新客户价值细分模型探讨及在风险客户识别方面的应用讲解学习
新客户价值细分模型探讨及在风险客户识别方面的应用
来源：计费&OSS世界作者：闫森时间：2006年10月19日
本文针对电信运营企业建设客户关系管理系统（CRM）时所需要的客户细分模型从数学建模和模型应用等方面进行深入探讨，结合吉林联通CRM系统的建设给出了模型的实现方法，并给出了风险客户的判别参数及应用示例，具有较强的实用价值。
吉林联通客户关系管理系统的概要介绍
随着中国电信业市场竞争的激烈，传统的经营模式受到了很大的冲击，难以适应不断增长的市场需求，电信运营商必须从传统的经营模式向“以客户为中心，市场为导向”的经营模式转变。
中国联通吉林分公司的领导提出，必须以客户为中心，以客户的价值取向和消费心理为导向，进行客户细分，为用户提供高品质的服务，真正体现“创造需求”、“引导消费”的现代客户服务意识与理念。
中国联通吉林分公司基于CRM的理念及系统建设，针对客户的消费行为，根据客户价值的细分和不同的贡献度，制定相应的营销战略，开发适合的产品和服务，来赢得和保持客户。为了能在存量市场竞争中取胜，企业必须具有强大的客户关系维系能力，在为客户提供贴身的电信产品和服务的同时，为客户提供主动关怀，不断提高客户忠诚度。这就需要一个以客户为中心构建的客户价值细分系统，为客户提供一致的端到端差异化和个性化服务，为一线销售和服务人员提供实用高效的工作平台、全面的客户信息和销售、服务策略的指导建议。
2005年5月吉林联通基于CRM的理念，开始了“客户维系挽留、积分及代理商管理系统”即 CRM系统前期的建设工作，目前已经完成了统一客户资料、客户维系挽留、积分管理、代理商管理、集团客户管理、信用度管理等模块的建设，实现了CRM系统目标要求的部分功能。
客户价值细分的建设目标
客户价值细分的建设作为吉林联通CRM系统建设的重点，它涉整个系统的基础应用数据的抽取和整理，是进一步为客户提供个性化、差异化服务的基础，一个不断新建和整合的过程。
客户价值细分的建设目标为：
（1）建立客户价值模型，实现科学、自动的模型处理。
（2）通过模型应用，节省成本，并充分进行差异化客户服务及个性化服务。
（3）通过细分模型，发掘不同价值和不同风险的用户，对“高价值低风险”、“高
价值高风险”的用户采取不同的服务策略，最大限度的延长客户的生命周期和提高客户价值，降低用户给公司带来的风险。
（4）实现对客户生命周期内各个阶段的客户价值模型的支撑。对不同生命周期客户的采取不同的销售、服务、预防、维系和挽留策略。真正做到客户生命周期的全程跟踪。
（5）实现服务、管理、营销等各个层面客户价值的整合，更好的利用联通资源来实现客户发展、产品营销和客户维系挽留。
（6）完善客户价值及信用度的支撑信息建设。
客户细分方法的概述
客户细分的手段是通过聚类算法，将客户分成不同的客户群，识别这些不同客户群的消费习惯和消费特征，有针对性地作新业务推荐，实现对称营销，达到销售成本最小化的目的。
聚类的纬度可以包括：
（1）客户背景属性：性别、年龄、职业、教育程度、收入；
（2）行为属性：计费时长、平均呼叫时长、呼叫次数、漫游呼叫次数、非漫游呼叫次数、呼叫时间、长途方式、国内长途呼叫次数、国际长途呼叫次数、高额呼叫次数、联系号码个数、活动地区数等；
（3）账务属性：付费方式、欠费等级、信用额度、月均缴费额、套餐计划、优惠方式等；
（4）客户扩展属性：消费层次、信用度、客户价值、活跃程度等。
通过这样的聚类对客户分群，使我们对客户总体构成有准确认识，对客户的营销更具针对性。
目前客户细分的模型有很多种，常见的有ARPU值模型、积分模型和综合价值模型。综合价值模型一般都考虑了ARPU值、在网年限、信用度、社会影力等指标，但无论复杂还是简单，都体现了价值原则，以价值为导向。
客户细分是按照不同标准对客户进行分类，客户细分管理支持各种客户细分要求。常用的客户细分模型可以包括3类：
（1）客户生命周期：描述客户生命过程的模型，比如可以将用户的各个生命阶段
划分为潜在用户、新用户、成长用户、稳定用户、波动用户、流失倾向用户和历史用户。
（2）客户价值模型：可以从用户的贡献度和忠诚度方面加以考察。贡献度可以按ARPU值作为分析依据，比如分为高贡献用户、中等贡献用户和低贡献用户三个等级。
（3）客户行为模型：可以从客户的呼叫、消费、支付和资费选取等方面来考察客户的行为，在客户细分时分别建立用户的呼叫特征模型、消费特征模型、支付特征模型和资费特征模型。
根据以上的对网上客户的状态、消费情况和行为三类指标的测定，利用分析工具，判断客户所处的生命周期阶段，如图1所示。
图1 客户生命周期涉及因素示意图
具体指标判断见表2。
表2 具体指标判断情况
问题来源
在通过ARPU值、积分值、信用度值、话务量值等细分客户的模型中大多数都是如下的描述：在某段时间（一般是按月计算）内，用户在以上几种评估值（即：ARPU值、积分值、信用度值、话务量值等）上平均取值达到某一个阀值，则判定为某类用户。
沉默用户激活及客户价值分析
