運(yùn)營DEMO: RFM用戶價(jià)值模型的原理和應(yīng)用
![](http://image.woshipm.com/wp-files/img/82.jpg)
在眾多的用戶價(jià)值分析模型中,RFM模型是被廣泛被應(yīng)用的;RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。
在眾多的用戶價(jià)值分析模型中,RFM模型是被廣泛被應(yīng)用的;RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段,在RFM模式中,R(Recency)表示客戶購買的時(shí)間有多遠(yuǎn),F(xiàn)(Frequency)表示客戶在時(shí)間內(nèi)購買的次數(shù),M (Monetary)表示客戶在時(shí)間內(nèi)購買的金額。
一般的分析型CRM著重在對于客戶貢獻(xiàn)度的分析,RFM則強(qiáng)調(diào)以客戶的行為來區(qū)分客戶。在實(shí)際應(yīng)用中根據(jù)業(yè)務(wù)不同會(huì)有參考的數(shù)據(jù)維度也會(huì)有諸多變變種。
RFM模型的意義
RFM模型較為動(dòng)態(tài)地顯示了一個(gè)客戶的全部輪廓,這對個(gè)性化的溝通和服務(wù)提供了依據(jù),同時(shí),如果與該客戶打交道的時(shí)間足夠長,也能夠較為精確地判斷該客戶的長期價(jià)值,通過改善三項(xiàng)指標(biāo)的狀況,從而為更多的營銷決策提供支持。
RFM模型的應(yīng)用,旨在建立一個(gè)用戶行為報(bào)告,這個(gè)報(bào)告會(huì)成為維系顧客的一個(gè)重要指標(biāo)。
所以RFM模型大量的應(yīng)用于營銷層面,用以刺激新用戶持續(xù)的消費(fèi)、留存。同時(shí)也能作為監(jiān)控業(yè)務(wù)用戶健康度的重要指標(biāo),報(bào)告如果顯示上一次購買很近的客戶,人數(shù)如增加,則表示該公司是個(gè)穩(wěn)健成長的公司;反之,如上一次消費(fèi)為一個(gè)月的客戶越來越少,則是該公司邁向不健全之路的征兆。
這里多提一句,單一功能性消費(fèi)的垂直業(yè)務(wù),常常會(huì)陷入只追求成交額的短期目標(biāo),而忽視與用戶建立長期的關(guān)系,與用戶持續(xù)保持往來,贏得用戶忠誠度,是對業(yè)務(wù)更為長效的目標(biāo)。
用客戶絕對貢獻(xiàn)金額來分析客戶是否流失,有時(shí)會(huì)曲解客戶行為。因?yàn)槊總€(gè)商品價(jià)格可能不同,對不同產(chǎn)品的促銷有不同的折扣,所以采用相對的分級(例如R、F、M都各分為五級)來比較消費(fèi)者在級別區(qū)間的變動(dòng),則更可以顯現(xiàn)出相對行為。
企業(yè)用R、F的變化,可以推測客戶消費(fèi)的異動(dòng)狀況,根據(jù)客戶流失的可能性,列出客戶,再從M(消費(fèi)金額)的角度來分析,就可以把重點(diǎn)放在貢獻(xiàn)度高且流失機(jī)會(huì)也高的客戶上,重點(diǎn)拜訪或聯(lián)系,以最有效的方式挽回更多的用戶。
方法
運(yùn)用RFM模型一般是為了細(xì)分出最有價(jià)值的用戶,利用有限的營銷資源重點(diǎn)投入,從而價(jià)值產(chǎn)出最大化;基于這個(gè)目的,我們通常需要將細(xì)分出的用戶按照RFM模型給出的分級排序,從最好到最差,然后什么都保持正常的方式,如果一段周期內(nèi),業(yè)務(wù)結(jié)果和你的排序一致,那么說明你的細(xì)分能夠相對準(zhǔn)確地將有價(jià)值的用戶從整體用戶中劃分出來。
