rfm模型的客户细分策略
客户细分一般来讲就是在有限的资源之上，根据客户的属性，行为，需求，偏好加上价值等因素对客户进行细分和分类，进而提供有针对性的产品，服务和销售模式，是客户关系管理的重要组成部分。对电信行业的客户进行准确的细分，采取相应的营销策略，是电信行业发展的重要环节。本文以中国移动通信为例基于RFM模型并根据其客户特点，进而对客户进行有效细分，并对结果进行深入地客户分析，从而达到对不同的类型客户采用不同的服务和销售模式的策略。 关键词：客户细分；RFM模型；中国移动通信 目录
1、绪论 5
1.1 研究背景及意义 5
1.2 相关文献评述 5
1.3 研究内容及研究思路 6
2、RFM模型 7
2.2移动通信业的RFM模型的建立 8
2.3 RFM模型用于客户细分的优点 9
3、 基于RFM模型的客户细分方法 11
3.1确定细分对象 11
3.2指标数据获取 11
3.3无量纲处理 11
3.4细分结果 11
4、实例研究：以镇江江科大东校区动感地带品牌店为例 13
4.1店铺介绍 13
4.2数据收集 13
4.3数据处理 13
4.4细分结果 17
4.5营销策略 17
5、总结与展望 19
5.1总结 19
5.2展望 19
致谢 20
参考文献 21
附录 23
基于RFM模型的客户细分策略
1、绪论
1.1 研究背景及意义
建立健全完善的市场营销体系是移动通信行业的市场化改革的关键因素之一，而客户关系管理是企业市场营销决策策略的基础工作。面对移动通信在全球范围内迅速发展，移动通信的数字化、网络化的发展趋势。随着移动市场的竞争加强，客户资源的争夺日益激烈，移动通信企业意识到掌握客户资源就是拥有了宝贵的财富。然而移动通信对客户传统的管理方法仅以客户用话费量将客户粗略的划分为大客户和小客户，这种客户管理方法不能很好的体现客户的价值
*好棒文|www.hbsrm.com +Q: ^3^5^1^9^1^6^0^7^2^*
完善的市场营销体系是移动通信行业的市场化改革的关键因素之一，而客户关系管理是企业市场营销决策策略的基础工作。面对移动通信在全球范围内迅速发展，移动通信的数字化、网络化的发展趋势。随着移动市场的竞争加强，客户资源的争夺日益激烈，移动通信企业意识到掌握客户资源就是拥有了宝贵的财富。然而移动通信对客户传统的管理方法仅以客户用话费量将客户粗略的划分为大客户和小客户，这种客户管理方法不能很好的体现客户的价值。手机话费充值业务作为中国移动通信业务重要的组成部分，要想在激烈的竞争当中长期保持优势，保持较快的发展势头，较高的盈利，有必要对客户进行合理科学的细分，以客户为中心，为客户提供高质量，高满意度的产品和服务，从而获得客户较高的忠诚度，是电信企业最重要的核心竞争力。市场竞争激烈加强，而客户的要求也越来越高，不同的客户有不同的需求，相同需求的客户想法又不同，因此针对不同的客户进行系统的、差异化的管理很有必要，并通过差异化的客户服务策略保持老客户吸引新客户，最大化的满足客户的需求和要求，保持长期的购买行为，提高客户忠诚度，是移动公司一直以来的追求。
1.2 相关文献评述
(1) RFM模型的相关研究
部分文献研究跟移动通信客户关系管理方面的问题相关。金明[1]根据电信行业消费数据量大、客户数量多、维度多、客户生命周期长的特点，提出了一种基于客户行为视角的改进的RFM模型，同时利用AHP法确定出该模型中各个变量的权重，并在此基础上应用模糊聚类法对客户进行分类，并结合分类结果做出动态客户分析，最后达到对客户差异化管理的效果。岳晓婷[2]在基于客户消费行为的电信客户细分中，结合电信行业的特点，将RFM模型与层次分析法结合起来衡量客户价值，改进原有的细分方法，采用聚类分析法对客户细分，挖掘客户潜力，进一步降低了营销成本。徐祥斌，王佳强[8]等在传统零售行业客户细分的RFM模型上，引入总利润属性，创建RFP模型，并且使用数据挖掘算法对客户进行聚类分析，再与RFM模型进行比较，分析了模型属性的关联性对聚类结果的影响。跟各式各样的客户细分理论相比，RFM模型是比较基础的客户细分理论方法，但是也能比较全面的说明客户的购买行为，比较容易获取，也不用怕泄露客户的个人隐私。RFM模型是衡量客户价值和客户利益可获取能力的重要手段与工具。因此，将RFM模型作为客户细分与分类的标准比较准确，为其应用于移动通信客户关系管理提供了依据。再者，RFM模型具有比较容易上手，灵活性等特点，为企业决策缩短了时间，减少了因为客户细分营销活动带来的成本浪费。