2014-7-6 13:54:00 沉默用户激活方案 一、几个基本定义： 1.交易间隔：用户的相邻两笔交易之间的交易间隔时长 2.沉默：最大交易间隔时长远大于某一设定阈值 3.活跃：最大交易间隔时长远小于某一设定阈值 4.排秩、秩次：对集合内的值排序，排序后所在的位置即为秩次 5.秩次比：所在秩次占集合元素总数的比值 6.沉默得分：用户沉默的程度得分，用来差异化细分沉默用户群 二、基本分析思路： 1．计算出单个用户的每次交易间隔，以此为基本数据原料进入下一步分析； 2.定义沉默用户的最大交易间隔阈值，以此为标尺，测量各个用户距离沉默的远近及可 能性； 3.计算沉默用户的沉默得分，划分沉默用户等级； 三、计算流程： 1.计算每个用户的历史交易频率F的间隔时长Ti＝｛T2-T1,T3-T2,…,Tn-Tn-1｝ 2.计算每个用户的最后一笔交易距今时长Tr=Today-Recently 3.对集合｛Ti｝及Tr进行排秩，并输出对应秩次{RankT1,RankT2,…,RankTr,…,RankTn} 4．将Tr所在秩次除以该用户总交易次数cF，得出秩次比TrF； ｀算法解释：以用户历史最大沉默间隔为参考，若Tr接近Max{Ti}，则表示该用户已 接近沉默边缘，并极有可能转入沉默状态，反之接近活跃。 活跃0 1 沉默 此处求百分比的目的为：将实际问题数字化，并以量化方式呈现： 若最近一笔消费距今时长排秩比： 等于1，则表示该用户已进入沉默状态； 若接近1，则表示用户靠近沉默边缘； 在0到1之间，表示用户未表现出明显即将进入沉默状态信号； 若接近0，则表示用户靠近活跃状态； 5.将Tr除以Max{Ti}，求得用户沉默得分S； ｀算法解释：以用户历史最大沉默间隔为参考，以数值方式衡量沉默程度： 以得分＝1为界限： 若得分小于1，则表示用户沉默程度较低，且未完全进入沉默状态； 若得分等于1，则表示用户已进入沉默状态； 若得分大于1，则表示用户已进入沉默状态，且沉默程度为S1－1； 若得分远大于1，则表示用户已进入沉默状态，且沉默度为S2－1（即
细分市场研究方法及市场规模测算模型探讨
细分市场研究方法及市场规模测算模型探讨 一、市场数据收集方法 （1）调研对象 外部调研对象：行业专家、行业协会、下游客户、竞争对手、供应商、经销商、代理商、合作伙伴、研究机构、大学、券商研究部等 公司内部对象：公司管理层、相关职能部门专业人员 （2）研究方法 内部访谈法、内部研讨会、问卷调查法、实地调研法、头脑风暴法、案头研究、基准分析等 （3）数据资料查找途径 商业数据库、谷歌、百度、豆丁、Chinainfobank、ISI等网站、国家统计局公布数据、年鉴、行业期刊、杂志、专业论坛、所属行业的权威机构公布数据、海关数据、行业协会公布数据、国家及行业重大政策和规划、行业研究报告、券商报告等 二、市场规模测算方法 1、市场规模测算及预测方法 （1）方法介绍 巴比社会研究法、直接投资额法、整体投资比例法、趋势外推法、回归模型法、普及率类比、瑞利多因素法、专家德尔菲预测法、直观判断预测法、时间序列分析预测法、回归分析预测法、结构分析预测法等 （2）推算思路 市场规模的推算方法较多，从行业特性来说，不同情况推算思路略有不同。从供应端和专家得到的信息和数据，并以此进行市场推估。这个方法比较适用于下游应用领域众多、消费不集中的情况；从消费端进行分层抽样再进行数据汇总，适用于下游市场比较单一，应用
领域相对集中的市场；同时采集供应端和消费端数据，并进行数据交叉验证，适用于产品或行业相对垄断，供应和消费行业都较为集中的产品或行业。 2、软件类企业案例——互动媒体系统平台 （1）背景分析： 互动媒体系统平台软件的下游行业主要包括电信运营商、广电新媒体运营商、广电网络运营商。在三网融合背景下，电信和广电运营商在基于内容的信息系统、双向网络改造、宽带升级、终端硬件投入的基础上，向广大受众提供IPTV、互动电视、网络视频、互联网电视、手机视听等各类互动媒体业务，这些业务的基础用户数量和营收情况直接影响系统平台软件的投资规模。 产业产业投资具体产品价值链环节 代表业务
RFM客户价值模型
RFM客户价值模型 [编辑] RFM模型的内容 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) [编辑] 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。 [编辑]
顾客价值的理论模型
