RFM 模型在商业银行个人客户关系管理中的应用研究

侯翠翠 孟凡丽

1.沈阳理工大学经济管理学院，辽宁 沈阳 110159

2.中原银行郑州分行，河南 郑州 450000

互联网及金融科技公司崛起，信息壁垒被打破，大数据和信息科技正逐步颠覆银行以往的业务模式，随着互联网及金融科技的渗透，客户的金融行为与偏好发生了巨大的改变，商业银行以往的服务模式已无法满足客户的金融需求，尤其是个人客户。商业银行要想在激烈的竞争环境下赶超同业，就必须要坚持秉承“以客户为中心”的服务和经营理念，重视个人客户关系管理[1]。

在众多客户关系管理（CRM）理论及相关模型分析中，RFM 模型应用较为广泛，研究其在商业银行客户关系管理过程中的应用非常重要。本文通过介绍RFM 模型理论，并基于此模型对商业银行个人客户关系管理进行评价分析和举例探讨，最终对商业银行个人客户关系管理提出可行性建议。RFM 模型能够将客户进行细分从而实现精准营销。

1 RFM模型理论概述

RFM 模型最初由美国数据库营销研究所Arthur Hughes 于1994 年提出，该模型是衡量客户价值和客户创利能力的重要工具与手段，在各行业客户细分中被广泛应用。该模型主要利用客户最近一次消费（recency，R）、消费频率（frequency，F）、消费金额（monetary，M）3 个指标来衡量客户的当前价值，R 越近、F 越多、M 越高，对应的客户价值就越高[2-3]。

R：最近一次消费，是指客户最近一次购买的时间。距上一次消费时间越近的客户越优质，该部分客户与商户的关系就越紧密，就越容易触达；表现相反的客户，就有流失的风险。

F：消费频率，是指客户在一定时间内购买的总次数，越常购买代表满意度越高，忠诚度也越高。提升客户的购买频率即可提高其终身价值的贡献。

M：消费金额，是指客户的交易金额。消费金额是客户贡献价值的最直接体现，在日常营销中，策划所有活动的目标都是提升客户的消费金额。

通过对RFM 模型中的最近一次消费（R）、消费频率（F）、消费金额（M）3 个指标进行分析，可以将客户细分为8 个类别，如表1 所示。其中，R 高表示最近一次消费时间间隔短，R 低表示最近一次消费时间间隔长；F 高表示消费频率高，F 低表示消费频率低；M 高表示消费金额大，M 低表示消费金额小。

表1 客户分类表

2 基于RFM模型的商业银行个人客户价值评价

2.1 RFM 模型的应用

商业银行可以通过客户关系管理系统（简称“CRM系统”）采集个人客户近期购买金融产品的种类、金额、交易笔数等数据，运用RFM 模型进行评价分析。RFM模型中R 的大小与客户再次购买的可能性呈正相关。F与客户的忠诚度呈明显的正相关，也可以作为计算客户购买周期的依据。M 越大意味着客户资金实力越雄厚，越能够为银行创造可观的收益[4]。

商业银行的个人业务主要有存款、理财、基金、保险、电子银行、贷款等，在运用RFM 模型时，不同的业务种类所选取的个人价值评价衡量指标不同。例如，针对存款业务，R 可以选取距离上次存入的时间，F 可以选取交易笔数，M 可以选取存款的余额或日均数，其他业务指标的选取如表2 所示。

表2 商业银行个人客户价值评价主要衡量指标

在商业银行的日常经营中，也可根据银行网点不同的业务特点和产品种类对上述指标进行扩充和调整。结合商业银行现有的个人客户管理系统对客户各项业务的最近一次交易时间、频率、交易金额进行数据采集，根据RFM 模型的各指标计算得出相应的分值，进而得出相应业务所对应的客户价值评分，在分别计算出所有客户的R、F、M 平均值后，将现有个人客户的单个评分与平均值进行对比，比平均值高的记录为高，比平均值低的记录为低，最后依据表1 客户分类表即可得出个人客户所属类型[5-7]。

2.2 RFM 模型应用举例

R、F、M 按价值打分一般是1 ～5 分，在实际操作中也可灵活调整。以某商业银行的个人客户为例，依据零售CRM 系统中的客户数据进行分析计算。

客户小A 上次购买理财产品是4 天前，且近30 天内购买理财产品2 次，购买金额为100 000 元。则客户小A 最近一次消费间隔为4 天，消费频率为2 次，消费金额为100 000 元。该商业银行RFM 模型的3 个指标得分如表3 所示。

