【摘要】    构建RFM购买力模型G（ci） = 100× R（ci） +10× F（ci） +1× M（ci），通过百分位阈值给各指标打分，可将每位会员的购买力分为 8类，将其对应为高价值客户、重点需要维护的客户、重点发展客户、重点挽留客户、价值不太大客户、基本保持客户、基本发展客户、潜在客户。其目的是对每个会员的价值进行清晰辨别。当前电商带给实体产业最大的冲击是人才的流失，给实体经济带来不良的影响。运行商精细化管理必须依靠完整的会员画像、充分发挥会员价值的有效途径。我们希望基于数据挖掘的会员体系分析可以为其建立稳定的会员关系、并为策划促销活动提供可靠依据。
　　【关键词】    会员画像    RFM模型    生命周期    精准化营销
　　一、问题的陈述
　　1.1问题背景
　　在传统的服务行业中，会员自身所具有的价值是为运营商提供巨大的利益支持或者利用自身产生的数据用于为零售商制定营销策略的参考。零售实体经济要想获得较快的发展，必须想尽一切办法吸引顾客的注意力。当前实体经济面临的重要问题是人才的流失及客户的减少，实体经济发展较为缓慢，因此运营商需要提出有效的解决方案来加强零售实体经济与客户的关系。
　　1.2问题提出
　　针对会员的消费情况建立能够刻画每一位会员购买力的数学模型，以便能够对每个会员的价值进行识别。
　　二、问题的分析
　　构建每一位会员购买力模型时，基于附件3数据，我们借鉴RFM方法中“客户最近一次交易时间的间隔（R）”、“客户在最近一段时间内交易的次数（F）”和“客户在最近一段时间内交易的金额（M）”指标，建立“RFM”会员购买力评价模型。每个指标按会员消费情况百分位阈值赋予不同“评价分数”，然后计算出各个指标得分的平均值，并将各个变量高于平均分的定义为“高”，低于平均分的定义为“低”，根据三个变量“高”“低”的组合来定义客户类型（如“高”“高”“高”为高价值客户）。
　　三、模型假设及符号说明
　　3.1 模型假设
　　为了使得问题更易于理解，我们作出以下合理假设：
　　假设销售数据录入系统时不存在时间差。
　　假设销售流水表和会员消费明细表中的一条记录代表一次消费，即不存在同一次消费产生多条记录的情况。
　　假设会员的会员卡自开卡日起，除了自行退出外不存在会员卡过期导致会员退会的情况。
　　3.2符号说明
　　四、模型的建立与求解
　　4.1 RFM 购买力模型的建立
　　在衡量会员价值和创收能力时，RFM模型时是具有重要使用价值的工具。 RFM 模型具有三个重要的衡量指标：会员最近一次消费距研究时段最后一天的时长R（Recency）、消费总频率F（Frequency）以及消费总金额M（Monetary）三项指标。最后一次消费时长 R表示会员最近一次的购买时间和分析时间间隔的天数，消费总频率 F表示会员研究时段内所消费的总次数，消费总金额M是该会员在此期间消费的总金额。一般而言，会员的消费频率越高，消费总金额越大，会员的购买力也就越大。
　　每个会员的购买力可以表示成：
　　这里的R（ci），F（ci） ，  M（ci）分别代表会员 ci以 R、F、M为分类的相应变量评分。所乘系数 100、10、1 只是为了能让百位、十位和各位上的 R、F、M评分直观的组合为对应的购买力指数 G。
　　五、模型的優缺点评价与模型推广
　　5.1模型的分析和评价
　　本文从商场的会员信息和消费流水数据出发，通过数据挖掘方法，构建描述会员购买力的RFM模型，建立了会员生命周期与专题划分的关系，为商家策划有针对性的促销方案提供有效依据。
　　1.模型的优点。（1）创建了RFM模型刻画每一位会员的购买力。通过分析附件的数据，结合购买力的指标，单次消费金额能够更贴切客观地描述会员的购买力。（2）基于会员消费明细精确刻画会员画像，商场可以清楚了解不同消费者对于促销活动的反应。
　　2. 模型的缺点。（1）RFM模型仅考虑了三个指标，F和M之间存在多重共线性，这些都会导致结果存在偏差。
　　5.2模型的推广
　　通过商场会员消费明细，从不同角度精确计算会员价值，有利于帮助商场对会员进行认识和管理，并为商场制定针对不同价值会员的促销活动提供科学的依据。
　　参  考  文  献
　　[1]蔡玖琳. 基于数据挖掘的零售业客户细分方法[D]. 青岛大学， 2015.
　　[2] 王子威. 我国百货店客户关系管理研究——以北京当代商城为例[D]. 首都经 济贸易大学， 2014.
　　[3] 数学模型（第四版），北京：高等教育出版社 2015.