基于RFM模型的用户分类研究
摘要：现代科学技术的飞速发展推动了社会生产力的进步，企业的经营模式也随之发生了根本性的变化。“以客户为中心”的理念逐渐深入企业，高质量的客户细分不仅能够最优化配置客户资源，还能够为客户带去良好地消费体验。本文回顾了历史上各学者常用的客户细分模型，同时比较总结出RFM模型的优势以及选择该模型的理由，从而推动论文的顺利书写。
关键词：客户细分 RFM模型 用户价值
- 文献综述
- 国内外研究模型回顾
- RFM模型
RFM模型自1994年被Hughes提出后，就被广泛应用于客户关系管理的客户价值分析中，是定量分析客户价值的常用方法，而目前国内外基于RFM模型的研究也较为普遍和广泛。RFM模型由R(最近消费时间间隔)、F(消费频次)和M(消费总额)三个指标构成，根据客户在这三项指标上表现的差异，对具有不同的消费行为的客户进行分类。
RFM模型虽然简单易操作，但是它需要有高质量数据集的支撑，才能发挥更好的作用。而适合研究RFM模型的数据也必须包含或是能够计算出最近一次消费时间（R）、一段时间内的消费次数（F）以及消费金额（M）这三个重要指标。同时，如何对划分指标的高低，以什么标准划分都将影响客户细分的结果。
国内外有大量基于RFM模型对客户进行细分研究的论文，但是比起单纯的利用模型对客户进行区分，更多的研究学者是通过对RFM模型进行改进，从而实现对某一特定客户的细分。而对RFM模型进行改进的方法也是多种多样：有些学者会通过RFM模型和K-means聚类算法，对客户进行分类；而有些学者是对RFM进行改进，利用LRFMC模型——适用于航空行业的客户价值衡量模型，来对一些较为特别的客户进行客户分类；更有一些学者通过ARFM模型将顾客进行五等分，再结合K-means聚类分析对客户进行价值识别。通过对不同类型客户的分类数据进行可视化操作处理，更好的分类用户，并基于商家提出可靠的建议实现收益的最大化。由此可见，RFM模型几乎是用户细分这一研究上，最常用也是最核心的模型。
- LRFMC模型
常用的RFM模型由R(最近消费时间间隔)、F(消费频次)和M(消费总额)三个指标构成，但该模型并不完全适合所有行业。就像航空行业，因为其销售价格具有一定的特征，如“长途低等舱”可能没有“短途高等舱”的价值高，所以直接使用消费金额这项指标并不能良好地反映客户的真实价值。所以LRFMC模型就是在航空行业的背景下，对RFM模型的指标进行灵活调整，利用L(客户入会至当前时间的间隔，反映可能的活跃时长)、R(最近消费时间距当前的间隔，反映当前的活跃状态)、F(乘机次数，反映客户的忠诚度)、M(飞行里程数，反映客户对乘机的依赖性)和C(舱位等级对应的折扣系数，侧面反映客户价值高低)这五个指标对航空公司的客户进行细分。
传统的RFM模型是依据各个属性的平均值进行划分，但是，细分的客户群太多，精准营销的成本太高。而LRFMC模型将客户划分为重要保持客户，重要发展客户，重要挽留客户，一般客户和低价值客户这五种类型，针对每种类别的客户制定对应的价格和服务。针对性较强的模型有利有弊，在其专属领域最适宜，得出的结果也是最精确的，但其实用性并不强，抛开了航空行业，LRFMC模型就没有太大的利用价值。
- CLV客户生命周期价值模型
客户生命周期价值（Customer Lifetime Value，CLV）是对客户未来利润的有效预测，用来衡量一个客户在一段时期内对企业有多大价值。由于不同的客户对企业的价值不同，若企业能够专注于那些能带来最大未来利益的客户，适当放弃一些对企业的发展没有太大价值的客户，可以使企业的运营更加高效。
