我們設(shè)計的RFV分類模型（或稱RFV檢測儀）從“停止采購時間”和“來店頻率”兩個維度，把“價值矩陣分析法”界定出的5個客戶價值群體再次細(xì)分為 125個不同的群體，商場可以針對不同的群體采取不同的營銷方式。營銷的主導(dǎo)思想是：讓左邊（F值小、來店頻率低）的多來商場，讓右邊（來店頻率高）的提 高消費金額，讓下邊（V值低）的提升消費能力，把后面（R值大）的挽救回來、激活起來。最有價值的、使用頻率最高的用法是監(jiān)測客戶消費行為異動，及時采取 應(yīng)對措施，防范重要客戶流失（即“客戶流失預(yù)警”）。
    用戶還可以分別從R、F、V三個維度進(jìn)行切片和切塊觀察，鎖定感興趣的目標(biāo)群體；下鉆到具體會員記錄的時候，還可以用右鍵調(diào)閱該會員的“FM心電圖”（每次購物的金額與間隔時間）。富基融通的顏總把RFV三維分類模型生動地形容成：“零售醫(yī)院的CT機”。
    在百度搜索中輸入“RFV三維分類模型”，找不到一條可以借鑒的資料——在畫“瓢”的時候，沒有“葫蘆”可依。
    第三個例子：現(xiàn)成的瓢——“客戶生命周期分析”

    在所有的數(shù)據(jù)分析模型中，“客戶生命周期”的分析模型可能是最簡單、最現(xiàn)成的。在理論上表述得最為完整的、集大成者應(yīng)該是某著名咨詢機構(gòu)的這張圖：
    對于零售企業(yè)來說，數(shù)據(jù)分析與運用的聚焦點在會員的“成長、成熟、衰退”這三個階段所形成“拋物線”上�？墒前颜鎸嵉臅�員消費數(shù)據(jù)導(dǎo)入分析模型后，生成的 卻是不是BI廠商和咨詢機構(gòu)們所描繪的、和用戶們所期盼的拋物線，而是雜亂無章的鋸齒線？可以肯定，在CRA系統(tǒng)上線初期，所看到的基本上都是這種線條。

    是分析模型錯了嗎？在這樣的圖形上怎么能判定出會員正處于生命周期的哪個階段？如果不能給個合理的說法，肯定會引起用戶對這個分析模型的可信度產(chǎn)生懷疑，繼而蔓延成對整個CRA數(shù)據(jù)分析體系的“信任危機”。
    點擊“商品生命周期_百度百科”這條鏈接可以看到：行業(yè)中對“商品生命周期”的階段劃分和描繪的拋物線，與“客戶生命周期”如同翻版�？墒巧唐放c顧客這兩 個分析對象在本質(zhì)屬性上卻存在著巨大的差異：商品是受控對象，在有效的管理狀態(tài)下形成拋物線狀的銷售曲線，是可信的！而顧客是行為自控者，并且商場對顧客 目前還遠(yuǎn)遠(yuǎn)談不上有效管理，所以消費行為呈現(xiàn)出無規(guī)則的鋸齒線狀態(tài)，正是對實際狀態(tài)的客觀寫照，不是分析模型出了錯。
    那是理論權(quán)威們錯了嗎？也不是！畢竟這套理論不是在中國零售業(yè)目前的經(jīng)營水準(zhǔn)上構(gòu)建起來的。富基融通的唐總認(rèn)為：客戶生命周期確實可以形成分析模型圖中所 描述的拋物線，但前提是要持續(xù)保持客戶的“忠誠度”。在運用CRA的分析數(shù)據(jù)對會員按價值、特征、行為等多維度屬性劃分為不同的群體，實現(xiàn)個性化營銷之 后，會員的忠誠度和在商場的消費能力應(yīng)該會隨著商家“面向客戶”的營銷組織能力日益成熟而越來越高，然后相對持續(xù)平穩(wěn)，呈現(xiàn)出與商品營銷類似的受控狀態(tài)。 “在這個意義上講，客戶生命周期 拋物線我覺得是合理的，這也是商家需要追求的，或者說這是商家對實施CRM的最高期望�！� 由此可見，對于零售行業(yè)來說，理論權(quán)威們所描繪的拋物線是“未來時”，是“共產(chǎn)主義階段”；而我們現(xiàn)在和CRM產(chǎn)品上線初期所看到的鋸齒線是“過去時”， 是“社會主義的初級階段”。當(dāng)鋸齒線逐漸向拋物線演變的時候（這種演變將率先在“關(guān)鍵客戶”、“重要客戶”群體中出現(xiàn)），我們的用戶就成功了。
    關(guān)于“客戶生命周期管理”的用途，行業(yè)中人的普遍印象是用于“客戶流失預(yù)警”。對此，我有不同的思考：