客户细分相关研究
颜书云[3]采用基于Kmeans聚类和决策树分析方法的两阶段模式，对银行信用卡客户数据进行细分分析；郑贵生[4]通过建立多类别的Logistic回归模型对客户进行刻画及预测，采用层次分析法和K均值聚类法，以客户价值为依据对客户进行细分和价值评估，最后针对不同的客户提出不同的营销方案；陈炜[6]提出基于移动网络和终端的固有特点,相应的移动电子商务中CRM系统表现出与传统CRM不同的特点.在移动电子商务CRM系统客户细分方法中,FCM聚类分析方法是比较合适的,具体算法中除了要考虑RFM模型中三个重要因素外,一般还应关注客户来访途径、客户访问路径、客户停留时间、客户访问深度等变量因素。Marcelo Maia, Jussara Almeida, Virgilio Almeida[10]通过对视频网站YouTobe客户的九个属性聚类分析[11]，并给出了一种新的确定K值的方法以及分析如何排除不必要属性；James Caverlee, Steve Webb[12]研究了上百万数量的MySpace客户，验证了客户如何自我描述和分享兴趣和情感；杜修平和王中[13]通过改进的RFMROI模型对证券行业客户流失进行了分析；张玲芳和张婧[14] 将RFM模型与原协同过滤机制进行结合，制定了差异化的电子商务推荐策略；刘慧婷，倪志伟[15]针对客户交易数据维数高的特点，提出了基于EMD和KMeans的客户行为聚类方法，为商家提供了促销依据并节约了数据存储空间；王扶东，马玉芳[16] 利用层次分析法和聚类方法相结合，进行了实证分析。
1.3 研究内容及研究思路
1.3.1研究内容
客户细分是客户管理的前提和基础，本文以中国移动通信话费充值业务为研究对象，根据不同客户的特点，基于客户自身特点分析的RFM模型，对传统基于消费型RFM模型进行改进，转换成基于交费的RFM模型，并结合实际，抽样调查，收集数据，再对数据进行细分，进而对客户进行细分分类，并对不同客户类别进行行为特征和价值的分析，最后给出对不同客户类别的营销策略，提
1、绪论 5
1.1 研究背景及意义 5
1.2 相关文献评述 5
1.3 研究内容及研究思路 6
2、RFM模型 7
2.2移动通信业的RFM模型的建立 8
2.3 RFM模型用于客户细分的优点 9
3、 基于RFM模型的客户细分方法 11
3.1确定细分对象 11
3.2指标数据获取 11
3.3无量纲处理 11
3.4细分结果 11
4、实例研究：以镇江江科大东校区动感地带品牌店为例 13
4.1店铺介绍 13
4.2数据收集 13
4.3数据处理 13
4.4细分结果 17
4.5营销策略 17
5、总结与展望 19
5.1总结 19
5.2展望 19
致谢 20
参考文献 21
附录 23
基于RFM模型的客户细分策略
1、绪论
1.1 研究背景及意义
建立健全完善的市场营销体系是移动通信行业的市场化改革的关键因素之一，而客户关系管理是企业市场营销决策策略的基础工作。面对移动通信在全球范围内迅速发展，移动通信的数字化、网络化的发展趋势。随着移动市场的竞争加强，客户资源的争夺日益激烈，移动通信企业意识到掌握客户资源就是拥有了宝贵的财富。然而移动通信对客户传统的管理方法仅以客户用话费量将客户粗略的划分为大客户和小客户，这种客户管理方法不能很好的体现客户的价值
*好棒文|www.hbsrm.com +Q: ^3^5^1^9^1^6^0^7^2^*