顾客价值的理论模型 一、4Cs理论 4Cs理论注重以顾客需求为导向，注重顾客的价值需求，与站在生产者角度上的4PS相比有很大的进步。包括顾客、成本、便利和沟通四个方面。顾客：消费者是企业一切经营活动的核心，企业重视顾客要甚于重视产品；成本：消费者可接受的价格是企业制定生产成本的决定因素，企业应首先了解消费者满足需要与欲望愿意付出多少成本，而不是先给产品定价。便利：方便顾客，维护顾客利益，为顾客提供全方位的服务，便利原则应贯彻于产品售前、售中、售后的营销全过程。沟通：用沟通取代促销，强调企业应重视与顾客的双向沟通，以积极的方式适应顾客的情感，建立基于共同利益上的新型企业——顾客关系。 二、可感知价值理论 在企业为顾客设计、创造、提供价值时应该从顾客导向出发，把顾客对价值的感知作为决定因素。顾客价值是有顾客而不是供应企业决定的。感知价值是主观的，随顾客的不同而不同。 顾客感知价值就是将顾客所能感知到的利益与其在获取产品或服务时所付出的成本进行权衡后，对产品或服务效用的总体评价。 三、动态顾客价值理论 顾客价值也可能因适用环境的不同而有所差异，顾客在不同时间对价值的评估也可能有所不同。即不同顾客可能有不同的价值感知，而同一顾客在不同时刻也会有不同的价值感知，即顾客价值具有明显的层次性和动态性。 四、顾客让渡价值理论 顾客让渡价值是指顾客总价值与顾客总成本之差。顾客的总价值包括产品价值、服务价值、人员价值和形象价值等，顾客总成本包括货币成本、时间成本、精神成本和体力成本。由于顾客在购买产品时，总希望把成本降到最低限度，而同时又希望从中获得更多的实际利益，以使自己的需要得到最大限度的满足。企业为了在竞争中战胜竞争对手，吸引更多的潜在客户，就必须以满足顾客的需要为出发点，或增加顾客所得利益，或减少顾客消费成本，或两者同时进行，从而向顾客提供比竞争对手具有更多顾客让渡价值的产品，这样才能使自己的产品引起顾客的注意，进而使其购买企业的产品。 五、顾客价值过程理论 在紧密的关系中，顾客可能会将重点从独立的提供物转向评价作为整体的关系。如果关系被认为有足够价值的话，即使产品或服务不是最好的，参与交换的各方可能仍然会达成协议。六Jeanke 、Ron、Onno 的顾客价值模型 Jeanke、Ron、Onno 的模型从供应商和顾客两个角度,描述了随着业务发展,价值从一个模糊的概念到市场上的具体产品的整个过程。对供应商而言,供应商的依据的是他所感觉到的顾客需求以及企业本身的战略、能力和资源,形成“想提供的价值”的概念。由于企业条件或产品开发与市场脱节等原因,企业以“想提供的价值”为基础,设计出以具体产品或服务为载体的“设计价值”,两者之间存在“设计差距”。对顾客而言,顾客从自身角度出发希望获得的是“想要得到的价值”。由于供应商与顾客之间存在对于顾客需求的不对称信息,或是企业在顾客需求调查过程中,过多地掺杂了企业自身的思想,对顾客需求的分析未必客观准确,所以“想提供的价值”与顾客“想得到的价值”之间存在“信息差距”。顾客的主观性价值感知,使“期望价值”与设计价值间出现“感知差距”。当顾客使用产品后,所“得到的价值”
数据挖掘应用案例：RFM模型分析与客户细分
数据挖掘应用案例：RFM模型分析与客户细分 分类：数据挖掘 | 标签：市场研究数据挖掘RFM模型 2012-01-21 21:39阅读(16854)评论(9) 这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 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)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！
这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言） ?一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多 少记录和字段的； ?Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足 ?海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断 就悲剧了，呵呵； ?数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作； ?多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数 据分隔符采用“|”存储；
数据挖掘应用案例：RFM模型分析与客户细分-沈浩老师
这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM 模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 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)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。
一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！ 这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS Modeler14.1，Tableau7.0，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）
客户细分精准化营销—RFM模型
