通过分析客户的近期消费行为、消费频率及消费金额，来衡量客户价值及创造利润能力，为客户价值分析、流失预警分析等精细化运营提供依据。

  • R：Regency（近度），即客户最近一次交易与当前时间的间隔。
  • F：Requency（频度），即客户的交易频率。
  • M：Montary（额度），即客户的交易金额。

该模型的输入数据为：最近一次交易时间、交易频率、交易金额这三个核心指标，分别计算出每个指标数据的均值，分别以avg（R）、avg（F）、avg（M）表示，然后将每位客户的三个指标值分别与平均值进行对比，K-means聚类分析，可得出以下8类客户价值群体：
image.png

  • 重要价值客户：最近交易时间近、交易频率和交易金额高，肯定是优质客户。
  • 重要发展客户：最近交易时间近，交易金额高，但交易次数少，但不太活跃，忠诚度不高，需要重点识别。
  • 重要保持客户：交易金额和交易频次都很高，但最近一次交易时间远，是个很长时间没来的忠实客户，需要主动和客户来次互动，及时唤回。
  • 重要挽留客户：交易金额高，但最近交易时间远、交易频次低，是潜在的价值客户，需要重点挽留。
  • 一般价值客户：最近交易时间近、交易频次也高，唯独交易金额小，“屌丝”群体，客户价值需要挖掘。
  • 一般发展客户：最近交易时间近，但交易频次和交易金额小，有推广价值。
  • 一般保持客户：交易次数多，但是贡献不大，一般维持即可。
  • 一般挽留客户：最近交易时间远、交易频次和交易金额也都很小，贡献度最小，如果运营精力充沛也可挽留。

输入的数据集经过RFM模型分析后，给每条数据里的客户打上八种标签值的其中一个，企业通过标签值筛选出不同的客户群后，就可以执行相应的贡献度分析、预警流失客户挽回等精细化运营，如：
给重要价值客户定时提供差异化尊享服务（淘气值1000以上提供88VIP会员卡）；
给重要保持客户建立EDM或电话营销等互动通道，及时唤醒并提高活跃度（近3个月没有信用交易的客户，电话推销告知提升客户额度并可提现）；
重要挽留客户是优质的存量用户群，要给予限时折扣或权益，投入精力重点挽回。

注：聚类是一种非监督式学习算法，聚类不要求源数据集有标注，一般应用于做数据探索性分析，聚类算法的结果是将不同的数据集按照各自的典型特征分成不同类别。 而k-means聚类算法的思想是：初始随机给定K个簇中心，按照距离最近原则把待分类的样本点分到各个簇，然后按平均法重新计算各个簇的质心，从而确定新的簇心，迭代计算，直到簇心的移动距离小于某个给定的误差值。