淘宝客户关系管理调查报告——电子商务10级魏新奇

1、基于RFM模型的淘宝客户细分调查报告客户关系管理课程论文基于RFM模型的淘宝客户细分调查报告 学生专 业班级学号成绩：万振东、王雪波、魏新奇、吴雷、鲜开、张才、徐巍巍电子商务 101班100207108、100207109、100207110100207111、100207112、100207113、100207114基于RFM模型的淘宝客户细分调查报告摘要: 本文从淘宝存在的实际的客户细分问题出发，分析了之前客户细分的不足，提出了新的客户细分方法，并从调查的淘宝客户中随即选取了20名客户信息，运用客户细分模型RFM模型对淘宝店现有客户进行了科学的细分，对细分客户群体的交易行为进行深入分析并对

2、基本信息做了简单归纳，针对其制定了相应的营销策略，以期望达到客户保持以及客户价值提升的目的。 关键字：客户细分、RFM模型、客户生命价值、营销策略、客户保持引言根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency) 、消费频率(Frequency)、 消费金额(Monetary) 。这就是RFM模型，是衡量客户价值和客户创利能力的重要工具和手段。对于淘宝用户而言，不同的客户具有不同的价值。其首要问题是采取合理有效的方法对客户进行分类，并制定出相应的营销策略。1 RFM模型1.1 RFM模型三个指

3、标（1）最近一次消费最近一次消费意指上一次购买的时候顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车，或在你的超市买早餐最近的一次是什么时候。 理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长，只能靠偷取竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至6个月的顾客收到营销人员的沟通信息多于31至36个月的顾客。 最近一次消费的过程是持续变动的。在顾客距上一次购买时间满一个

4、月之后，在数据库里就成为最近一次消费为两个月的客户。反之，同一天，最近一次消费为3个月前的客户作了其下一次的购买，他就成为最近一次消费为一天前的顾客，也就有可能在很短的期间内就收到新的折价信息。 最近一次消费的功能不仅在于提供的促销信息而已，营销人员的最近一次消费报告可以监督事业的健全度。优秀的营销人员会定期查看最近一次消费分析，以掌握趋势。月报告如果显示上一次购买很近的客户，(最近一次消费为1个月)人数如增加，则表示该公司是个稳健成长的公司；反之，如上一次消费为一个月的客户越来越少，则是该公司迈向不健全之路的征兆。 最近一次消费报告是维系顾客的一个重要指标。最近才买你的商品、服务或是光顾你商

5、店的消费者，是最有可能再向你购买东西的顾客。再则，要吸引一个几个月前才上门的顾客购买，比吸引一个一年多以前来过的顾客要容易得多。营销人员如接受这种强有力的营销哲学与顾客建立长期的关系而不仅是卖东西，会让顾客持续保持往来，并赢得他们的忠诚度。 （2）消费频率消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客，也是满意度最高的顾客。如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。 根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯”(loyalty ladder)

6、，其诀窍在于让消费者一直顺着阶梯往上爬，把销售想象成是要将两次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。 （3）消费金额消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Paretos Law)公司80%的收入来自20%的顾客。它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍，占公司所有营业额的40%以上。如看累计百分比的那一栏，我们会发现有40%的顾客贡献公司总营业额的80%；而有60%的客户占营业额的90%以上。最右的一栏显示每一等分顾客的平均消费，表现最好的 10%的顾客平均花费1195美元，而最差的10%仅有18美元 。 案例分析如果你的预算不多

7、，而且只能提供服务信息给2000或 3000个顾客，你会将信息邮寄给贡献40%收入的顾客，还是那些不到1%的顾客？数据库营销有时候就是这么简单。这样的营销所节省下来的成本会很可观 。 结合这三个指标，我们就可以把顾客分成5*5*5 = 125类，对其进行数据分析，然后制定我们的营销策略。 最近一次消费、消费频率、消费金额是测算消费者价值最重要也是最容易的方法，这充分的表现了这三个指标对营销活动的指导意义。而其中，最近一次消费是最有力的预测指标2 淘宝实例研究2.1 淘宝RFM模型建立从淘宝客户关系管理调查问卷随机抽取的20名顾客的调查结果显示如图1所示：2.2基于RFM模式下，淘宝的客户细分与

8、分析2.2.1数据处理根据CRM系统里收集到得会员消费数据，对数据库做如下处理：R（客户最近一次的购买情况）以购买时间为标准：按最近一次的购买时间排序，最近的是5，最久的是1，将客户均分为5个等级。F（客户购买频率）以平均每个季度的消费次数为标准，次数最多的为5，最少的为1，将客户均分为5个等级。M（消费金额）以平均每个季度消费的金额为标准，最多的为5，最少的为1，将客户均分为5个等级。这样，每个客户在CRM系统中都会有一个属性为RFM指标。总计会得到5*5*5=125个RFM单元代码，每个单元都有相同数量的客户。2.2.2相关算法零售行业的R（Recency，客户最近一次的购买情况）、F（F

9、requency，客户购买频率）和M（Monetary，客户消费金额）权重为S=0.2R+0.3F+0.5M。每一个客户的RFM指标都对应一个S值，即为客户忠诚度标准。 1<S<2：此类客户为边缘会员2<S<3：此类客户为普通会员3<S<4：此类客户为银卡会员4<S<5：此类客户为金卡会员根据调查结果，进行RFM整合,可以将顾客分为：金卡会员、银卡会员、普通会员、边缘会员。分类情况如下表1:金卡会员银卡会员普通会员边缘会员6、173、4、7、9、10、11、13、14、201、2、5、12、15、16、17192.3 数据的获取与分析本文主要以淘

10、宝的顾客为研究对象。为使问卷数据客观、真实，问卷采用匿名方式，以减少顾客因为某些敏感问题而带来的压力。本文共发放问卷20份，回收20份，回收率100%。对收回的问卷进行回答完整性与真实性的检查，剩余的有效问卷20份，有效问卷回收率为100%。针对问卷所收集的数据，我们采用Excel作为数据分析工具。将调查的数据分别按Recency（由小到大），Frequency，Monetary（由大到小）的值排列，以20%为一群，分别给5、4、3、2、1分，共125个细小客户群，然后进行RFM整合。3 研究结果与讨论根据调查结果可以看出，淘宝最好的顾客所占的比率比较低，重点突破和遗弃的顾客占得比例相对较大，

11、淘宝应该制定相应的营销策略来改变这种情况，对于遗弃的顾客就不要再做留恋，把重点放在需要重点突破的顾客上，争取把重点突破的顾客变成最好的顾客。对于淘宝的现状，只要按照RFM模型客户细分的原则，将客户细分成若干群体，然后针对不同的客户制定出不同的客户营销策略，那么相信淘宝的顾客满意度以及客户忠诚度一定会有所提升，进而提高淘宝的销售业绩。参考文献1连惟谦.应用资料分析技术进行顾客流失与顾客价值之研究D.台湾:中原大学.20042陈伯成,梁冰,周越博,等.自组织映射神经网络(SOM)在客户分类中的一种应用J.系统工程理论与实践,2004(3):7-143吴育华,杜纲.管理科学基础M.天津:天津大学出版社.2001.222-2284张文彤,董伟.SPSS统计分析高级教程M.北京:高等教育出版社,2004.247-2485林盛,肖旭.基于RFM的电信客户市场细分方法J.哈尔滨工业大学学报,2006,