摘 要：本文在分析傳統(tǒng)RFM局限性的基礎(chǔ)上，嘗試引入經(jīng)濟(jì)增長與結(jié)構(gòu)調(diào)整中普遍關(guān)注的數(shù)量、質(zhì)量、效益維度，對(duì)傳統(tǒng)RFM分析模式進(jìn)行改進(jìn)。之后，以一個(gè)無法應(yīng)用傳統(tǒng)RFM分析模式進(jìn)行客戶群細(xì)分的樣本為例，考慮使用“數(shù)量-質(zhì)量-效益”型RFM進(jìn)行客戶群細(xì)分。結(jié)果顯示：三維度的雙變量分析區(qū)分度較好、同期驗(yàn)證表現(xiàn)平穩(wěn)，非同期驗(yàn)證PSI系數(shù)為0.078，模型結(jié)構(gòu)穩(wěn)定。實(shí)踐表明，基于“數(shù)量-質(zhì)量-效益”型RFM分析模式可以較好的應(yīng)用于商業(yè)銀行客戶細(xì)分與數(shù)據(jù)庫營銷實(shí)踐。

關(guān)鍵詞：客戶細(xì)分；RFM模型；客戶關(guān)系管理；數(shù)據(jù)庫營銷；商業(yè)銀行

中圖分類號(hào)：F832 文獻(xiàn)標(biāo)識(shí)碼：A〓 文章編號(hào)：1003-9031（2015）12-0021-04 DOI：10.3969/j.issn.1003-9031.2015.12.04

一、引言

在“以客戶為中心”的日?？蛻絷P(guān)系管理、客戶忠誠度識(shí)別與產(chǎn)品數(shù)據(jù)庫營銷中，廣泛使用的經(jīng)典RFM分析模式可以有效的幫助決策管理者、營銷人員實(shí)現(xiàn)目標(biāo)客戶群的細(xì)分管理。在金融業(yè)務(wù)實(shí)踐中使用傳統(tǒng)RFM分析模式也會(huì)伴隨產(chǎn)生一些需要考慮的問題，諸如：1.金融類產(chǎn)品與服務(wù)是否可以照搬已經(jīng)成熟應(yīng)用于快速消費(fèi)等行業(yè)的RFM模式；2.RFM分析模式是否適用于金融產(chǎn)品的整個(gè)生命周期；3.業(yè)務(wù)目標(biāo)如何實(shí)際作用并影響RF

M分析模式等等。為了回答并解決這些問題，不同于傳統(tǒng)RFM模式，本文參考借鑒經(jīng)濟(jì)增長與結(jié)構(gòu)調(diào)整中所著重關(guān)注的三個(gè)維度：數(shù)量、質(zhì)量、效益，嘗試將其應(yīng)用于RFM分析模式；并嘗試通過這一改進(jìn)，對(duì)傳統(tǒng)RFM的應(yīng)用領(lǐng)域與問題做有益補(bǔ)充。

二、傳統(tǒng)RFM模式及其局限

經(jīng)典的RFM模式由美國數(shù)據(jù)庫營銷研究所Arthur Hughes（1994）提出，該方法力圖通過突出客戶對(duì)商品的消費(fèi)近期特性（Recency）、消費(fèi)頻率特性（Frequency）以及消費(fèi)貨幣量屬性（Monetary）來衡量客戶現(xiàn)階段的顯性價(jià)值與長期潛在價(jià)值；也常使用此方法刻畫客戶群一段時(shí)間以來對(duì)某類商品的忠誠度階梯（loyalty ladder）[1]。從客戶關(guān)系管理（CRM）的角度看，RFM作為一種分析工具，核心是對(duì)所關(guān)注的客戶群進(jìn)行細(xì)分管理，通過客戶細(xì)分發(fā)掘客戶表現(xiàn)與行為差異，使?fàn)I銷人員有針對(duì)性的開展可落地的客戶關(guān)系維護(hù)與差異化營銷。對(duì)企業(yè)來說，那些最近有過購買行為，一段時(shí)間內(nèi)經(jīng)常購買以及產(chǎn)生更多消費(fèi)進(jìn)行購買的客戶是企業(yè)所要關(guān)注的目標(biāo)客戶，對(duì)應(yīng)的客戶價(jià)值及客戶忠誠度也越高[2-3]。