表3 该商业银行RFM 模型的3 个指标得分

客户小A 的各指标得分为：R 为4，F 为1，M 为4。若该商业银行网点所有客户的R、F、M 平均值均为3，则客户小A 的用户分类如表4 所示。

表4 客户小A 的用户分类

依据表1 可知，客户小A 的用户价值分类为重要保持用户，针对客户小A 的营销策略为主动联系客户，对该客户进行活动邀约，通过厅堂沙龙活动与客户建立高频的互动和联系，进一步了解客户对金融产品的需求特点，引导客户对网点热销理财产品或其他合适的产品进行复购，以达到提高其购买频率的效果。

3 基于RFM模型对商业银行个人客户关系管理的提升策略

3.1 优化CRM 系统，为个人客户细分提供有力的数据支撑

商业银行主要使用CRM系统对个人客户进行管理，通过该系统可以查看商业银行现有的客户数量，客户持有的各项产品种类、余额、近30 天日均数等数据。基于RFM 模型衡量客户价值所使用的各项核心指标，商业银行可对现有的CRM 系统进行优化升级，整合客户在商业银行各系统内的各项数据，完善系统内可统计到的产品交易时间、交易频次、交易金额等各项指标，为运用RFM 模型对客户价值进行有效分析提供有力的数据支撑，达到精准营销的效果[8-9]。

3.2 实施产品营销策略，缩短个人客户购买产品的时间间隔

依据表1 可知，重要型客户经济实力较强，资金流动性较大，贡献度较高；一般型客户经济实力较弱，资金流动性较低，贡献度一般。商业银行可针对不同类别的客户使用不同的产品营销策略，激发客户的购买力，缩短客户购买产品的时间间隔。以理财产品为例，商业银行可以研发期限在半年以内的短期理财，推出期限为1 个月、2 ～3 个月、6 个月以内的存款或理财产品，使重要型客户用流动性资金能够购买到不同期限的产品，同时开发期限在6 ～12 个月的存款或理财产品，以满足一般型客户的投资需求。通过丰富的存款和理财产品种类，让个人客户不同周期的投资产品到期后均有新的产品进行承接，达到缩短客户购买产品时间间隔的良好效果，实现指标R 的提升。

3.3 组织多样化的营销活动，增加个人客户的购买频率

商业银行可结合各自客户群的主要特点，打造特色网点，定期组织特色化、多样化的营销活动，与客户保持高频互动，提升客户的黏性，增加客户的购买频率[9]。例如，某商业银行网点客户主要是老年人，可打造“老人之家”“大健康金融”等特色主题，每周组织一次与其特色相关的厅堂沙龙活动：在厅堂为老年客户组织生日派对、邀请医疗团队在网点义诊等。通过组织多样化的营销活动和特色化服务赢得客户的信任与认可，在了解客户的资产情况和投资偏好后对客户进行精准营销，能够加大客户对商业银行主推产品的购买频率，实现指标F 的提升。

3.4 实行差异化利率策略，提高个人客户的产品购买金额

在产品期限长短不同、利率不同的基础上，实行差异化的利率营销策略，即同一款产品设置不同的起购金额，匹配不同的利率。例如，一款理财产品推出预期收益率3.8%～4.5%，A 份额1 万元起购，预期收益率3.8%；B 份额30 万元起购，预期收益率4.0%；C 份额50 万元起购，预期收益率4.2%；D 份额100 万元起购，预期收益率4.5%。具体产品的利率调档幅度可根据商业银行研发产品的实际运行情况灵活把握。基于客户贡献度的大小对客户所投资存款或理财产品的收益进行细化，实行差异化的利率策略，对产品预期收益进行阶梯划分，有利于引导客户对所购买产品进行升级，增加购买金额，实现指标M 的提升。

4 结语

商业银行在个人客户关系管理方面，科学运用RFM 模型能够达到事半功倍的效果。本文以RFM 模型理论知识为基础，确立了商业银行在RFM 模型应用中所需要的个人客户价值评价衡量指标，通过个例研究形象地展示了该模型在商业银行个人客户价值评价中的应用，最后基于RFM 模型，针对如何更好地进行客户细分、如何提升RFM 模型中的3 个客户价值衡量指标提出了建议。本文侧重于基础性应用，在商业银行的实践应用中还有进一步探索和深入研究的价值。