完善的市场营销体系是移动通信行业的市场化改革的关键因素之一，而客户关系管理是企业市场营销决策策略的基础工作。面对移动通信在全球范围内迅速发展，移动通信的数字化、网络化的发展趋势。随着移动市场的竞争加强，客户资源的争夺日益激烈，移动通信企业意识到掌握客户资源就是拥有了宝贵的财富。然而移动通信对客户传统的管理方法仅以客户用话费量将客户粗略的划分为大客户和小客户，这种客户管理方法不能很好的体现客户的价值。手机话费充值业务作为中国移动通信业务重要的组成部分，要想在激烈的竞争当中长期保持优势，保持较快的发展势头，较高的盈利，有必要对客户进行合理科学的细分，以客户为中心，为客户提供高质量，高满意度的产品和服务，从而获得客户较高的忠诚度，是电信企业最重要的核心竞争力。市场竞争激烈加强，而客户的要求也越来越高，不同的客户有不同的需求，相同需求的客户想法又不同，因此针对不同的客户进行系统的、差异化的管理很有必要，并通过差异化的客户服务策略保持老客户吸引新客户，最大化的满足客户的需求和要求，保持长期的购买行为，提高客户忠诚度，是移动公司一直以来的追求。
1.2 相关文献评述
(1) RFM模型的相关研究
部分文献研究跟移动通信客户关系管理方面的问题相关。金明[1]根据电信行业消费数据量大、客户数量多、维度多、客户生命周期长的特点，提出了一种基于客户行为视角的改进的RFM模型，同时利用AHP法确定出该模型中各个变量的权重，并在此基础上应用模糊聚类法对客户进行分类，并结合分类结果做出动态客户分析，最后达到对客户差异化管理的效果。岳晓婷[2]在基于客户消费行为的电信客户细分中，结合电信行业的特点，将RFM模型与层次分析法结合起来衡量客户价值，改进原有的细分方法，采用聚类分析法对客户细分，挖掘客户潜力，进一步降低了营销成本。徐祥斌，王佳强[8]等在传统零售行业客户细分的RFM模型上，引入总利润属性，创建RFP模型，并且使用数据挖掘算法对客户进行聚类分析，再与RFM模型进行比较，分析了模型属性的关联性对聚类结果的影响。跟各式各样的客户细分理论相比，RFM模型是比较基础的客户细分理论方法，但是也能比较全面的说明客户的购买行为，比较容易获取，也不用怕泄露客户的个人隐私。RFM模型是衡量客户价值和客户利益可获取能力的重要手段与工具。因此，将RFM模型作为客户细分与分类的标准比较准确，为其应用于移动通信客户关系管理提供了依据。再者，RFM模型具有比较容易上手，灵活性等特点，为企业决策缩短了时间，减少了因为客户细分营销活动带来的成本浪费。
客户细分相关研究
颜书云[3]采用基于Kmeans聚类和决策树分析方法的两阶段模式，对银行信用卡客户数据进行细分分析；郑贵生[4]通过建立多类别的Logistic回归模型对客户进行刻画及预测，采用层次分析法和K均值聚类法，以客户价值为依据对客户进行细分和价值评估，最后针对不同的客户提出不同的营销方案；陈炜[6]提出基于移动网络和终端的固有特点,相应的移动电子商务中CRM系统表现出与传统CRM不同的特点.在移动电子商务CRM系统客户细分方法中,FCM聚类分析方法是比较合适的,具体算法中除了要考虑RFM模型中三个重要因素外,一般还应关注客户来访途径、客户访问路径、客户停留时间、客户访问深度等变量因素。Marcelo Maia, Jussara Almeida, Virgilio Almeida[10]通过对视频网站YouTobe客户的九个属性聚类分析[11]，并给出了一种新的确定K值的方法以及分析如何排除不必要属性；James Caverlee, Steve Webb[12]研究了上百万数量的MySpace客户，验证了客户如何自我描述和分享兴趣和情感；杜修平和王中[13]通过改进的RFMROI模型对证券行业客户流失进行了分析；张玲芳和张婧[14] 将RFM模型与原协同过滤机制进行结合，制定了差异化的电子商务推荐策略；刘慧婷，倪志伟[15]针对客户交易数据维数高的特点，提出了基于EMD和KMeans的客户行为聚类方法，为商家提供了促销依据并节约了数据存储空间；王扶东，马玉芳[16] 利用层次分析法和聚类方法相结合，进行了实证分析。
1.3 研究内容及研究思路
1.3.1研究内容
客户细分是客户管理的前提和基础，本文以中国移动通信话费充值业务为研究对象，根据不同客户的特点，基于客户自身特点分析的RFM模型，对传统基于消费型RFM模型进行改进，转换成基于交费的RFM模型，并结合实际，抽样调查，收集数据，再对数据进行细分，进而对客户进行细分分类，并对不同客户类别进行行为特征和价值的分析，最后给出对不同客户类别的营销策略，提
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jmgl/gsgl/680.html