傳統(tǒng)RFM模式在業(yè)務(wù)實(shí)踐中也存在一定的局限性。一是應(yīng)用場景的局限。經(jīng)典RFM主要集中于快速消費(fèi)類、消耗型消費(fèi)品等①，由于服務(wù)品類的特殊性和無法同一性，對(duì)于周期性服務(wù)類商品、互聯(lián)網(wǎng)線上服務(wù)等②，使得傳統(tǒng)意義下的RFM在數(shù)據(jù)采集與分析維度（消費(fèi)近期性、消費(fèi)頻率和消費(fèi)貨幣量）上，需要進(jìn)行一定的修正或調(diào)整[4-6]。二是沒有考慮產(chǎn)品潛在的生命周期因素。從傳統(tǒng)RFM所設(shè)定的三個(gè)分析維度看，其假定客戶群與商品已經(jīng)整體處于均衡狀態(tài)，從產(chǎn)品生命周期視角可以認(rèn)為該均衡狀態(tài)本質(zhì)上處在成熟期，期間客戶群與產(chǎn)品整體上互動(dòng)充分，對(duì)于客戶群在近期性、頻率性和貨幣性上的分布形態(tài)暴露充分且穩(wěn)定，所以在成熟期內(nèi)的客戶行為特征可以通過傳統(tǒng)RFM進(jìn)行分析。而如果考慮產(chǎn)品生命周期處于導(dǎo)入期或成長期，期間往往伴隨“三性”分布“正在生長”的變化特征，特別是近期性R，在導(dǎo)入期或成長期內(nèi)的客戶群大部分可能處于“活躍”狀態(tài)，因此如果再選擇R維度進(jìn)行分析，很可能無法準(zhǔn)確穩(wěn)定的捕捉到該周期下客戶群與商品交互的細(xì)分行為特征。三是使用RFM需要結(jié)合具體業(yè)務(wù)目標(biāo)與計(jì)劃。雖然使用RFM是為了獲得客戶細(xì)分及匹配的業(yè)務(wù)目標(biāo)或計(jì)劃，但在開展RFM分析前，一般會(huì)較早的形成一些基本業(yè)務(wù)指導(dǎo)方向，進(jìn)而導(dǎo)致影響RFM的分析維度。例如，通過RFM模式進(jìn)行數(shù)據(jù)庫營銷（database marketing），當(dāng)業(yè)務(wù)定義營銷目標(biāo)為基于活躍客戶的拓戶式營銷（而不是基于已有客戶的提升式營銷）時(shí)，就已經(jīng)在RFM分析前考慮到了近期性R這一特征，進(jìn)而造成了R維度數(shù)據(jù)在RFM中的失效。

考慮到金融產(chǎn)品和服務(wù)是一類周期型服務(wù)類商品，具有間歇的、重復(fù)購買的特性，金融產(chǎn)品和服務(wù)的客戶關(guān)系管理與客戶細(xì)分適合于使用RFM模式進(jìn)行分析。同時(shí)，針對(duì)不同業(yè)務(wù)問題的關(guān)注點(diǎn)和著力點(diǎn)，RFM模式也是靈活可變的。如前所述，當(dāng)我們遇到的業(yè)務(wù)問題場景諸如：（1）某類金融產(chǎn)品恰好處在導(dǎo)入期或成長期，R維度沒有足夠且穩(wěn)定的數(shù)據(jù)支持；（2）某種金融服務(wù)需要對(duì)已有活躍客戶進(jìn)行匹配等，這些場景從本質(zhì)上看R維度均是無效的。本文的創(chuàng)新之處是：著重考慮這一類無法使用傳統(tǒng)RFM中R維度的問題，并嘗試基于客戶使用金融產(chǎn)品的“數(shù)量-質(zhì)量-效益”維度，對(duì)傳統(tǒng)RFM分析模式在一定程度上忽略了產(chǎn)品生命周期與業(yè)務(wù)目標(biāo)的情況進(jìn)行必要的改進(jìn)，也是對(duì)傳統(tǒng)RFM應(yīng)用于不同業(yè)務(wù)領(lǐng)域和業(yè)務(wù)問題的有益補(bǔ)充。

三、基于“數(shù)量-質(zhì)量-效益”的RFM模式應(yīng)用

以某類個(gè)人金融產(chǎn)品客戶群為例，采用RFM模式進(jìn)行客戶細(xì)分的營銷預(yù)測③，實(shí)踐中因R維度無效而無法使用傳統(tǒng)RFM方法，本文嘗試選擇“數(shù)量-質(zhì)量-效益”的RFM模式進(jìn)行客戶群細(xì)分。為方便表述，將該類金融產(chǎn)品的客戶群定義為S客戶群。具體操作流程按順序分解為：（1）明確業(yè)務(wù)問題；（2）明確建模備選指標(biāo)；（3）設(shè)置樣本組（觀察期、表現(xiàn)期、非同期驗(yàn)證）；（4）創(chuàng)建寬表；（5）基于雙變量分析確定RFM指標(biāo)；（6）構(gòu)造RFM；（7）模型的檢驗(yàn)與評(píng)價(jià)；（8）模型應(yīng)用。操作流如圖1所示。為方便介紹操作流程，我們把業(yè)務(wù)問題簡單的抽象為對(duì)一類R無效的樣本群進(jìn)行客戶細(xì)分的營銷預(yù)測建模。