客户细分精准化营销——RFM模型 一、研究目得 1、了解哪些客户就是价值、需发展、需保持、需挽留得; 2、对不同类别得客户进行不同得营销策略,增大客户购买得可能性; 二、RFM简介 RFM模型就是衡量客户价值与客户创利能力得重要工具与手段,R近度(Recency),F频度(Frequency),M额度(Monetary)。该模型得作用如下: （一）给不同类别得客户进行不同得营销策略(称之为个性化营销策略),减少客户得反感,促进客户得转化,即精准化营销。 (1)对重要价值客户111进行推送“恭喜您成为VIP！如果您有问题,我们会优先处理;如果我们有新产品或新活动,会优先告知您！”“感谢您下单,祝您用餐愉快！”等等。 (2)对重要保持客户011(很久没有下单,但就是以前非常频繁,贡献度比较大,这些忠诚客户流失了,需要紧急处理)进行“Hello,好久不见！”“回访找出流失原因”“保持联系,提高其忠诚度与满意度”“线下邀请参加活动”“线上互动功能开发、线上互动活动策划”等等,只要下单就行,即成为重要价值客户。 (3)对重要发展客户101(频次低,但最近下单,贡献度较大,有钱力得客户)进行“发放一定数量得优惠券,优惠券额度递增”“满就减”等等,让客户多下单,即成为重要价值客户。 (4)对重要挽留客户001(很久没下单,频次低,贡献度较大),对客户进行适当得挽留营销策略。 (5)对一般价值客户110(最近下单,频次高,贡献度较小,比较穷得客户),可以进行“会员卡充100送10”“满减活动”“套餐”等策略。 (6)对于一般保持客户010(很久没下单,频次高,贡献度较小,流失得比较穷得客户),可以“Hello,好久不见！已发放一定数据得优惠券,位置在……,请查收！” (7)对于一般发展客户100(最近下单,频次低,贡献度较低,即新客户)进行品牌介绍以及多次消费刺激策略,“您好,我们就是…、、,致力于……。如果您有反馈或疑惑,请第一时间联系我们,xx……,公众号……。最近我们有促销活动,……” (8)对于一般挽留客户000(已流失客户)不就是我们得营销重点,所谓20%得
顾客价值分析模型
顾客价值分析模型 管研00 郑立明 摘要：在前人有关顾客价值研究的基础上，本文首次提出设计价值和顾客决策价值等新概念，区分顾客期望价值和顾客感知价值的不同含义，构建一个动态的顾客价值分析模型，并分析它所包含的基本关系。最后给出计算顾客感知价值的一个实例。 关键词：设计价值顾客决策价值顾客价值模型 1 顾客价值含义的简要回顾 P·Kotler（1994）提出顾客让渡价值（Customer Delivered Value），它指的是总顾客价值与总顾客成本之差。总顾客价值就是顾客从某一特定产品或服务中获得的一系列利益，它包括产品价值、服务价值、人员价值、形象价值；而总顾客成本是在评估、获得和使用该产品或服务时而引起的顾客预计费用，它包括货币成本、时间成本、体力成本、精力成本［1］。 …… 在前人研究的基础上，本文将提出“设计价值”和“顾客决策价值”两个新概念，并进一步分析和界定顾客价值的其他相关概念，据此建立起一个动态的顾客价值分析模型。 2 顾客价值分析中的一些基本概念 2.1 顾客期望价值（Customer Expecting Value，CEV） 顾客期望价值（CEV），反映顾客在特定的环境和时空条件下，对于某种产品或服务的主观需求状态，是一种有待实现和期待满足的需求量；或者指：在消费之前顾客对已经存在的某种产品或服务的预先感知的价值量，因而也可以是一种实在的估计值。 …… 当今的顾客比以往掌握更多的知识、信息与技能，也更热衷于学习与创新尝试，在日趋宽泛的产品选择中享有愈来愈多的主动权，随着交易的重复和消费经验的积累，顾客对于产品和服务的期望价值也越来越高。因此，如顾客价值模型所示，顾客期望价值曲线（CEV）在长期中呈逐渐上升之势。 2.2 设计价值（Designed Value，DV） 本文认为，在顾客价值分析中，有两个最重要的概念：设计价值和顾客感知价值。 设计价值（DV），是在产品或服务供应商的构想中将要提供给顾客的一种效用或价值，或者指供应商根据前期的研发设计已经制造出来的但还需要通过市场传递给消费者的一种效用或价值（即一种还没有实现的价值）。这是从供应厂商角度给出的一种衡量，因此可以看成是一种目的在于满足顾客期望价值的计划供给量或潜在供给量。 …… 2.3 顾客感知价值（Customer Perceived Value，CPV） 顾客感知价值（CPV），也称顾客感知收益，或顾客感知利得，它指顾客在交易中或通过消费实际感觉到的物质收益和精神收益的总和，因此也是一种主观的感受，一个事后的综合评价量。它反映顾客对于包含着质量、品种、价格、服务、信誉、速度等要素的产品或服务的综合满意程度［5～7］。 。。。。。。 3 顾客价值分析模型及其内涵 在明晰以上几个基本概念基础上，本文提出一个动态的顾客价值分析模型（得自张中科的“成本、价格和客户价值的动态关系”图形的启发［9］）。选取两个时刻T1和T2，来分析顾客价值发展变化的情况。为便于理解和直观比较，顾客决策价值（DCV）在图形中有一个时间提前量。
第四章 市场风险管理-风险价值.
