用SPSS來作RFM行銷分析(一)－晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

RFM分析指的是，以Rencency、Frequency、Monetary來預測客戶的再購。

Recency 最近一次消費日期

Frequency 購買頻率

Monetary 消費金額

在直效行銷進行下一波促銷商品時，RFM可以用來幫忙找出最有潛力購買的客戶，它的理論很簡單：

愈是近期有購買記錄的客戶，再度購買的可能性愈大。

過去購買次數愈多的客戶，再度購買的可能性愈大。

過去購買金額愈多的客戶，再度購買的可能性愈大。

(讓我體驗吧)

在已經有交易或客戶資料庫情況下，歷史資料取得容易，而且RFM的計算也很簡單。我們只要簡單的將每一個客戶進行R、F、M編碼，再組成一個RFM碼(RFM Code)即可應用。

編碼方式以Recency code為例，將客戶最近一次消費日期由近至遠排序，將資料等分成五份，由近而遠coding為5, 4, 3, 2, 1。數字愈大代表最近一次消費日期離現在愈近；數字愈小則代表愈久遠。同理，Frequency code、Monetary code也是coding為5~1，次數愈多，金額愈高，數字愈大。

最後，將三個數字組成三位數的RFM Code，如555代表該客戶無論在消費日期、購買頻率、消費金額，均屬於最高等級；而544，則代表該客戶在消費日期為最高等級，但在購買頻率、消費金額上為第二等級。以下我們用SPSS內附的範例來示範（rfm_transactions.sav）。

在開始之前，先說明資料會有二種型態：交易資料及客戶資料。交易資料指每一筆紀錄代表一次交易，而同一客戶可能有多筆交易，故筆數較多；而客戶資料指交易已歸戶為個人，故同一客戶只會有一筆紀錄，故筆數較少。而本文用的是前者，即交易資料，故筆數雖有4906筆，但實際上只有995人。

資料檔截圖如下，第1欄是客戶ID，第2欄是商品大類，第3欄是商品碼，第4欄是消費日期，第5欄是消費金額。因不區分商品故忽略第2,3欄，第4欄為消費日期，但須找出最近的一次，故還不是Recency。第5欄是金額，但同一人金額要加總，故也不是Monetary；當然，Frequency也有待計算。

在SPSS上選擇直效行銷，點選第一個RFM分析，接著選擇交易資料，進入變數選擇畫面。分別選入交易期、交易金額、客戶ID。摘要方法預設為總計，因為我們希望把同一客戶多次的金額及次數加總，故採用預設。另外，在輸出標籤勾選所有選項。

以上選擇確定後，除了跑出報表外，同時會產生一個995筆的新資料檔如下（由於我使用中文版，故變項名稱自動取中文）。其中最近日期代表ID=1之客戶的最近一次消費日期，交易次數及金額則為總計值。新近值_分數、頻率值_分數、金融值_分數，分別代表Rencency、Frequency、Monetary編碼，最後的RFM_分數則為RFM Code。以ID=2客戶為例，RFM Code為124，代表該人最後一次消費日期離現在最久，購買次數排行也不高，但購買金額是較高的。這樣一來我們可獲得5*5*5=125群的客戶區隔。長遠來講，每隔一段時間就從新編碼一次，在資料庫中保留客戶RFM Code的歷史資料，可以分析客戶變化及演變。