（一）指標(biāo)選擇與樣本組設(shè)置

與傳統(tǒng)RFM模式不同，在指標(biāo)選取方面，因?yàn)镽維度的近期性指標(biāo)不具備使用條件，進(jìn)而我們側(cè)重選取“數(shù)量—質(zhì)量—效益”三維度的指標(biāo)作為備選。具體來說，一方面，金融產(chǎn)品因其對(duì)客戶群S具有參與和購買的重復(fù)性或周期性，所以客戶一段時(shí)間內(nèi)持有或購買金融產(chǎn)品的交易金額（份額）和交易次數(shù)等指標(biāo)可以直接作為數(shù)量與質(zhì)量的備選指標(biāo)；另一方面，客戶群S中不同客戶購買金融產(chǎn)品所產(chǎn)生的差異化手續(xù)費(fèi)，因其能夠較為直接的體現(xiàn)每筆交易“客戶承擔(dān)的成本”或“客戶對(duì)銀行的貢獻(xiàn)”，所以從這一視角能夠衡量一段時(shí)間內(nèi)客戶進(jìn)行此類金融交易活動(dòng)對(duì)銀行效益的貢獻(xiàn)。由此，我們進(jìn)一步設(shè)定，將客戶一段時(shí)間內(nèi)參與金融交易所產(chǎn)生的交易金額、交易次數(shù)、交易手續(xù)費(fèi)，分別作為體現(xiàn)“數(shù)量-質(zhì)量-效益”三個(gè)維度的指標(biāo)。需要說明，對(duì)于效益維度指標(biāo)的選取，主要把相關(guān)業(yè)務(wù)所發(fā)生的費(fèi)用作為指標(biāo)；對(duì)于數(shù)量和質(zhì)量維度的指標(biāo)選取，則可以根據(jù)具體的業(yè)務(wù)問題進(jìn)行選擇，例如，當(dāng)未來針對(duì)客戶購買金融產(chǎn)品的金額大小定制相應(yīng)策略時(shí)，意味著通過RFM關(guān)聯(lián)金額來預(yù)測和細(xì)分客戶，即從業(yè)務(wù)實(shí)踐和使用傾向上，將金額作為質(zhì)量型指標(biāo)；同樣的，當(dāng)未來著重考慮圍繞交易筆數(shù)定制策略，則習(xí)慣于將筆數(shù)作為質(zhì)量型指標(biāo)。因此，本文在論述過程中，不妨把交易金額或份額作為數(shù)量維度指標(biāo)，把交易的筆數(shù)或次數(shù)作為質(zhì)量維度指標(biāo)。如表1所示，把基于“數(shù)量-質(zhì)量-效益”的RFM分析模式與傳統(tǒng)RFM分析模式在三個(gè)維度設(shè)計(jì)上的區(qū)別進(jìn)行了歸納。

為了便于后續(xù)對(duì)客戶群S開展細(xì)分管理及差異化營銷，需要在建模階段對(duì)RFM進(jìn)行同期和非同期驗(yàn)證，以保證模型的穩(wěn)定性和預(yù)測能力。類似于關(guān)志新、劉寅、王秋雯（2014）的做法[8]，建立寬表以前，需要設(shè)置建模觀察期與表現(xiàn)期。具體地，把樣本觀察期設(shè)定在表現(xiàn)期之前1年，觀察期主要用于考察客戶群S在“數(shù)量-質(zhì)量-效益”各維度指標(biāo)上的詳細(xì)表現(xiàn)，為后續(xù)雙變量分析確定指標(biāo)分段提供依據(jù)；樣本表現(xiàn)期為6個(gè)月，該期間數(shù)據(jù)主要用于基于RFM進(jìn)行指標(biāo)預(yù)測。對(duì)表現(xiàn)期內(nèi)的樣本客戶預(yù)留30%作為模型的同期驗(yàn)證樣本；同時(shí)，限定被篩出的兩個(gè)子樣客戶群的開戶時(shí)間需在觀察期以前有一定的積累①，以保證兩部分樣本群客戶有足夠可觀察的金融行為表現(xiàn)。另外，為考察模型的外推預(yù)測能力是否穩(wěn)定，針對(duì)訓(xùn)練集選擇了表現(xiàn)期之后的6個(gè)月數(shù)據(jù)作為非同期驗(yàn)證數(shù)據(jù)。各樣本組的基本屬性如表2所示②。