2015年银行业专业人员职业资格考试内部资料 风险管理 第四章 市场风险管理 知识点：风险价值 ● 定义： 风险价值是指在一定的持有期和给定的置信水平下，利率、汇率等市场风险要素发生变化时可能对某项资金头寸、资产组合或机构造成的潜在的最大风险● 详细描述： （一）均值VaR是以均值作为基准来测度风险，度量的是资产价值的相对损失；零值VaR，是以初始价值为基准测度风险，度量的是资产价值的绝对损失.VaR计算市场风险监管资本时，巴塞尔委员会规定乘数因子不得低于3。 （1）在正态分布的情况下，均值VaR和零值VaR，风险价值是指在一定的持有期和置信水平下，利率、汇率等市场风险要素的变化可能对资产价值造成的最大损失。使用统计语言可表述如下：P（△V < - VaR ) = X%。 其中，△V 为资产价值的变化，X%为置信水平。 92）根据巴塞尔委员会对VAR内部模型的要求，在市场风险计量中，持有期为10个营业日。 （二）主要的模型技术有3种：方差—协方差、历史模拟法、蒙特卡洛法 （1）方差-协方差法 1）优点：原理简单； 计算快捷 2）缺点：不能预测突发事件的风险；其风险无法从历史序列模型中得到揭示；由于“肥尾”现象广泛存在，许多金融资产的收益率分布并不符合正态分布，基于正态近似的模型往往会低估实际的风险值只反映了风险因子对整个组合的一阶线性影响，无法准确计量非线性金融工具（如期权）的风险。 （2）历史模拟法
存在模拟风险 2）缺点：将低估突发性的收益率波动；风险计量的结果受制于历史周期的长度；对数据的依赖性强；工作十分繁重 （3）蒙特卡洛模拟 1)优点： ①它是一种全值估计方法，可以处理非线性、大幅波动及“肥尾”问题 ； ②产生大量路径模拟情景，比历史模拟方法更精确和可靠； ③可以通过设置消减因子，使得 模拟结果对近期市场的变化更快地作 出反应。 2）缺点： ①对于基础风险因素仍然有一定的假设，存在一定的模型风险。 ②计算量很大，且准确性的提高速度较 慢； ③如果产生的数据序列是伪随机数，可能导致错误结果 （4）VAR值 1）可以将不同业务、不同类别的市场风险用一个确切的数值 VaR 来表示 2）是一种能在不同业务和风险类别之间进行比较和汇总的市场风险计量方法 3）尤其是将隐性风险显性化之后，更有利于银行进行风险的监测、管理和控制。 例题： 1.根据监管机构的要求，商业银行采用VaR模型计量市场风险监管资本时的 附加因子的取值范围是（）。 A.0~2 B.0~1 C.1~2 D.0~3 正确答案：B 解析：根据监管机构的要求，商业银行采用VaR模型计量市场风险监管资本
RFM客户价值模型
RFM客户价值模型 目录 [隐藏] ? 1 RFM模型的内容 o 1.1 最近一次消费 o 1.2 消费频率 o 1.3 消费金额 ? 2 RFM模型的应用意义 ? 3 RFM模型案例分析 o 3.1 案例一:基于RFM的电信客户市场细分方法 [1] ? 4 参考文献 [编辑] RFM模型的内容 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) [编辑] 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。 [编辑] 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)，其诀窍在于让消费者一直顺着阶梯往上爬，把销售想像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。 [编辑] 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”(Pareto’s 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。 如果你的预算不多，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。
(风险管理)VR模型及其在金融风险管理中的应用
VaR模型及其在金融风险管理中的应用 引言 国际金融市场的日趋规范、壮大，各金融机构之间的竞争也发生了根本性变化，特别是金融产品的创新，使金融机构从过去的资源探索转变为内部管理与创新方式的竞争，从而导致了各金融机构的经营管理发生了深刻的变化，发达国家的各大银行、证券公司和其他金融机构都在积极参与金融产品（工具）的创新和交易，使金融风险管理问题成为现代金融机构的基础和核心。随着我国加入WTO，国内金融机构在面对即将到来的全球金融一体化的挑战，金融风险管理尤显其重要性。 传统的资产负债管理（Asset-Liability Management）过份依赖于金融机构的报表分析，缺乏时效性，资产定价模型（CAPM）无法揉合新的金融衍生品种，而用方差和β系数来度量风险只反映了市场（或资产）的波动幅度。这些传统方法很难准确定义和度量金融机构存在的金融风险。1993年，G30 集团在研究衍生品种基础上发表了《衍生产品的实践和规则》的报告，提出了度量市场风险的VaR（Value-at-Risk ）模型(“风险估价”模型)，稍后由JP.Morgan推出了计算VaR的RiskMetrics风险控制模型。在些基础上，又推出了计算VaR的CreditMetricsTM风险控制模型，前者用来衡量市场风险；
