判断客户价值的3个数据分析模型！

工作中，很多时候都是要在资源有限的情况下，去最大化的撬动效益。挖掘创造最大价值的用户，给用户分类针对性营销等，就是一种典型的应用。本文将来谈谈常用的几个衡量客户价值的数据分析模型，以及它们的应用场景。这在用户运营、市场营销、客户管理等领域常常会用到。一、使用帕累托模型判断哪些是我们最重要的客户帕累托原则，又称二八原则，是关于效率与分配的判断方法。帕累托法则是指在任何大系统中，约80%的结果是由该系统中约20%的变量产生的。应用在企业中，就是80%的利润来自于20%的项目或重要客户。模型的解释：当一个企业80%利润来自于20%的客户总数时，这个企业客户群体是健康且趋于稳固的。 当一个企业80%利润来自大于20%的客户总数时，企业需要增加大客户的数量。当一个企业80%利润来自小于20%的客户群时，企业的基础客户群需要拓展与增加。模型的实际使用：如下图某商场品牌商的销售额。一共10家客户，5家客户（50%）提供了80%的销售额，这就说明需要增加大品牌客户数量。（这个例子客户数量较少，不是非常恰当，大家理解意思即可）
带来大量销售额的客户必须认真对待和维护，如果客户数量大，尤其需要列出重点客户重点跟进，把有限的精力放在创造利润大的客户上。二、使用四象限法判断哪些是我们最大的客户四象限最初是一个时间管理模型，按照紧急、不紧急、重要、不重要排列组合分成四个象限，以此便于对时间进行有效的管理。模型解释：运用在客户分析中，也就是利用销售额和利润这两个重要指标分为四个象限，对我们的客户进行分组。具体措施如下：

• 销售额高和利润都高的客户：重点对待
• 销售额高但是利润少的客户：一般保持
• 销售额低但是利润高的客户：重点发展
  
• 销售额和利润双低的客户：需要查明原因
  

模型的实际使用：
如图所示，每个销售大区与每个销售年份下的客户分布。

通过筛选数据，我们得到我们想要的客户信息。

三、使用RFM模型判断客户价值RFM分析是客户关系分析中一种简单实用客户分析方法，他将最近一次消费、消费频率、消费金额这三个要素构成了数据分析最好的指标，衡量客户价值和客户创利能力。RFM分析也就是通过这个三个指标对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略。R——最后交易距离当前天数（Recency）F——累计交易次数（Frequency）M——累计交易金额（Monetary）在这三个制约条件下，我们把M值大，也就是贡献金额最大的客户作为“重要客户”，其余则为“一般客户"和”流失客户“。基于此，我们产生了8种不同的客户类型。模型的解释：模型的实际应用：RFM模型主要按照特定的要求将客户筛选出来。以下是我建立的一个客户筛选可视化模板，可以整体看看客户的情况。最后，以上模型也可应用在别的业务场景下。比如帕累托模型衍生出的ABC分类法，可用于产品分析。比如将70%，20%，10%的销售额比重把产品分为ABC三类，然后把重点的管理资源放在A，把较少的资源分配给C或者砍掉部分C商品，以达到资源管理的最优状态。所以，模型的学习关键在于理解原理，以后各项分析都融汇贯通。
PS：以上分析均由FineBI制作

​