（二）雙變量分析、RFM建模與檢驗(yàn)

建模前，需要進(jìn)行雙變量分析。一是對(duì)每個(gè)維度的指標(biāo)進(jìn)行合理分段，該分段后續(xù)則可直接作為各維度內(nèi)細(xì)分客戶群的確定條件和篩選依據(jù)；二是要考察每一分段下的預(yù)測指標(biāo)是否存在遞增或遞減趨勢(shì)。最終需要通過雙變量分析確定：（1）每段內(nèi)的客戶占比至少滿足5%；（2）預(yù)測指標(biāo)應(yīng)同各維度下的分段指標(biāo)呈現(xiàn)遞增或遞減趨勢(shì)。雙變量分析示意如表3所示。

通過對(duì)S客戶群在“數(shù)量—質(zhì)量—效益”三個(gè)維度的雙變量分析，對(duì)應(yīng)獲得了每個(gè)維度形成的x、y、z個(gè)分段，進(jìn)而根據(jù)排列組合的方式獲得了x*y*z個(gè)細(xì)分客戶群。為了全面地展現(xiàn)細(xì)分客戶群的表現(xiàn)結(jié)構(gòu)及與預(yù)測指標(biāo)的比較，將客戶細(xì)分展現(xiàn)結(jié)構(gòu)提煉為表4所示結(jié)構(gòu)。

從應(yīng)用實(shí)踐角度考慮，如果所構(gòu)造的RFM分析模式能夠通過同期與非同期檢驗(yàn)，則可以著重考察表現(xiàn)期預(yù)測指標(biāo)的排序情況及對(duì)應(yīng)的客戶細(xì)分條件，并以此作為未來細(xì)分客戶關(guān)系管理以及差異化營銷的客戶分群依據(jù)。

為了考察RFM模式對(duì)客戶細(xì)分及表現(xiàn)期預(yù)測指標(biāo)的穩(wěn)定性，如前所述，采用同期預(yù)留30%樣本作為測試集的方式進(jìn)行檢驗(yàn)。檢驗(yàn)的關(guān)鍵性指標(biāo)為訓(xùn)練集與測試集在表現(xiàn)期內(nèi)預(yù)測指標(biāo)的變化情況，最終的檢驗(yàn)圖示見圖2。通過直觀觀察兩樣本集曲線的抖動(dòng)情況，可以認(rèn)為基于“數(shù)量-質(zhì)量-效益”對(duì)S客戶群的客戶細(xì)分在測試集表現(xiàn)平穩(wěn)，同期檢驗(yàn)通過。

為了考察RFM模式對(duì)客戶細(xì)分及表現(xiàn)期預(yù)測指標(biāo)的外推預(yù)測能力，采用構(gòu)造不同表現(xiàn)期數(shù)據(jù)帶入測算的方式進(jìn)行非同期檢驗(yàn)。客戶細(xì)分的非同期檢驗(yàn)主要對(duì)考察期內(nèi)各細(xì)分子群的占比變動(dòng)情況進(jìn)行觀察，我們采用人群穩(wěn)定性系數(shù)PSI進(jìn)行判別[9]。PSI在業(yè)界常用的判別標(biāo)準(zhǔn)為：當(dāng)PSI小于0.1時(shí)，即認(rèn)為模型結(jié)構(gòu)隨時(shí)間推移不會(huì)產(chǎn)生重大改變，具備外推能力；當(dāng)PSI介于0.1-0.25之間，可認(rèn)為模型結(jié)構(gòu)在考察期內(nèi)有一定的結(jié)構(gòu)變化，需要對(duì)其內(nèi)在結(jié)構(gòu)進(jìn)行必要的調(diào)整和審查；當(dāng)PSI大于0.25時(shí)，則認(rèn)為該模型結(jié)構(gòu)存在較大變化，不具備外推

能力。PSI的計(jì)算方法為：PSI=Σ[Ln（Actual/Expected）* （Actual-Expected）]。

通過對(duì)每一個(gè)客戶細(xì)分條件得到的穩(wěn)定性系數(shù)進(jìn)行加總，基于“數(shù)量-質(zhì)量-效益”維度對(duì)S客戶群進(jìn)行客戶細(xì)分的非同期PSI為0.078，可以認(rèn)為整個(gè)分群內(nèi)的子群結(jié)構(gòu)隨時(shí)間推移沒有產(chǎn)生重大變化，可以依靠客戶細(xì)分對(duì)預(yù)測指標(biāo)進(jìn)行外推預(yù)測。非同期檢驗(yàn)的展現(xiàn)結(jié)構(gòu)見表5。

