基于RFM的培训行业客户分类初探

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于RFM的培训行业客户分类初探范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：教育培训市场发展迅速，培训客户也呈现多样化。为了针对性地对教育培训客户策划和营销，本文引入了传统的RFM模型，并对其进行适当调整以适应教育培训行业。在调整的RFM模型基础上，引入K-means均值聚类数据挖掘方法对培训客户进行分类，一定程度上提高了客户的精准营销和服务，以提高企业的利润。

关键词：RFM；K-means；聚类挖掘；客户分类

引 言

随着网络以及移动互联网的迅速发展，近年来教育培训市场逐渐也逐渐发生了变革，特别是网络在线培训强势发展。本文针对教育培训市场的情况，提出基于rfm的改进模型的客户分类。利用直观的RFM权值高低，在此基础上利用k-means均值聚类算法对客户进行分类，便于进一步分析定位高价值客户，对不同客户分别采取营销措施。

一、教育培训客户RFM模型

本文的教育培训市场，主要是发生在政府实行统管和计划调控之外的所有教育劳务需求方和供给方之间的组织形式[1]。客户分类，常基于顾客给企业带来的利润，以及基于包括利润等各项指标组合。R F M模型具有三个属性值，即最近购买时间（ R ecency）某一期间内购买的次数（Frequency），某一期间内购买的总金额（Monetary）[2]。RFM是消费者数据库中的三项核心指标。

针对教育培训市场的特点，培训人员在某课程或项目进行学习或培训，缴费也多是一次清，通常并不需要多次购买。故需要对传统的RFM模型改进以适应教育培训市场的客户。

本文的RFM模型是指，消费间隔时间是上一次消费的时间与现在间隔的时间长短，消费金额是客户在一定时间内购买的总金额，而消费频率则修改为缴费次数与培训咨询的次数。

本文对消费频率进行修改，消费次数多意味着顾客重复购买公司培训课程，对公司产品认可度较高，而咨询的次数多则表示对培训感兴趣，通常被认为具有较强的培训可能性。

二、基于RFM的客户类型分析

据RFM的意义，对比某个类别客户的 RFM的均值与总的RFM均值[3]。如果单类别客户的某个平均值大于总均值，用符号“”标志，反之则用“”标志。根据RFM组合情况一共可划分为 8 种类型：

类型 1（RFM）：这类客户与企业交易频繁交易或咨询频繁、交易额大，最近一次交易刚完成不久，对企业利润做出了主要贡献，有非常重要的潜在价值，是最优质的客户群。

类型 2（RFM）：这类客户购买金额大，刚完成交易不久，但购买频率较低或具有很少咨询。这类客户也给企业带来了较大利润，如果培训企业针对性地分析他们的需求，利用营销手段吸引他们，他们将会给企业带来更多利润，故这类客户被认为是重要的发展客户。

类型 3（RFM）：这类客户刚完成最近一次交易，购买或咨询频繁，但总交易额较少。这类客户有可能购买力有限，属于活跃用户，需要加强引导这类客户进一步消费。这类客户属于一般重要客户。

类型 4（RFM）：这类客户虽然也是最近刚完成交易，但购买咨询和交易量都较低，通常不能立即让他们投入更多。对于这类的新客户，好可以作为重要发展对象。

类型 5 （RFM）：此类客户购买与咨询频率、总体交易额都比较好，但长时间未在企业产生交易，具有较大流失风险。针对这类客户，需要通过针对性的营销促进在企业他们消费，把他们作为重要挽留客户。

类型 6 （RFM）：这类客户交易或咨询多，但交易总额少，且最近很长时间都没有在企业发生消费，可能需要针对性促销。他们通常作为一般潜在客户。

类型 7 （RFM）：这类客户总交易大，但对企业表现出几乎陌生，他们的交易视乎存在偶然性，通常是一般客户。

类型 8 （RFM）：这类客户的指标都是最差的，可以作为无价值客户看待。

三、客户分类

（一）RFM权重分析

传统RFM认为三个因素各自的比重是相同的。但针对教育培训行业，客户具有多元化特点，既有团队又有个人，既有技能实训又有理念拓展。通过本市大学城附近的培训机构目前市场的调研得出以下几点：

（1）培训人员高峰通常出现在开学、就业前以及假期，学员很少同时参与多项培训。

（2）参与培训或咨询培训频率越高投入培训的概率也越大。

（3）对培训投入越大越是认可培训的认可。

综上所述，本文给出RFM的各项相对权重为[WR=0.20，WF=0.35，WM=0.45]。

（二）基于K-means聚类的客户分类

k - means 算法是划分聚类算法的典型代表，实质上该算法基于簇中对象的平均值[3]。根据算法基本原理，结合RFM的各项权值指标，将具有相近客户价值的用户进分类，基本步骤如下：

（1）获取客户及潜在客户的RFM指标。对R参数，以距今的天数为单位计时；对F参数需要区别已参陪人员和咨询人员的量当系数，本文采用已经参培人员为1，咨询第一次计量0.2，第二次0.4，并成倍增加；M则为投入重量。

（2）RFM指标按各自权重的[WR=0.20，WF=0.35， WM=0.45]计算。

（3）确定客户分类类别数量n。

（4）应用K-means聚类法对RFM指标进行分类，得到n类客户。

（5）通过对每一类客户的RFM均值与总RFM均值比较。

（6）分析该类客户的性质，以便采取针对性营销策略。

四、结束语

客户对企业的价值，最终是看客户给公司带来的收益，教育培训行业也不例外。本文提出将RFM模型及均值聚类分类方法引入纷繁复杂的教育培训市场客户，具有一定的指导意义。但教育培训市场涉及面很广，线上线下发展正在经历新的平衡，本文所提出的探讨实用价值不够好，希望能抛砖引玉。