序：这是去年我在上海师范大学一次演讲主题，今天将演讲内容整理成文稿，希望对大家有帮助。
会员，是一个零售业为之倾倒的存在。如果说，顾客就是上帝，那么会员就是上帝他大爷！
在谈会员之前，就要先搞清楚什么是会员。
问了下度娘，度娘告诉我会员就是VIP，VIP就是Very Important People（翻译成中文是非常重要的人）
这个最佳答案当之无愧，笔锋工整，观点犀利并直戳要点，360°无死角，完美！
我们先想一想，在自己身边的那些非常重要的人，比如父亲、母亲、丈夫、妻子、儿女、兄弟、朋友，每个人身边总会有非常重要的人，你们之间存在着一种怎么样的关联？
（1）你是否会每天都想着念着他/她？
（2）你是否会想他/她所想？
（3）你是否能够忍受他/她的缺点？
（4）你是否会担心他/她不愉快？
……
如果你的答案是肯定的话，那么，恭喜你，你已经理解了会员的真正含义。
我今年去过一家互联网创业公司，全公司写着一句口号：为了钱向一切低头！这句话打动了我，意思自然是强调了何时何地都要向客户低下那颗高昂的头颅。
这句话只是诠释了前面的（3），（3）固然重要，但（1）（2）（4）决定了客户和会员的区别。
会员（VIP）用现在的互联网话来讲，就是脑残粉、死忠粉。
能够被你打动也向你透以桃李之人。
我认为最好的会员案例，是腾讯的QQ会员，因为这是我从孩提时代开始直到现在依旧不变的身份！
我们先剖析一下QQ会员有什么值得借鉴的地方
（1）特权，QQ会给到会员应有的特权，让他们跟其他人区隔开来，不同的等级有不同的特权。
（2）明确目标，公开透明每个人的升级目标，每个会员都知道升级的阈值。
会员成长阶段 VIP1 VIP2 VIP3 VIP4 VIP5 VIP6 VIP7
成长值 0 600 1800 3600 6000 10800 32400
（3）计算简单，积分的累积简单明了，就是花钱！
游戏规则清晰明了
每个人了解自己的晋升之路，也清晰晋升之后的特权，那么唯一要做的事情，就是花钱，Perfect！
VIP总结而言，就是我们寻找的人，并且认可我们的人。但这个前提是要做到（1）（2）（3），要让会员知道游戏规则，才有可能陪我们玩。有了会员才能谈会员关系管理
会员关系管理（也称之为客户关系管理，简称CRM）是零售业非常重视的领域，是指维护会员的生命周期的系统、制度和一系列的游戏规则，其最终目标是吸引新客户、保留老客户以及将已有客户转为忠实客户，降低市场推广成本，增加市场份额。
说到CRM必须要谈到RFM模型，这是客户细分中最基本的一个模型，它可以对客户进行分组，然后对不同的客户采取不同的营销策略。基于RFM模型现在已经延伸出RFMD、RFMDA、RFMP等根据具体行业改良的模型。
RFM模型是一个3维模型，就像一个立方体，用三根轴线分成8个小的立方体。
其中
R表示客户最近一次消费的时间间隔
F表示客户消费的频次
M表示客户消费金额
将RFM3个指标的均值作为3根轴线的交点，“+”代表高于该指标的均值，“-”代表低于该指标的均值，列出下表
上表中红色的部分是比较重要的客户分组。
重要价值客户：指花钱多，又经常来，而且近期还来过，这样的客户非常重要，可能超过50%的业绩就来自这些客户，是否流失将对业绩产生严重的影响。
重要保持客户：指花钱多，又经常来，but最近没来，这是有一段时间没来的忠实客户，我们要主动出击，了解原因并激活老客户。
重要发展客户：指花钱多，最近来过，but不经常来，忠诚度不够，必须重点发展。
重要挽留客户：指花钱多，不常来而且有一段时间没来了，这是在上两个分组中没有及时跟进，从而发展起来的预流失客户，需要想办法及时挽回他们。
通过RFM这类成熟的模型可以提高会员策略的命中率。
下面用R语言构建模型
这样RFM数据就计算好了，下一步就可以根据均值对数据分类了，这是经典做法（之后会推送基于Excel演算的RFM模型），不过我们今天用的方法采用Entropy Weighting K-means算法，将RFM模型分成4类，然后观测
画出聚类图，观察4个类。
从层级图观测，可以知道第3类是流失客户（因为最近时间间隔很大），第1类是预流失客户，第2、4类是重要、活跃客户。
对客户的触发间隔也是一门学问，下图根据触发间隔和客户响应率指数的统计结果
所以，在顾客刚下单的时候，是顾客最快乐的时刻，这时如果马上对客户触发，触发效果特别好。比方说加微信，顾客刚付完钱后是非常容易接受加微信的，但是如果等到3个月后，甚至半年后再跟顾客提加微信，那到时客户还记不记得你都说不定呢！
通过上表数据可以了解到最佳触发时间在下单后的第一天内，其次是30天内，30天后效果就很差了，这也是现在很多商家做CRM效果差的原因，大多数商家没有日常的CRM计划，都是想起来了再做，等你想起来了顾客早就忘了你。
在技术上可以先对客户进行打标（已知标签），然后再对这些标签分别做客户价值判定（不同标签的客户的价值体系有差异），最后在做购物篮营销（推荐系统）。
作者简介：零一，自媒体人，9年电商从业经验，数据分析师&开发工程师，专注电商数据分析和人工智能，著有《美丽的电商运营日记》《Excel BI 之道》《淘宝、天猫电商数据分析与挖掘实战》《Python3爬虫、数据清洗和可视化实战》
拓展阅读（
点击即可浏览
）
从0开始教你做数据分析-01
从0开始教你做数据分析-02
