开篇提个问题：

一家电商店，想要在年货节上，为不同客户准备不同的购买方案，对于金牌客户而言在于留存，对于新用户而言则更多在于拉新，因此赠送的礼品及价格套餐各有差异，那么问题来啦——如何划分店铺客户等级呢？想要解决这个问题，就需要用到我们常说的客户价值体系划分。客户价值体系划分是指将客户按照其对企业的价值和潜力进行分类的一种方法。通常的划分方法包括按照客户的价值（如收益、利润、潜在价值等）或者按照客户的潜力（如发展潜力、增长潜力等）进行划分。客户价值体系划分的目的在于：

明确企业的目标市场，优化客户组合

制定有针对性的营销策略，提升客户价值

合理配置资源，提升客户满意度和忠诚度

什么情况下需要做客户价值体系划分呢？一般而言，企业如有以下需求，则可能需要进行客户价值体系划分：

企业想要更加精准地定位目标市场，优化客户组合

企业需要制定有针对性的营销策略，提升客户价值

企业进行合理配置资源，提升客户满意度和忠诚度

企业希望为决策提供依据，例如决定是否继续为某些客户提供服务

总的来说，客户价值体系划分是一种有效的客户分析方法，可以帮助企业更好地管理客户资源，提升客户价值。那么，企业该如何进行客户价值体系划分？今天，我们就分享一种数据分析模型——RFM模型，一种用于客户价值分析的模型。学会之后，你也可以进行客户价值体系划分！01.什么是客户价值划分RFM模型？客户价值划分（RFM）模型是衡量客户价值和客户创造利益能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该模型通过客户的近期购买行为、消费频率以及消费金额 3 项指标来描述该客户的价值状况。简单的说，RFM 模型基于客户的消费行为，将客户划分为不同的价值等级。02.RFM模型重要指标RFM模型是网点衡量当前用户价值和客户潜在价值的重要工具和手段。RFM是Recency（最近一次消费）、Frequency（消费频率）、Monetary（消费金额），三个指标首字母组合。R值：最近一次消费（Recency）：客户在店铺消费最近一次和上一次的时间间隔，理论上R值越小的客户是价值越高的客户，即对对产品及品牌印象度越高。F值：消费频率（Frequency）：客户在固定时间内的购买次数（一般是1年），购买频率越高，对品牌忠诚度越高。但实际店铺由于受品类宽度的原因(如电子产品等)，即使是忠实粉丝用户也很难在1年内购买多次。所以，一般会把F值的时间范围去掉，替换成累计购买次数。M值：消费金额（Monetary）：M值相对于R值和F值最难使用，但最具有价值，金额越高，给店铺创造的收入和利润越高。理论上M值和F值是一样的，都带有时间范围，指的是一段时间（通常是1年）内的消费金额。

03.基于RFM模型的实践应用CRM（客户关系管理）操盘手，主要有两种方法来分析RFM模型的结果：用基于RFM模型的划分标准来进行客户细分，用基于RFM模型的客户评分来进行客户细分。基于RFM模型进行客户细分CRM实操时可以选择RFM模型中的1-3个指标进行客户细分。细分指标需要在自己可操控的合理范围内，并非越多越好，一旦用户细分群组过多，会给自己的营销方案执行带来较大的难度，还可能会遗漏用户群或者对同个用户造成多次打扰。 最终选择多少个指标有两个参考标准**：店铺的客户基数**，店铺的商品和客户结构。

店铺的客户基数：在店铺客户一定的情况下选择的维度越多，细分出来每一组的用户越少。

店铺的商品和客户结构：如果在店铺的商品层次比较单一，客单价差异幅度不大的情况下，购买频次（F值）和消费金额（M值）高度相关的情况下，可以只选择比较容易操作的购买频次（F值）代替消费金额（M值）。对于刚刚开店还没形成客户粘性的店铺，则可以放弃购买频次（F值），直接用最后一次消费（R值）或者消费金额（M值）。

通过RFM模型评分筛选目标用户 另一种常见的方法是利用RFM模型的三个属性对客户进行打分，通过打分确定每个用户的质量，最终筛选出目标用户。 RFM模型评分主要有三个部分： 1、确定RFM三个指标的分段和每个分段的分值； 2、计算每个客户RFM三个指标的得分； 3、计算每个客户的总得分，并且根据总得分筛选出优质的客户。04.根据用户类型设定营销策略针对每个指标进行打分（1-5分），根据数据分布和业务不同，打分的标准也可以进行更改。三个指标打分后将用户分成 125 [R(5)*F(5)*M(5)] 个类别，但是出 125 份营销策略是非常困难的，正常使用时会将每个指标分为两类（以指标均值为例，打分高于均值的属于高，否则属于低）

最后将用户分成 8 个类别，针对每个类别的用户设计对应的营销策略，具体如下图：05.客户价值划分RFM模型案例分析

案例：根据某商铺近一年客户最近1次消费时间间隔、消费频率以及消费金额3项指标，对客户价值进行分析

收集数据后，点击开始分析，得到输出结果RFM用户类型图

客户价值划分（RFM）基于最近一次消费、消费频率、消费金额这三个指标将用户群体分为8类：重要价值用户占比37.0%，重要发展用户占比8.0%，重要保持用户占比0.0%，重要挽留用户占比15.0%，一般价值用户占比4.0%，一般发展用户占比11.0%，一般保持用户占比0.0%，一般挽留用户占比25.0%。 RFM用户类型表

上表格展示了客户价值划分(RFM)模型的结果，根据表格结果，可以清楚的查看他们的用户类型，以及最近1次消费时间间隔、消费频率以及消费金额。最后，在使用 RFM 模型进行客户价值分析时，需要注意以下几点：

数据准确性：RFM 模型是基于客户的消费数据进行划分的，因此需要确保数据的准确性。

数据及时性：RFM 模型基于客户的消费数据，因此需要及时更新数据，以保证模型的准确性。

划分标准：RFM 模型通常将客户划分为不同的价值等级，因此需要确定划分标准，以保证划分的合理性。