    ①、“客戶流失預(yù)警”對時效性的要求比較高，而“客戶生命周期管理”是相對宏觀的管理工具，以“月”為數(shù)據(jù)顆粒。等到從拋物線上觀察出一兩個月前客戶有流失跡象的時候，很可能已經(jīng)時過境遷、生米熟飯了，還預(yù)什么警？這個“瓢”被用錯了地方。
    ②、如果真的要用于“客戶流失預(yù)警”，那就不能像分析模型圖那樣，在拋物線上示意性地進(jìn)行階段劃分，而是要對客戶“成長期、成熟期、衰退期、流失期”的界定指標(biāo)進(jìn)行量化。這個難度是相當(dāng)大的，也沒有見到在零售業(yè)中有人進(jìn)行這方面研究的報道。
    ③、我們已經(jīng)為“客戶流失預(yù)警”配備了以“日”和“次”為數(shù)據(jù)顆粒的RFV三維分析模型和各維切片視圖以及FM心電圖等一整套從宏觀到微觀的“ 會員體檢設(shè)備”，可以及時監(jiān)控和應(yīng)對會員消費行為的異動——這遠(yuǎn)遠(yuǎn)不是在那根以“月”為顆粒度的“客戶生命周期折線圖”上所能夠?qū)崿F(xiàn)的。
    ④、尺有所短，寸有所長�！翱蛻羯�命周期折線圖”可以與RFV檢測儀和FM心電圖配套使用：當(dāng)RFV檢測儀發(fā)出某會員停止采購時間超過平均采購周期的預(yù)警 信息時，是否要立即采取發(fā)送短信等聯(lián)絡(luò)措施呢？我們可以調(diào)閱該會員的“生命周期折線圖”，觀察此前是否存在過類似的現(xiàn)象，再作出適當(dāng)?shù)臎Q定。比如說，在前 面舉例的兩幅“會員三年消費表現(xiàn)”折線圖中，就有過停購2至5個月后再恢復(fù)消費的現(xiàn)象。
    第四個例子：商業(yè)智能皇冠上的明珠——“啤酒與尿布”
    談到商業(yè)智能（BI），言必稱購物籃分析；談到購物籃分析，言必稱關(guān)聯(lián)分析；談到關(guān)聯(lián)分析，言必稱“啤酒與尿布”。比較流行的故事是：“沃爾瑪早年利用 ＮＣＲ數(shù)據(jù)倉庫技術(shù)，對商品進(jìn)行市場類組分析，即分析哪些商品顧客最有希望一起購買。沃爾瑪利用ＮＣＲ自動數(shù)據(jù)挖掘工具對一年多詳細(xì)的原始交易數(shù)據(jù)進(jìn)行分 析和挖掘時發(fā)現(xiàn)：跟尿布一起購買最多的商品竟是啤酒！”。于是“啤酒與尿布”就成了商業(yè)智能皇冠上的明珠，權(quán)威云集、爭相著述、模型與算法推陳出新，在科 研水準(zhǔn)和學(xué)術(shù)價值上達(dá)到了難以超越高度；甚至連各種算法的代碼都連篇累牘、非常完整，似乎只要套進(jìn)程序，這個模塊的設(shè)計就八九不離十了。
    運用關(guān)聯(lián)分析的窮舉算法自動挖掘出“啤酒與尿布”，這給人們帶來了無限的啟發(fā)和期盼；運用先行者們的研究成果把“購物籃分析”模塊設(shè)計出來是沒有什么難度 了，但我們更需要關(guān)注的是：這樣設(shè)計出來的模塊真正能給用戶帶來什么應(yīng)用價值——價值目標(biāo)不明確的產(chǎn)品研發(fā)，會讓我們與用戶都深陷泥潭！有鑒于此，我提出 幾點直覺上的質(zhì)疑，希望能與大家在探討的過程中釋疑解惑。
    1、“啤酒與尿布”真的是被“購物籃分析”給挖掘出來的嗎？在諸多的故事版本中，我覺得下面這個版本的故事更為接近“啤酒與尿布”真正的身世因果和BI應(yīng) 用的真實場景：“曾有一段時間，沃爾瑪在美國的店面經(jīng)理發(fā)現(xiàn)一種現(xiàn)象：每周啤酒和尿布的銷量都會有一次同比攀升，但一時搞不清是什么原因。后來，沃爾瑪運 用BI技術(shù)發(fā)現(xiàn)，購買這兩種產(chǎn)品的顧客幾乎都是25～35歲、家有嬰兒的男性，每次購買時間均在周末。沃爾瑪在對相關(guān)數(shù)據(jù)分析后得出，這些人習(xí)慣晚上邊看 球賽、邊喝啤酒，對于要照顧的孩子，為了圖省事就用一次性尿布。得到結(jié)果后，沃爾瑪決定，把這兩種商品集中擺在一起，結(jié)果銷量有了顯著增加。 ”
