目前,电子商务发展迅速,C2C作为一种全新的商业模式被越来越多的商家和消费者所重视。虽然电子商务企业获得快速发展,然而大浪淘沙,败北者居多,相比传统零售企业,在线零售企业固定资产较少,顾客才是企业最重要的资产,如何识别有价值的顾客成为电子商务企业成功的关键。本文以实证的方式研究基于RFM模型的C2C环境下顾客价值,研究成果有助于在线卖家科学规划市场战略,合理的分配市场资源,发掘并保留高价值顾客,有效增加竞争优势。本文先以淘宝网C2C店铺交易数据为基础,将数据整理成标准的格式并对其分析,研究了顾客购买行为的一些特征并将之与顾客价值联系起来,为后续的顾客价值研究作准备。然后研究主要从两个方面展开,首先,验证RFM模型在C2C电子商务环境下的适用性,其次探讨RFM在C2C环境下的使用机制。首先提出了RFM模型精度检验的方法,将样本划分为原始样本和验证样本,用验证样本的结果去验证原始样本的结果,得到验证的精度即匹配率。在此基础上,提出了模型变量权重确定的方法,并通过实证表明了此方法确定的变量权重会使模型精度增加,针对不同店铺,模型精度提高10%到50%不等。同时也证明了RFM加法模型去计算顾客价值优于乘法模型,模型精度提升10%以上,对匹配率结果的分析验证了RFM模型在C2C环境下的适用性。针对在线C2C重复购买率较低且变化较大的情况,通过匹配率和重复购买率的关系分析发现两者没有相关关系,扩展RFM模型在C2C环境下的适用范围。其实通过对比分析前人顾客类别数确定的方法,发现该方法在C2C环境下存在缺陷,理论性太强,而实用性较差,认为顾客类别数的确定是理论和实际的结合。通过删除只购买一次的顾客作为样本和原始样本的匹配率对比分析,结果发现原始样本的匹配率更高,说明RFM模型对数据的要求是整个顾客群体。之后研究时间的划分和RFM模型精度的关系,先假定验证样本长度不变,原始样本长度变化,而后假定原始样本长度不变,验证样本长度变化,观察匹配率结果变化,结论是原始样本长度不宜过短也不宜过长,最佳时长为8到10个月左右,这样顾客价值才能更好的体现,而验证样本长度一般2到3个月为宜,也说明了RMF模型不适合做长期预测。最后总结出一套基于RFM模型对顾客细分的方法,期望给广大卖家以指导和帮助。本文的主要创新在于提出了RFM模型在C2C环境中的实际应用方法,弥补了之前RMF模型对其精度缺少检验的不足,这也为后续研究提供了新的思路。