申鄭

摘 要：RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的常用模型。本文基于某大型百貨商場(chǎng)2016年的銷售流水和會(huì)員信息等數(shù)據(jù)，利用EXCEL和SQL Server等工具統(tǒng)計(jì)了會(huì)員的各項(xiàng)指標(biāo)，使用主成分綜合評(píng)價(jià)的方法建立商場(chǎng)會(huì)員價(jià)值識(shí)別模型，模型結(jié)果符合常理，具有參考價(jià)值，對(duì)商場(chǎng)管理者的會(huì)員精細(xì)化管理和精準(zhǔn)營銷提供數(shù)據(jù)支持。

關(guān)鍵詞：商場(chǎng)會(huì)員;RFM模型;主成分綜合評(píng)價(jià);會(huì)員價(jià)值

一、引言

在百貨商場(chǎng)行業(yè)中，會(huì)員價(jià)值體現(xiàn)在能源源不斷地為商場(chǎng)帶來穩(wěn)定的營業(yè)額與銷售利潤，同時(shí)也為商場(chǎng)管理者的策略制定提供數(shù)據(jù)支持。商場(chǎng)會(huì)采取各種不同方法來吸引更多的人成為會(huì)員，并且盡可能識(shí)別出價(jià)值較高的會(huì)員。有人認(rèn)為對(duì)老會(huì)員的維系成本太高，事實(shí)上，發(fā)展新會(huì)員的資金投入遠(yuǎn)比采取一定措施來維系現(xiàn)有會(huì)員要高。實(shí)現(xiàn)會(huì)員的價(jià)值識(shí)別，加強(qiáng)對(duì)現(xiàn)有會(huì)員的精細(xì)化管理，定期向其推送產(chǎn)品和服務(wù)，與會(huì)員建立穩(wěn)定的關(guān)系是百貨商場(chǎng)行業(yè)得以更好發(fā)展的有效途徑。本文以2018年全國大學(xué)生數(shù)學(xué)建模競(jìng)賽C題提供的某大型百貨商場(chǎng)的數(shù)據(jù)為例，基于RFM模型和主成分綜合評(píng)價(jià)的方法，給出會(huì)員價(jià)值識(shí)別的一個(gè)案例。

二、RFM模型

RFM模型是衡量會(huì)員價(jià)值的常用模型，這里R、F、M指某個(gè)時(shí)間窗口內(nèi)會(huì)員的三個(gè)指標(biāo)。本文選取的時(shí)間窗口為2016年1月1日到2016年12月31日，文中所有會(huì)員數(shù)據(jù)都在這個(gè)時(shí)間段內(nèi)統(tǒng)計(jì)，其中R指最近一次消費(fèi)，也叫近度（Recency），本文R指標(biāo)的具體計(jì)算方法是會(huì)員在2016年最后一次消費(fèi)的日期距離2017年1月1日的天數(shù);F指消費(fèi)頻率，也叫頻度（Frequency），本文F指標(biāo)的具體計(jì)算方法是會(huì)員2016年內(nèi)在商場(chǎng)刷卡消費(fèi)的次數(shù);M指消費(fèi)金額，也叫額度（Monetary），M指標(biāo)的具體計(jì)算是指會(huì)員在2016年全年消費(fèi)總金額。

本文使用EXCEL和SQL Server從原始數(shù)據(jù)中共統(tǒng)計(jì)出了2016年在該商場(chǎng)有消費(fèi)記錄的15784名會(huì)員的各項(xiàng)RFM指標(biāo)值，形成一個(gè)15784行、3列的原始數(shù)據(jù)矩陣X，矩陣X的部分?jǐn)?shù)據(jù)如下：

三、主成分綜合評(píng)價(jià)

從原始數(shù)據(jù)矩陣X出發(fā)，對(duì)會(huì)員價(jià)值進(jìn)行識(shí)別研究，通常采用的方法有：聚類分析法、層次分析法等，但通過聚類分析對(duì)會(huì)員進(jìn)行分類，顯得量化研究不夠充分;層次分析法中的權(quán)重通常是主觀賦權(quán)，結(jié)果不夠客觀且存在變數(shù)。我們希望采取比較客觀的方法，并且有唯一的結(jié)果，即找到一個(gè)以會(huì)員價(jià)值為因變量、以會(huì)員的R、F、M值為自變量的函數(shù)，從而計(jì)算出每位會(huì)員的“價(jià)值”，再對(duì)會(huì)員的價(jià)值進(jìn)行排名，識(shí)別出價(jià)值高與價(jià)值低的會(huì)員。主成分綜合評(píng)價(jià)是一個(gè)客觀評(píng)價(jià)的方法，如果我們把綜合評(píng)價(jià)的得分視作會(huì)員的“價(jià)值”，那么就可以找到上述要求中的“價(jià)值”函數(shù)。

1.數(shù)據(jù)標(biāo)準(zhǔn)化處理

由于原始數(shù)據(jù)矩陣X中各項(xiàng)指標(biāo)下的數(shù)據(jù)量綱各不相同，所以首先需要對(duì)數(shù)據(jù)進(jìn)行去量綱的數(shù)據(jù)標(biāo)準(zhǔn)化處理，本文采用z-score數(shù)據(jù)標(biāo)準(zhǔn)化處理方法，計(jì)算公式如下：

2.使用Matlab進(jìn)行主成分綜合評(píng)價(jià)

