RFM 與 K-Means
RFM 模型
RFM 目的：將顧客交易行為轉換為可分析之顧客價值指標。
| 指標 | 意義 | 本研究的算法 |
|---|---|---|
| R（Recency） | 最近一次消費 | 基準日 2018-08-30 減去最後一次購買日，單位為天 |
| F（Frequency） | 消費頻率 | 有效訂單的張數 |
| M（Monetary） | 總消費金額 | 所有有效訂單的付款金額加總（巴西幣） |
分群方法：K-Means
K-Means 是一種常見的分群方法，會依照顧客消費行為的相似程度，自動將顧客分成不同群組。我們把 Frequency（消費次數）與 Monetary（消費金額）標準化後作為分群依據，將顧客分為 3 個客群，方便企業針對不同客戶制定行銷策略。
為什麼 Recency 不放進分群？
如果把 R 也放進去，會出現「近期客戶」這種依時間命名的群。一位最近才買、而且買很多的顧客，就無法判斷該算近期客戶還是 VIP。因此分群只看 F 與 M，客群只由「買幾次、花多少」決定；顧客會不會流失，交給有使用 Recency 的 BG/NBD 模型預測。
客群命名規則
| 順序 | 客群 | 判定依據 |
|---|---|---|
| 1 | 忠誠客戶 | 購買 2 次以上（有回購） |
| 2 | VIP 客戶 | 只買 1 次，總消費在 K-Means 分界（約 588 巴西幣）以上 |
| 3 | 一般客戶 | 只買 1 次，總消費在分界以下 |
K-Means 先依 F、M 分成三群：購買次數平均最高的一群為忠誠客戶，其餘兩群中消費金額平均較高的為 VIP 客戶，剩下的為一般客戶。K-Means 已把 2,801 位回購顧客中的 2,775 位分在同一群；另外 26 位買 2 次且金額很高的顧客會被分到 VIP。為了讓每個客群都能用一句話定義，本研究再規定買 2 次以上一律為忠誠客戶，K-Means 則負責找出 VIP 與一般客戶之間的金額分界。