    請注意三個關(guān)鍵點：“有一段時間、店面經(jīng)理發(fā)現(xiàn)、后來運用BI技術(shù)分析”。這與BI能自動挖掘出“啤酒與尿布”，可是相去甚遠(yuǎn)的兩重境界！
    引用一位同行的觀點：“啤酒和尿片的故事很早就有人置疑，可參考這個鏈接：http://web.onetel.net.uk/~hibou /Beer%20and%20Nappies.html。事實上，在網(wǎng)絡(luò)數(shù)據(jù)/文本挖掘領(lǐng)域的從業(yè)者中，很少有人會刻意提到‘智能’這個詞，因為它實在是 有點outdated（過時的， 不流行的）。上個世紀(jì)六十年代AI（人工智能）在機器推理和知識表述領(lǐng)域巨大的成功，使得人們很樂觀地估計要不了多長時間就能真正實現(xiàn)機器智能。后來四十 多年的發(fā)展證明這是個徹頭徹尾的泥潭，反而是原來在AI領(lǐng)域不那么正統(tǒng)的機器學(xué)習(xí)越來越受到人們的重視。即便是對最外行的人作解釋，任何一個嚴(yán)肅的機器學(xué) 習(xí)專業(yè)的人也不會說自己的程序是智能的�！�
    2、購物籃分析連算法代碼都公諸于世了，挖掘出的成果還有什么可保密的？既然“啤酒與尿布”是被“自動數(shù)據(jù)挖掘工具”給挖掘出來，那就應(yīng)該有源源不斷的精 彩案例傳頌于世；而“啤酒與尿布”已經(jīng)走紅多年了，怎么還是在唱獨角戲？購物籃分析是高端應(yīng)用，高端應(yīng)用往往意味著高投入，高投入就必須有高回報，僅憑一 個從海量的交易數(shù)據(jù)中挖掘出銷售額占比微不足道的“啤酒與尿布”的案例，似乎很難打動追求投資回報的零售企業(yè)。
    3、在一本書中是這樣介紹的：“研究‘啤酒與尿布’關(guān)聯(lián)的方法就是購物籃分析，購物籃分析是沃爾瑪秘而不宣的獨門武器，購物籃分析可以幫助我們在門店的銷 售過程中找到具有關(guān)聯(lián)關(guān)系的商品，并以此獲得銷售收益的增長！”如果我們軟件廠商真的用這幾句話來跟客戶交流，客戶只需一句話就很可能讓我們趴下：“請找 找看牙膏和牙刷有沒有關(guān)聯(lián)關(guān)系？”
    雖然我們強調(diào)，關(guān)聯(lián)挖掘算法的價值在于它的窮舉性可以發(fā)現(xiàn)人們未曾關(guān)注到的類似“啤酒與尿布”這樣潛在的關(guān)聯(lián)規(guī)則；但這是否意味著，它可以拒絕人們用已知的關(guān)聯(lián)規(guī)則來驗證它的可信度？
    資料上介紹的能自動挖掘“啤酒與尿布”關(guān)聯(lián)關(guān)系的模型與算法在技術(shù)層面的科學(xué)性是無庸置疑的！“只要有力氣拿得起牙刷的人就一定會用到牙膏”也是無庸置疑 的常識！問題可很能會出在：購物小票上用來分析的牙膏和牙刷是兩種商品（單品），而陳列在貨架上的牙膏和牙刷卻是兩個頗有規(guī)模的商品群；數(shù)十種品牌、系 列、口味、功效、不同的包裝規(guī)格、不同的消耗周期、不同的單次購買數(shù)量、越來越快的產(chǎn)品更新?lián)Q代、消費者對新體驗的追求、甚至在牙膏包裝中贈送牙刷，這么 多種因素的綜合交錯會大幅度地稀釋牙膏牙刷在單品層面形成“同時并且重復(fù)購買的組合”的概率，對購物小票進(jìn)行遍歷分析后很有可能會得出反常識的結(jié)論：牙 膏、牙刷這兩種商品之間沒有關(guān)聯(lián)性！
    對自動挖掘“啤酒與尿布”這類潛在的“同時并且重復(fù)購買的商品組合”大可不必那么癡迷，我們其實可以用“購物籃分析”演繹出更為現(xiàn)實更有價值的應(yīng)用！比如 通過構(gòu)建會員消費檔案來挖掘出會員與商品、品牌、營銷方式、供應(yīng)商等等之間多維度的關(guān)聯(lián)規(guī)律，幫助商場在數(shù)以百萬計的茫茫顧客群中精確鎖定個性化營銷的目 標(biāo)。