上一篇文章和大家探討了營銷活動的新嘗試，今天和大家聊一聊CRM從業者的另一個工作重心——CRM數據分析。

“我們很重視CRM！” 幾乎所有的品牌方都達成了這樣的共識。但是一看團隊規模，近七成的品牌僅有一個CRM專員。

這個CRM專員既要做好營銷活動的策劃與管理，又要不斷完善會員制度，同時還得分析會員數據。既懂業務，又有一定數理統計基礎的CRM專員對大品牌而言也是可遇不可求。

好一點的情況是公司能有一套像樣的CRM軟件系統，但有的crm系統平臺要么缺少數據分析的功能，要么不夠契合品牌的實際業務。

事實上企業正在使用的CRM軟件并沒有那么稱心如意，依舊有大量的CRM從業者仍然過著手動拉取數據用EXCEL做分析的日子……

正因如此，我們立足于時尚零售行業的實際業務，為大家尋找到了一些每個人都能掌握的CRM數據分析方法。

會員基礎信息數據、行為數據、交易訂單數據……面對大量的會員數據，我們該從何下手？與其胡子眉毛一把抓，不如靜下心來先梳理一遍自己的業務，明確目標。

是為了提升復購率？還是為了減少營銷成本？只有在目標明確的前提下，我們才能更進一步。

比如我的目標是減少客戶流失，接下來就可以通過分析流失率，來了解客戶的總體流失情況。通過購買頻率和消費金額來細分會員。通過活動響應率和平均購物折扣，來制訂客戶挽回的策略等等。

流失率、消費近度、活動響應率……在這個過程中，我們用到了大量的KPI指標。KPI是一個很實用的風向標。

那么像這樣的KPI指標又有哪些？該如何計算？我們羅列了常用的KPI分析公式，希望能幫到大家。

拉取對應的數據，套用相應的公式，簡單的EXCEL操作就能滿足計算要求。KPI指標屬于定量的數據，因此很容易計算，但諸如客戶忠誠度、客戶價值這種定性的維度又該如何計算？

相似度模型、表查詢模型、樸素貝葉斯模型……適用于CRM數據分析的數學模型有很多，但綜合考慮分析的難易度和數據獲取的便利性，要說在客戶關系管理領域中應用最廣泛的，當屬RFM模型。

RFM是一種通過對距離最近一次消費的時長、消費頻率、消費金額三個維度的分析來描述客戶價值狀況的分析模型。

RFM的分析過程大致可以分為四步:

1．準備數據

從系統中拉取訂單交易數據，從中篩選出店鋪名稱、訂單編號、VIP卡號、VIP姓名、VIP種類、付款時間、實際付款金額七個關鍵數據。

2.數據預處理

刪除因門店不規范錄入造成的錯誤數據，以及因贈品而造成金額為0的數據。然后按照R、F、M三個維度整合數據。

根據最后付款時間計算出R（距離最近一次消費的時長）。通過篩選購買記錄統計出F（累計購買次數）和M（累計付款金額）。

3.劃分等級

在得到R、F、M的具體數值之后，我們需要把它劃分出多個區間，有人會直接將其進行平均的五等分，但我們更推薦按照實際業務情況來劃分R、F、M，每個區間最好都能得到業務上的解釋。

R的劃分可參考平均消費近度，F的劃分可參考平均購買次數，M的劃分可參考品牌自身的價格帶。

4.賦值計算

賦予每個區間一個具體的數值。如R1=1、R2=2、R3=3、R4=4、R5=5……假如有個會員，已經在店內購買了3次（F2），共消費了6000元（M4），并且已經有35天（R3）沒有進行再次購買，則該客戶的價值為9。

算到這里，細心的朋友可能已經發現了問題。R、F、M三個維度同樣重要嗎？很顯然，我們還需要在R、F、M之前設置一個權重相加等于1的系數，來解決三個維度所占權重不一致的問題。

權重如何設計？

應用最廣泛的是通過調研業務部門，征求各個重要領導的意見來制訂權重。更進一步的會利用AHP層次分析法，對R、F、M三個變量兩兩比較進行打分，得出判斷矩陣，計算權重。

以上是通過RFM模型對客戶價值進行計算的常規套路。但基于RFM模型的應用還遠不止此。計算出一個數值并不是目的，最終還是為了基于價值的客戶細分。

在RFM模型的基礎上演化出來的客戶細分方法有很多種。

有的通過SPSS軟件，用K-MEANS算法先將客戶進行聚類，反過來尋求業務上的解釋。

有的利用客戶價值矩陣，通過平均消費金額和消費頻次兩個維度將客戶分成樂于消費型、不確定型、優質型和經常型客戶四種類型。

也有人覺得上述方法獲得的客戶類型太少，不夠細致。通過R、F、M的三個平均値，將客戶分成8種類型是一種相對精準的細分方法。

RFM都很高的重要價值客戶，需要好好保持；交易金額和次數都很高，但最近無交易的客戶，需要進行老客喚回；最近有交易且金額很高的深耕客戶，是我們需要重點花精力的培養對象……

每一種細分都能在實際業務中找到相對應的客戶類型，在此基礎上，針對性的營銷舉措才有意義。