由上述公式計(jì)算出的每位會(huì)員在三個(gè)主成分下的指標(biāo)值。Matlab軟件的自帶的主成分分析函數(shù)pca已經(jīng)為我們計(jì)算好了每一位會(huì)員在三個(gè)主成分指標(biāo)下的數(shù)據(jù)值，具體數(shù)據(jù)見score矩陣。latent矩陣存放的是三個(gè)主成分的特征值，每個(gè)主成分的特征值除以特征值的總和即為該主成分的權(quán)重，此權(quán)重為客觀權(quán)重，由原始數(shù)據(jù)矩陣X所唯一決定，所以克服了主觀賦權(quán)帶來的模糊性。由于我們的目的是對(duì)每位會(huì)員的價(jià)值進(jìn)行排名，所以在做主成分分析的時(shí)候，不需要舍棄權(quán)重偏小的主成分，因此三個(gè)主成分都參與綜合得分的計(jì)算，這樣還有一個(gè)好處就是保持原始數(shù)據(jù)信息量100%無損失。在Matlab中計(jì)算每個(gè)主成分權(quán)重的具體計(jì)算代碼為：

得到的矩陣explained即為主成分的權(quán)重矩陣，本文中計(jì)算得出的三個(gè)主成分的權(quán)重依次為0.5994、0.2736、0.1271。根據(jù)主成分的指標(biāo)值和權(quán)重就可以計(jì)算每位會(huì)員的綜合得分JZ，計(jì)算公式為：

每位會(huì)員的綜合得分就當(dāng)做每位會(huì)員的“價(jià)值”，根據(jù)綜合得分對(duì)會(huì)員價(jià)值從高到低排序，即可識(shí)別出每位會(huì)員的價(jià)值高低。

四、會(huì)員價(jià)值識(shí)別

從表3中可以看出，會(huì)員綜合得分排名最高的五位會(huì)員都是在臨近截止日期（2017年1月1日）前來消費(fèi)過（R值），全年刷會(huì)員卡消費(fèi)的次數(shù)都在500次以上（F值），全年消費(fèi)金額（M值）巨大，除了第一位會(huì)員由于刷卡消費(fèi)次數(shù)（3303次）遙遙領(lǐng)先于其他會(huì)員使得綜合得分排名第一外，其他4位會(huì)員的全年消費(fèi)金額都在40萬以上并且另外兩項(xiàng)指標(biāo)的數(shù)據(jù)也很可觀，所以這5位會(huì)員的價(jià)值最高無可爭(zhēng)議。從表5中可以看出，綜合得分排名最低的會(huì)員已經(jīng)很久沒來消費(fèi)過了，全年只消費(fèi)了一次并且消費(fèi)金額小，這樣的會(huì)員價(jià)值最低也無可厚非。綜上所述，使用主成分綜合評(píng)價(jià)對(duì)會(huì)員價(jià)值識(shí)別的結(jié)果符合生活實(shí)際，故評(píng)價(jià)結(jié)果有參考價(jià)值。

五、會(huì)員精細(xì)化管理

對(duì)15784名會(huì)員的原始數(shù)據(jù)矩陣X做了主成分綜合評(píng)價(jià)后得到的綜合得分即為每位會(huì)員的價(jià)值綜合得分，根據(jù)計(jì)算結(jié)果，所有會(huì)員的價(jià)值綜合得分的平均值為0，但這不妨礙我們對(duì)所有會(huì)員的價(jià)值從高到低進(jìn)行排名。受到商場(chǎng)運(yùn)營成本的制約，商場(chǎng)不可能對(duì)所有會(huì)員采取無差別的個(gè)性化服務(wù)，商場(chǎng)只能將維系會(huì)員的資源集中在少數(shù)幾類對(duì)商場(chǎng)重要的會(huì)員上，根據(jù)會(huì)員價(jià)值得分排名情況，商場(chǎng)應(yīng)該優(yōu)先將資源投放到價(jià)值得分較高的會(huì)員身上，比如將價(jià)值得分排名前100的會(huì)員定義為VIP黑卡級(jí)別的會(huì)員，商場(chǎng)應(yīng)該對(duì)這一類的會(huì)員進(jìn)行會(huì)員畫像，分析每一位VIP黑卡級(jí)別會(huì)員的消費(fèi)偏好，對(duì)其建立私人客服系統(tǒng)，維系好與他們的關(guān)系，定期向其推送符合他們消費(fèi)偏好的產(chǎn)品，最終實(shí)現(xiàn)會(huì)員的精細(xì)化管理。

六、結(jié)語

本文基于RFM模型和主成分綜合評(píng)價(jià)對(duì)商場(chǎng)會(huì)員價(jià)值進(jìn)行識(shí)別，識(shí)別結(jié)果客觀可信，并且在Matlab中主成分綜合評(píng)價(jià)的程序已經(jīng)很成熟了，在我們實(shí)際操作中可以很方便的使用。商場(chǎng)管理者對(duì)于會(huì)員價(jià)值識(shí)別的結(jié)果可以用于會(huì)員的精細(xì)化管理和精準(zhǔn)營銷，與高價(jià)值會(huì)員建立穩(wěn)定的關(guān)系是百貨商場(chǎng)行業(yè)得以更好發(fā)展的有效途徑。

參考文獻(xiàn)：

[1]姜啟源，謝金星，葉俊.數(shù)學(xué)模型（第五版）.高等教育出版社，2018.

[2]汪曉銀.數(shù)學(xué)模型方法入門及其應(yīng)用.科學(xué)出版社，2018.

[3]林盛，肖旭.基于RFM模型的電信客戶市場(chǎng)細(xì)分方法.哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2006（05）：758-760.