在正式介绍用户生命周期之前我们需要先了解两个重要概念，分别是客户关系管理和客户生命周期价值。

• 客户关系管理(Customer RelationShip Management, CRM)：要求企业站在客户的角度，利用企业信息技术对获取的客户数据进行分析，快速识别客户需求变化，为客户提供更专业、更具个性化的产品或服务、从而提升客户对企业的忠诚度，最大化忠诚客户的支付溢价，进而提高企业核心竞争力。
• 客户生命周期价值(Customer Lifetime Value, CLV)：是对客户未来利润的有效预测，用来衡量一个客户（用户）在一段时期内对企业有多大价值。

下面本文将简单地介绍一下客户生命周期：它是一种动态关系，是一个连续性，分阶段发展的过程，且各阶段相互关联的，其阶段分别为考察、形成、稳定和退化。

在客户生命周期过程中我们主要思考的是如何拉新、提升留存。

而CLV研究的目的是在现有客户购买行为模式的基础上预测客户未来可能为企业创造的价值。毕竟企业总体资源有限，而CLV分析会帮助企业将有限的资源放在未来能为企业带来高价值的客户上面，使收益最优。

说到这我提一个有趣的定律——80/20/30：企业80%的收益是由价值最高的20%客户所创造的，而价值最低的30%客户不仅不会创造价值，还会消耗企业的50%利润。

用客户的现金贴现直接衡量一个客户的终身价值，其结果往往有较大偏差。于是我们便从客户的购买行为视角对CLV做了进一步研究，而依据客户交易行为的模型有（RFM,SMC,BG/NBD）。

而以上三者都是紧紧围绕客户而展开的一系列活动，它们是一个相互依存、相互支撑的有机整体：CLV是CRM的核心内容，而客户生命周期直接影响CLV。比较客户在不同阶段所表现出的对企业的忠诚度、满意度、消费行为模式、流失率都有其阶段性的特征。

1、RFM价值模型

RFM价值模型是以在三个维度上的得分进行组合，然后构成不同客户的行为模式以及价值形式，是一种有效的客户细分方法。

但是这种模型不能直接算出客户未来购买行为的各个量的值，比如客户活跃、客户未来购买次数等，只是对客户历史购买行为进行简单分析，使得企业对客户以后要发生得行为有个比较概括得了解，对客户得大致分类。

对于客户以后将要发生的购买行为并不能较为直观的说明，并没有有效利用客户行为数据为未来购买行为进行很好的预测。

• R=Recency 代表该用户最近一次交易时间；
• F=Frequency 代表用户交易频率；
• M=Monetary 代表用户平均单次交易金额。与python.lifetimes模块意义有所出入。

2、SMC模型

简单讲一下SMC模型：其是能够依据客户购买历史购买行为进行预测的模型之一。这个模型是真正意义上的客户购买行为预测模型之一。通过这个模型，可以很好的计算出客户的活跃度，客户在未来一段时间的期望购买次数，以及在这段时间实现一定次数的购买的可能性。它是GB/NGD的前身模型基于以下五条假设：

• 在活跃时期，一个顾客在长度为t的一段时间内的交易量服从交易率为 的泊松分布。
• 顾客中交易率的非均匀性服从形状参数r，比例参数 的gamma分布。
• 每个顾客的无法观察的生命周期的长度为 ，在这一定顾客变得不活跃，他服从退出比率为u的指数分布。
• 顾客中退出比率的非均匀性服从形状参数s和比例参数 的gamma分布。
• 交易率和退出比率u独立变化。

很显然在目前的信息时代，借助类似于FineBI的这些工具，可以让企业加速融入企业BI数据分析的趋势。备受市场认可的软件其实有很多，选择时必须要结合实际的情况。一般的情况下，都建议选择市面上较主流的产品，比较容易达到好的效果，目前企业数据分析BI软件市场占有率前列的，就是帆软BI软件——FineBI。

商业智能BI产品更多介绍：www.finebi.com

免费下载FineBI 立即体验Demo