如何对客户价值进行精准预测和分析？

在多数企业运营中，20%的客户占80%的销售额，20%的客户给我们提供了80%的利润。这20%的客户是我们的重要客户，是我们利润的来源。同时由于新客户的开发成本是老客户的5倍，因此客户关系管理显得越来越重要。今天我们来探讨企业中常用的客户价值分析的话题。

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重要指标：

① 最近一次消费(Recency)

最近一次消费意指上一次购买的时间。上一次消费时间越近的顾客对提供即时的商品或是服务也最有可能会有反应。对提供即时的商品或是服务也最有可能会有反应。

② 消费频率(Frequency)

消费频率是顾客在限定的期间内所购买的次数。最常购买的顾客，也是满意度最高的顾客。这个指标是“忠诚度”很好的代理变量。

③ 消费金额(Monetary)

消费金额是最近消费的平均金额。是体现客户短期价值重要变量。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 。

我们获得了某零售企业客户消费信息表，对数据进行预处理之后，我们准备在SPSS软件系统中构建FRM分析模型。

首先，导入“客户信息表“之后选择“直销”下面的“了解我的联系人”。

选择“客户数据‘’

接下来在变量里面选择时间、交易数和金额以及客户标识字段。

分箱化中选择分组的形式，可以自动分组，也可以自行手工分组。

点击确定，在结果查看器中可以看到RFM分析结果和热图：

同时返回数据视图即可查看RFM各项指标的的得分及总分，结合业务规则，可以得到分级别客户的名单。从而进行后续的营销和管理。

1. RFM只是分析的开始，通过这种方法获取了描述客户消费行为的基本信息，为将来的客户画像（聚类模型）、购买响应倾向（分类预测模型）提供可分析的变量；

2. 还有许多有意义的变量可以获取，比如订单间隔的稳定性、客户存在时间、购买量的稳定性；

3. 可以分不同的产品，不同的场景（比如是否促销），不同的时间长度通过RFM 方法构造指标。

介绍完RFM方法，容小编打个广告。

业务数据分析师-SPSS方向

广州面授：4月22日~5月14日（8天）

北京面授 & 远程：5月27日~6月18日（8天）

授课安排：现场班6900元，远程班4900元

(1) 授课方式：面授直播两种形式，中文多媒体互动式授课方式

(2) 授课时间：上午9:00-12:00，下午13:30-16:30，16:30-17:00(答疑)

(3) 学习期限：现场与视频结合，长期学习加练习答疑。

第一阶段：数理统计基础与SQL语言

1.商业数据分析前沿与概述
2.数据分析流程与方法论
3.数理统计基础知识
4.随机事件与随机变量
5.正态分布与中心极限定理
6.其他统计学三大分布
7.描述性统计分析
8.SQL数据库语言简介
9.Mysql安装、配置与实操

第二阶段：数据分析统计基础理论P2

1.随机抽样知识

2.抽样估计基础

3.点估计与区间估计

4.假设检验方法

5.单因素方差分析

6.相关与回归分析

7.数据分析理论基础总结

a.案例：三国人物数据分析

第三阶段：数据预处理技术P1

1.数据分析与SPSS介绍

2.SPSS数据分析流程演示

3.SPSS 的特点与界面介绍

4.数据的输入与保存

5.数据获取及其格式

6.SPSS 数据变量详解

7.SPSS 访问外部数据

a.案例：员工绩效考核案例

第四阶段：数据预处理技术P1

1.数据预处理及分析

2.数据清洗方法

3.新变量生成

4.描述统计分析

5.SPSS 统计图形与可视化

6.交互式散点图介绍

a.案例：证券交易案例

第五阶段：数据分析与建模技术

1.相关分析介绍

2.回归分析基础

3.简单回归分析

4.多元回归分析

5.卡方分析方法

a.案例：商品韧性材料的影响因素预测分析

b.案例：商品投诉因素分析

第六阶段：数据分析与建模技术

1.二分类Logistic回归分析

2.主成分分析与聚类分析

3.主成分分析与两步聚类法

4.RFM 客户价值模型

5.时间序列分析方法

6.统计报表分析过程

a.客户违约信息预测

第七阶段：案例分析及业务应用

1.数据挖掘方法论介绍

2.回归分析方法详解

3.因子分析方法

4.市场调研-用户体验评测案例

5.业务分析-球员综合评价案例

6.用户洞察-用户信用评分案例

曹正凤

CDA数据分析师金牌讲师/统计学专业博士

北京大数据协会理事，首发集团智慧交通大数据中心筹备组负责人，具有多年的JAVA程序设计和统计教学经验，目前致力于大数据分析前沿领域研究。研究方向为数据挖掘领域的前沿算法研究，包括随机森林算法、神经网络等内容，发表多篇论文。

丁亚军

CDA数据分析师讲师/首席数据分析师

现任职于人大经济论坛评谷数据处理与分析研究中心，兼职中国学习路径图国际培训中心技术顾问，SAS、SPSS高级统计学讲师。曾参与2012国家宏观经济预测、中国城镇居民家庭投资调查、泸州老窖目标管理与绩效考核等大型数据处理项目，具有丰富的数据处理经验。

1.在线填写报名信息

CDA官网：

CDA微店（微信扫一扫）

2.给予反馈，确认报名信息

3.网上缴费

4.开课前一周发送电子版课件和教室路线图

电话：010-68411404

手机：13001066694（张老师）

　　　QQ：2881989710

　　　18811331062（田老师）

　　　QQ：2881989709

邮箱： [email protected]

　　　[email protected]

—— Join Learn!