案例分析：用RFM保持有价值客户

　　全胜公司是一家小型化工原料贸易企业，年销售额4000多万元，最有核心竞争力的产品是食品添加剂，如柠檬酸等，顶端客户是几家国际知名大型的饮料制造企业在当地的工厂，由高层管理人员亲自跟进，客户关系维护得很好，能稳定地占有较理想的客户份额。但是该公司还经营其他多条化工原料产品线，其他非顶端客户近1000家，来自不同的行业，采购规模和习惯各不相同，要集中有限的企业资源、保持高价值客户的忠诚度、防范高价值客户流失真不是一件容易的事情。利用RFM分析模型，则可有效地改进这方面的工作。

　　1)步骤一：分别计算出过去12个月已成交客户贡献的总采购金额，可以利用公式计算：

　　M×F= TM（Totle Monetary Value，总采购金额）

　　*M=过去12个月内的平均采购金额

　　*F=过去12个月内的采购次数

　　总采购金额也可以通过其他统计途径（例如从进销存软件或销售自动化SFA软件）获得。计算出各个客户的总采购金额后，可以利用EXCEL将客户名单按总采购金额进行降序排列，把1000家客户中最前面的1%约10家客户定义为顶端客户，把其次的4%约40家客户定义为高端客户，把再次的15%约150家客户定义为中端客户，其余的800家客户归入低端客户。

　　下表是降序排列后第11名起的几家客户的情况，它们是40家高端客户的一部分：

　　2)步骤二，把客户关系保持的重点首先放在前高端及中端用户那里，因为顶端客户的忠诚度高、客户份额高，再额外花精力的话边际效益不明显；低端客户数量多、贡献小，暂时没有太多精力照料。对于高端和中端的约190家客户，分别计算出它们过去12个月每次购买到下次购买的平均周期，公式为：

　　365天÷F= P

　　*F=过去12个月的采购次数

　　*P=Period平均采购周期

　　分别计算出这190家客户最近一次购买日期D到今天的天数：

　　Today – D= R

　　*D=Date最近购买日期

　　*R=停止采购天数

　　将P（Period平均采购周期）、D（Date最近购买日期）和R（停止采购天数）依次填写到步骤一制作的客户列表中，并利用EXCEL的公式计算出两者的差△：

　　P-R=△　

　　*Today今天=2004-11-27

　　*统计周期=过去365天

　　从图4中可以看到：

　　△>0，停止采购的天数小于平均采购周期的有甲、戊、庚三个公司；客户流失安全警戒线范围

　　△=0，停止采购的天数等于平均采购周期的有丁公司；

　　△<0，停止采购的天数大于平均采购周期的有乙、丙、己三个公司。乙、丙、己三个公司需要立即引起关注

　　　。因为它们已经有些日子没有按照过去的行为习惯继续采购了。进一步观察，我们发现乙公司仅仅超过其平均采购周期4天，相对于46天的平均采购周期来说仍然属于正常的波动范围，不必过于焦虑，当前可以把它与丁公司同等对待，稍加留意其近期动向即可。而丙、己两个公司不仅超过了其平均采购周期，而且超过的天数（26天和22天）比平均采购周期（17天）还大一倍以上。这说明这两个客户流失的风险比较大，需要重点关注。统计员发现此类情况后，应立即指派工作任务给负责维护丙、己公司关系的销售代表，让销售代表采取必要的方式了解客户暂停购买的原因。

　　客户暂停购买的原因可能是客户本身遭受困难无力采购，也可能是客户调整产业方向，也可能是由于某些事件导致满意度下降而被竞争对手乘虚而入，也可能是正常的淡旺季波动。销售代表进行调查、跟进后，判断原因并向公司提出合理化建议，以规避财务风险、尽量扩大客户生命周期价值。假如原因是客户遭受到了暂时性的困难，则可在控制应收款风险的基础上，适当调整策略协助客户度过难关，当客户业务重上正轨后，必然投桃报李，更加忠诚；假如原因是客户调整业务方向，对某种特定的原料采购下降，则要研究本公司的产品线中，有哪些适用于客户新的发展方向，有针对性地推荐适销对路产品，延长客户的生命周期；假如是由于某些事件处理不当造成客户满意度下降，则要设法向客户解释、弥补，并采取有力措施避免重犯，尽量挽回影响；假如是正常的淡旺季波动，则要了解清楚客户下次购买的大体时间，并预先制定销售工作计划，到未来恰当的时间提醒销售代表跟进。

　　三、RFM分析模型小结

　　RFM分析模型不是万能的，它也有其弊端。例如对M平均采购金额，以及基于F×M计算出来的TM总采购金额，还没有减去产品成本、一对一的销售、服务和营销费用、应予以分摊的某些管理费用，因此TM总采购金额还不是更为精确的客户当期净价值（NPV, Net Present Value）。如果能以可操作的方式实现对客户生命周期价值的预测，则目前依据M的客户排名将更科学，从而尽量减少遗漏重点客户的风险。

　　简便地得到客户价值较高、流失风险较大的客户记录列表，并针对列表的客户记录直接建立和分派跟进任务，将有价值客户的流失消灭在萌芽状态，甚至做到防患于未然。 　　

　　以上的案例分析，其实已经把FRM的方法创造性地应用到了客户预警与客户挽留了。　　

　　如果我们觉得FRM的细分还不够，那就要引入数据挖掘工具了，数据挖掘可以发现RFM无法获取的特殊的客户群，这些客户群有特殊的消费行为。并对我们原来的客户细分方式进行改进。由于篇幅的关系，我们在下一讲介绍。　　

[1] [2]