基于“數(shù)量—質(zhì)量—效益”型RFM分析模式，我們完成了S客戶群的客戶分群及指標(biāo)預(yù)測。從三維度指標(biāo)在建模各階段的表現(xiàn)看，“數(shù)量—質(zhì)量—效益”型RFM分析模式可以較好的達(dá)到傳統(tǒng)RFM的使用標(biāo)準(zhǔn)，同時(shí)基于更新的維度指標(biāo)內(nèi)容，也豐富了客戶細(xì)分的解釋力。

四、評(píng)述與展望

傳統(tǒng)RFM分析模式在商業(yè)銀行客戶與產(chǎn)品管理應(yīng)用中存在維度指標(biāo)與業(yè)務(wù)場景的脫節(jié)、未考慮產(chǎn)品生命周期等問題。本文分析了實(shí)踐中使用傳統(tǒng)RFM的局限性，引入數(shù)量、質(zhì)量、效益分析維度對(duì)傳統(tǒng)RFM分析模式嘗試進(jìn)行改進(jìn)。我們對(duì)一個(gè)無法應(yīng)用傳統(tǒng)RFM分析模式進(jìn)行客戶群細(xì)分的樣本使用“數(shù)量-質(zhì)量-效益”型RFM分析模式進(jìn)行客戶群細(xì)分探索。結(jié)果顯示，三個(gè)維度的雙變量分析表現(xiàn)良好，模型的同期驗(yàn)證表現(xiàn)穩(wěn)定，非同期驗(yàn)證的PSI系數(shù)為0.078，模型結(jié)構(gòu)也適用于外推預(yù)測。通過實(shí)踐，認(rèn)為“數(shù)量-質(zhì)量-效益”型RFM分析模式可以較好的應(yīng)用于商業(yè)銀行客戶群細(xì)分與數(shù)據(jù)庫營銷實(shí)踐，這一模式也為精細(xì)化產(chǎn)品創(chuàng)新管理與客戶關(guān)系管理提供了可能的思路。

實(shí)踐中，除了可以運(yùn)用“數(shù)量-質(zhì)量-效益”模式進(jìn)行分析外，還可以嘗試靈活選擇“數(shù)量-質(zhì)量-效益+”的模式進(jìn)行一些有益探索。例如，可根據(jù)對(duì)業(yè)務(wù)目標(biāo)的理解加入目標(biāo)客戶群的相關(guān)重要屬性或特征標(biāo)簽，并作為“附加分”作用于客戶細(xì)分環(huán)節(jié)，由此也可以更為豐富全面的描述目標(biāo)客戶群，有針對(duì)性的提升產(chǎn)品創(chuàng)新管理與客戶關(guān)系管理的精細(xì)化水平。■

（特約編輯：陳國權(quán)）

參考文獻(xiàn)：

[1]Hughes， A.. Strategic Database Marketing[M]. Chicago： Probus Publishing， 1994.

[2]Bult， J. R.， Wansbeek， T.. Optimal Selection for Direct Mail[J]. Marketing Science，1995（4）： 378-394.

[3]McCarty， J. A， Hastak.， M. Segmentation Approaches in Data-Mining： A Comparison of RFM， CHAID， and Logistic Regression[J]. Journal of Business Research， 2007（6）： 656-662.

[4]Yeh， I. C.， Yang， K. J.， Ting， Taoming. Knowledge Discovery on RFM Model using Bernoulli Sequence[J]. Expert Systems with Applications， 2009（36）： 5866-5871.

[5]蔡淑琴， 馬玉濤， 王瑞. 在線口碑傳播的意見領(lǐng)袖識(shí)別方法研究[J]. 中國管理科學(xué)， 2013（4）： 185-192.

[6]趙萌， 齊佳音. 基于購買行為RFM及評(píng)論行為RFM

P模型的客戶終身價(jià)值研究[J]. 統(tǒng)計(jì)與信息論壇， 2014（9）： 91-98.

[7]Stone， B.，. Successful Direct Marketing Methods[M]. Lincolnwood， IL： NTC Business Books ，1995.

[8]關(guān)志新，劉寅，王秋雯.商業(yè)銀行個(gè)人客戶特征身份的識(shí)別——基于Logistic模型的研究[J].金融論壇，2014（7）：70

-75.

[9]蘭軍，嚴(yán)廣樂.基于客戶特征分群的銀行客戶流失分析[J].技術(shù)經(jīng)濟(jì)與管理研究，2014（5）：105-108.