JP.Morgan公开的CreditmetricsTM技术已成功地将标准VaR模型应用范围扩大到了信用风险的评估上，发展为“信用风险估价”（Credit Value at Risk）模型，当然计算信用风险评估的模型要比市场风险估值模型更为复杂。目前，基于VaR度量金融风险已成为国外大多数金融机构广泛采用的衡量金融风险大小的方法。 VaR模型提供了衡量市场风险和信用风险的大小，不仅有利于金融机构进行风险管理，而且有助于监管部门有效监管。 ⒈1995年巴塞尔委员会同意具备条件的银行可采用内部模型为基础，计算市场风险的资本金需求，并规定将银行利用得到批准和认可的内部模型计算出来的VaR值乘以3，可得到适应市场风险要求的资本数额的大小。这主要是考虑到标准VaR方法难以捕捉到极端市场运动情形下风险损失的可能性，乘以3的做法是提供了一个必要的资本缓冲。 ⒉Group of Thirty 1993年建议以风险资本（Capital—at—risk）即风险价值法（VaR）作为合适的风险衡量手段，特别是用来衡量场外衍生工具的市场风险。 ⒊1995年，SEC也发布建议，要求美国公司采用VaR模型作为三种可行的披露其衍生交易活动信息的方法之一。 这些机构的动向使得VaR模型在金融机构进行风险管理和监督的作用日益突出。 国际金融风险管理的发展
客户价值分析
客户价值分析 客户价值分析就是在理解客户价值内涵的基础上，动态地监控客户价值的发展趋势，为更好地实现客户价值管理提供有效的信息支持。在有关客户价值分析的研究中，最著名的莫过于盖尔所提出的客户价值分析工具，该模型首次出现在盖尔的《管理顾客价值》一书中，尔后频频被引用，几乎成了客户价值分析的标准。在本节中，将重点讨论盖尔的客户价值分析模型。 在《管理顾客价值》一书中，盖尔提出了7种客户价值分析工具，包括：市场感知质量水平；市场感知价格水平；客户价值图；得失（Win/Lost）分析；客户价值分析对照图（Head-to-head Area Chart）；关键事件表；What／Who矩阵。其中，尤为重要的是前三种客户价值分析工具，直接与当今普遍接受的客户价值内涵相吻合。因此，本节将结合有关方面的研究发展动态，重点描述前三种分析工具。 1）市场感知质量水平 通过对客户价值内涵的探讨，我们知道感知质量水平对形成感知价值的重要性。在盖尔的客户价值分析模型中，市场感知质量分析同样是客户价值分析的核心。 根据盖尔提出的模型，对市场感知质量水平的测量主要有三个步骤： 第一步，采用小组调查（Focus Group）或其他形式，召集目标市场的客户（既包括本企业的客户，也包括竞争对手的客户），要求他们列出除价格以外的其他影响购买决策的重要质量因素。 第二步，确定不同质量属性在客户决策中的权重。最简单的方法就是让客户根据各质量因素在决策中的重要性打分，然后再汇集不同客户的看法，形成一套统一的权重。 第三步，选择那些对本企业和竞争对手企业都十分了解的客户（既包括本企业的客户，也包括竞争对手的客户），征询他们对本企业和竞争对手在各质量属性上的评价，然后用客户对本企业每一个属性的评分除以竞争对手相应的得分，得到本企业在各属性上的业绩比率。最后，根据各属性的权重，算出所有质量属性的加权平均值，就可以获得一个总体的市场感知质量水平。 事实上，在某个行业中，每个企业往往都有自己的特色，通常在某个质量水平上处于领先，因此，市场感知质量水平在很大程度上将取决于不同的评价标准和权重体系，说到底就是由客户的感知偏好决定的权重水平。以高档汽车为例，宝马汽车在驾驶性能上首屈一指，而凯迪拉克却宽敞、舒适，凌志汽车的故障率十分低。如果客户看重驾驶性能，则在决策时将赋予其较高的权重。因此，对于不同的目标客户群而言，对质量的感知方式和标准是不同的。客户关系管理的一个重要目的就是区分具有不同感知偏好和特性的客户群，针对不同的客户群采用定制化的策略，全面地满足其要求，实现客户价值的最大化。 2）市场感知价格水平 市场感知价格水平主要用于评估客户对获得某种产品或服务的一种感知付出。在盖尔的模型中，市场感知价格水平也是客户价值分析的重要工具之一。事实上，市场感知价格水平的测评与市场感知质量水平的测评相似，唯一不同的地方是让客户列出影响成本感知的因素，而不是影响质量感知的因素。在获得成本感知因素的基础上，要求客户分别列出不同因素的权重，并评价竞争对手在每一个价格因素上的感知水平。 在某些价格构成要素十分清晰的行业，可能无需评价市场感知的价格水平，但是在大多数行业，评价市场感知价格水平十分重要。表2—3以豪华汽车为例，阐明了如何评价市场感知价格水平。
客户价值分析模型
客户价值分析模型 Kotler (2000)认为关系行销的重心要放在如何和最有价值的顾客建立长期并为公司带来利润的关系，而Morgan & Hunt (1994)更明白点出顾客价值已经成为顾客关系行销的核心基础。如同Wyner (1996)所提，顾客价值已经重新诠释了传统行销的活动：把顾客视为一种资产，评估其未来收益以及成本以决定是否进行行销活动。Wyner (1996)更指出，企业80％的销售利润是来自于20％的顾客，而其余20％的销售利润，却花了公司80％的行销费用。由此可知，如何找出具有价值的顾客，对企业的获利来说是多么重要。而根据Kotler & Armstrong (1996) 所下的定义，具有价值的顾客为「一个未来为公司带来的利润大过于公司花在其身上的成本之顾客」。 顾客价值之计算主要是将顾客在未来数年间之消费金额与相对应之产品成本与维持成本加以扣除，再折现以求得出顾客未来数年净贡献的现值。在这样的理论基础之下，发展出了不少顾客价值分析模型。Dwyer (1989)首先定义顾客终生价值为「由顾客面所预期之利润，减去与顾客相关成本的现值」。此外Sewell & Brown (1990)、Hughes (1994)、Kotler (2000)等学者也分别在不同的假设以及定义之下提出了各自对顾客价值的计算公式，不过大都是在特定的假设以及参数之下所提出的例子。而Berger & Nasr (1998)有鉴于此，试图提出一套有系统的模型计算顾客价值，他们针对Jackson (1985)提出的二类顾客之特色加以整理，对该二类型的顾客之终生价值提出了五种类型的模型。而Hughes (1994)所提出之RFM 顾客价值分析模型不同于其它之方法，此模型利用三种指针：最近购买日(Recency)、购买频率(Frequency)及购买金额(Monetary)，以判断顾客的价值，Stone (1995)更在其研究中利用此模型分析信用卡顾客之价值。因为一般企业的顾客交易数据库中都可以萃取出这些信息，因此RFM 模型可以说是目前企业界最常用的顾客价值分析方法之一。 建立顾客购买行为随机模型以描述顾客行为 根据Ehrenberg (1959)及Colombo & Jiang (1999)对顾客行为之机率分配假设，建立顾客购买行为随机模型，以描述顾客的购买行为。 建构结合RFM 模型及马可夫链的顾客价值分析模型 根据顾客购买行为的改变为马可夫链随机过程，并利用Hughes (1994)所提出之RFM 模型定义顾客购买状态。利用贝氏机率推导顾客购买状态移转机率，根据顾客行为随机模型计算各购买状态下之预期利润进行顾客利润矩阵之估计，最后结合顾客购买状态移转矩阵及利润矩阵，进行顾客价值估计。 进行顾客价值分析模型的数据实证及比较 利用某企业之实际顾客交易数据，进行本顾客价值分析模型之数据实证，并将分析结果和目前业界常用之顾客价值预测方法进行比较。 微积分公司采用的顾客价值分析模型，主要结合顾客购买行为随机模型、马可夫链、RFM 模型及贝氏机率此四个理论或模型所发展而成。首先，建立顾客购买行为随机模型，并根据顾客之历史交易数据估计模型假设中之先验分配参数。此外，利用马可夫链描述顾客购买行为，并且根据Hughes (1994)所提出之RFM 顾客价值分析模型，定义马可夫链中之不同顾客购买行为状态，以建构顾客购买状态之马可夫链移转矩阵及利润矩阵。而最主要的贡献为：根据贝氏机率推导顾客在已观察到前期购买行为状态时，其下期购买行为状态之事后机率分配，并以之估计顾客购买状态移转矩阵之移转机率。此外，依据顾客购买行为随机模型之行为机率分配假设，估计顾客于不同购买状态下之预期贡献利润，以建立利润矩阵。最后，结合顾客购买状态移转矩阵以及顾客利润矩阵进行顾客价值之分析。
风险价值VaR估计试验
风险价值VaR估计试验 风险管理的基础和核心是对风险的定量分析和评估，即风险测量。随着金融市场和金融交易的规模、动态性和复杂性的增加，金融理论和金融工程的发展，金融市场风险测量技术也变得更为综合、复杂。金融风险不仅严重影响了机构投资者和金融机构的正常运营和生存，而且还对一国乃至全球金融及经济的稳定发展构成严重威胁。 目前，金融市场风险测量的主要方法包括灵敏度分析、波动性方法、VaR等。其中，VaR 是目前金融市场风险测量的主流方法。本节将主要对VaR加以简要介绍。 一、VaR的定义 在险价值VaR（Value at Risk）方法被视为控制金融市场风险的最佳方法之一，目前在很多金融机构中得到了广泛的应用。投资者可以运用VaR方法动态地评估和计量其所持有资产的风险，及时调整分散和规避风险，提高资产运作的效率。在金融机构中，交易员可能不惜冒巨大的风险去追逐巨额利润，而使金融机构也承担巨大的风险。利用VaR方法进行风险控制，可以在每个环节均明确进行金融风险大小的评估，尽可能的抑制过度投机行为的发生。事实上，VaR概念的提出已经有了很久的历史。VaR的出现使得金融资产组合在一定时期内最大可能损失的定量化成为可能。 从定义上看，是指在市场的正常波动和给定的置信水平下，某一金融资产或者证券投资组合在未来的特定的一段时间内的最大可能损失。从分位点的角度来看，VaR描述的是一定目标时段下资产或资产组合损益分布的分位点。如果我们选择置信水平为P，则VaR对应的是该资产或资产组合损益分布的上p分位点。从统计的角度来看，VaR的定义如下： ≤1 )) - ( (1) ( p p = VaR Y P- 其中，Y表示资产或资产组合的利润或损失，VaR表示置信水平p下的VaR值。例如，在95%的置信水平下，VaR（95%）对应于损益分布上累积概率不超过5%的哪一点。对某项1亿元的投资，在考察其一段时间的或有损失时，假设根据95%置信度求得的VaR为600万元，则依据上面的定义可得：我们有95%的把握判断该项投资在下一个时期的损失在600万元以内，或者说损失超过600万元的概率仅为5%。 根据上述定义，计算VaR主要涉及三个要素：（1）持有期长短。一般情况下，持有期越长，预期价格变化就越大，风险也越大。持有期是风险所在的时间区间，具体由投资者的交易性质决定。（2）置信水平的大小。取决于投资者对于风险的偏好，不同的投资者可以设定不同的置信水平，一般取95%-99%。（3）资产或资产组合未来收益函数的分布假设。常用的分布假设是正态分布，但大量的实践证明收益率并不完全服从正态分布，往往呈现“尖峰厚尾”特征，因此有时也采用t分布来代替。
客户关系管理-客户细分、关键细分特征、时间维度等对客户细分价值的体现讲解学习
一、简要解释客户细分的原因，并举例说明客户细分与客户关系生命周期及客户价值之间的关系。 客户细分的原因： 1、客户需求存在异质性 客户的需求因客户个人偏好、性格、思维方式等方面的不同而不同，所以客户需求、欲望及购买行为的多元化，导致客户需求满足呈现差异性。进行客户细分，可以更好的实现个性化服务。 2、客户金字塔理论 处在金字塔顶部的是贵宾型客户，再到重要级客户，最后到基础型客户。每一层次的客户对企业利润的贡献差别很大，通过研究客户交互的资料发现，50-60%的客户对企业而言是非赢利性的，同时那些消耗了企业60%-80%的售后支援资源的客户提供的利润仅占不足20%。3、有限的企业资源和有效的市场竞争 任何一个企业都不能单凭自己的人力、财力及物力来满足整个市场的所有需求，这不仅缘于企业自身条件的限制，而且在经济方面也不足取。因此，对客户进行有效的细分，集中企业资源，制定科学的竞争策略，以取得和增强竞争优势。 客户细分与客户关系生命周期的关系： 案例：上海金丰易居是一家房地产集团，在1995年，公司发现虽然有大量的客户资源，但是不能有效的利用这些客户信息，于是在当年引起eCRM系统，对拥有的大量客户进行细分，划分为不同生命周期的客户，准确分析客户需求，进行数据库资源共享，从而实现对客户的有效管理。 ①客户关系生命周期为客户细分提供依据 客户关系生命周期可分为考察期、形成期、稳定期和退化期四个阶段，每个阶段所表现出来的特征不一样，比如在交易量、价格、成本、间接收益等方面，而这些不同的方面为客户细分提供了依据。 ②客户细分有利于客户关系生命周期理论的应用 客户细分将根据时间问题、客户经验、购买决策、品牌忠诚等要素对客户进行了有效的细分，了解到不同的客户的不同需求，将客户划分为不同关系生命周期阶段的客户，从而实现对客户关系生命周期理论的准确应用和对客户的有效管理。
顾客价值的几种理论模型
顾客价值的理论模型 刘安娜营销1班 2009700017 (一) Kotler 的可让渡价值理论 Kotler 是从顾客让渡价值和顾客满意的角度来阐述顾客价值的。其研究的前提是:顾客将从那些他们认为提供最高认知价值的公司购买产品。所谓顾客让渡价值,是指总顾客价值与总顾客成本之差。 总顾客价值就是顾客从某一特定产品或服务中获得的一系列利益,它包括产品价值、服务价值、人员价值和形象价值等。顾客总成本是指顾客为了购买产品或服务而付出的一系列成本,包括货币成本、时间成本、精神成本和体力成本。顾客是价值最大化的追求者,在购买产品时,总希望用最低的成本获得最大的收益,以使自己的需要得到最大限度的满足。 (二)Jeanke 、Ron、Onno 的顾客价值模型 Jeanke、Ron、Onno 的模型从供应商和顾客两个角度,描述了随着业务发展,价值从一个模糊的概念到市场上的具体产品的整个过程。对供应商而言,供应商的依据的是他所感觉到的顾客需求以及企业本身的战略、能力和资源,形成“想提供的价值”的概念。由于企业条件或产品开发与市场脱节等原因,企业以“想提供的价值”为基础,设计出以具体产品或服务为载体的“设计价值”,两者之间存在“设计差距”。对顾客而言,顾客从自身角度出发希望获得的是“想要得到的价值”。由于社会环境、科技的发展程度等客观因素的限制,市场上提供的产品不可能与顾客想得到的价值完全吻合,因此存在“折衷差距”和顾客的“期望价值”。由于供应商与顾客之间存在对于顾客需求的不对称信息,或是企业在顾客需求调查过程中,过多地掺杂了企业自身的思想,对顾客 需求的分析未必客观准确,所以“想提供的价值”与顾客“想得到的价值”之间存在“信息差距”。顾客的主观性价值感知,使“期望价值”与设计价值间出现“感知差距”。当顾客使用产品后,所“得到的价值”与期望价值之间的差距为“满意差距”。通过缩小各个差距,企业就可以提供真正为顾客所需的价值。 (三)Woodruff 的顾客价值层次模型 Woodruff (1997) 的顾客价值层次模型对顾客如何感知企业所提供的价值问题进行了回答。该模型提出,顾客以途径—目标的方式形成期望价值。在最底层往上看,在购买和使用某一具体产品的时候,顾客将会考虑产品的具体属性和属性效能以及这些属性对实现预期结果的能力。顾客还
数据挖掘应用案例：RFM模型分析与客户细分完整版
数据挖掘应用案例：R F M模型分析与客户 细分 HEN system office room 【HEN16H-HENS2AHENS8Q8-HENH1688】
数据挖掘应用案例：RFM模型分析与客户细分 分类：| 标签： 2012-01-21 21:39阅读(16854) 这里，我先给各位朋友拜年，祝大家新春快乐！ 兔年就要过去了，本命年的最后一天再不更新博客有点对不住大家！正好刚帮某电信行业完成一个数据挖掘工作，其中的RFM模型还是有一定代表性，就再把数据挖掘RFM模型的建模思路细节与大家分享一下吧！手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 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)。 我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！ RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！
这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。 本次分析用的的软件工具：IBM SPSS Statistics 19，IBM SPSS ，，EXCEL和PPT 因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。 先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言） 一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多少记录和字段的； Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G 空间预留，否则读取数据过程中将造成空间不足 海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别 是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断就悲剧了，呵呵； 数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作； 多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数据分隔符采用“|”存储； 如何强调一个数据挖掘项目和挖掘工程师对行业的理解和业务的洞察都不为过，好的数据挖掘一定是市场导向的，当然也需要IT人员与市场人员有好 的沟通机制；