通常運(yùn)營團(tuán)隊(duì)會(huì)不斷的驗(yàn)證和修訂維度,用于提升會(huì)員運(yùn)營的效率,將預(yù)算花在該花的地方。
用戶行為是持續(xù)變動(dòng)的,在用戶距上一次購買時(shí)間滿一個(gè)月之后,在數(shù)據(jù)庫里就成為消費(fèi)為兩個(gè)月的客戶;反之,同一天,消費(fèi)為3個(gè)月前的客戶作了其下一次的購買,他就成為消費(fèi)為一天前的顧客,也就有可能在很短的期間內(nèi)就收到新的營銷信息;不斷的調(diào)整模型劃分人群,然后對比業(yè)務(wù)結(jié)果,去驗(yàn)證這套模型的準(zhǔn)確性。而模型應(yīng)用過程中涉及到一種算法和決策樹模型。
K-means算法是硬聚類算法,是典型的基于原型的目標(biāo)函數(shù)聚類方法的代表,它是數(shù)據(jù)點(diǎn)到原型的某種距離作為優(yōu)化的目標(biāo)函數(shù),利用函數(shù)求極值的方法得到迭代運(yùn)算的調(diào)整規(guī)則。
K-means算法以歐式距離作為相似度測度,它是求對應(yīng)某一初始聚類中心向量V最優(yōu)分類,使得評價(jià)指標(biāo)J最小。算法采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù)。好吧,我承認(rèn)這玩意兒太繞口,建議有興趣的去看看詰屈聱牙的原詞百科。
決策樹模型是非?;A(chǔ)的數(shù)學(xué)定律,它決定邏輯推理的過程,并且在現(xiàn)有信息的基礎(chǔ)上,決定各種可能的替代選項(xiàng)的置信度。
很多商業(yè)決策都存在不確定性,在面對不確定性時(shí),決策樹可以幫助選擇最佳行動(dòng)方針。雖然決策者不知道未知的后果會(huì)怎樣,但是他一般對可能的后果及各自發(fā)生的可能性有所了解。了解的這些信息可以用來選出能獲得最大收益的選項(xiàng),也就是用戶下次會(huì)不會(huì)繼續(xù)消費(fèi)。
案例
會(huì)員運(yùn)營團(tuán)隊(duì)的預(yù)算相對于龐大的用戶規(guī)模,通常會(huì)捉襟見肘,所以當(dāng)我們的預(yù)算不多,而且只能提供服務(wù)信息給小規(guī)模的重點(diǎn)用戶時(shí),RFM模型就派上用場了。
這樣的營銷所節(jié)省下來的成本會(huì)很可觀 。結(jié)合這三個(gè)核心指標(biāo),我們把顧客分成多個(gè)類別,對其進(jìn)行數(shù)據(jù)分析,然后制定我們的營銷策略。
以某垂直功能型互聯(lián)網(wǎng)業(yè)務(wù)為例,隨機(jī)抽取100萬用戶樣本,進(jìn)行數(shù)據(jù)分析;
- 時(shí)間間隔:以提取樣本的時(shí)間點(diǎn)與用戶最后一次消費(fèi)時(shí)間作差,看時(shí)間間隔平均為多少天。
- 消費(fèi)頻次:用戶的消費(fèi)行為平均為幾次,最大多少次,最小多少次。
- 消費(fèi)金額:用戶消費(fèi)金額平均為多少,最大最小分別是的多少。
使用K-means方法,對樣本集進(jìn)行聚類,通常分為8類。
把聚類結(jié)果分為訓(xùn)練集(30%)和測試集(70%),根據(jù)訓(xùn)練集生成決策樹模型。
通過RFM分析將客戶群體劃分成一般保持客戶、一般發(fā)展客戶、一般價(jià)值客戶、一般挽留客戶、重要保持客戶、重要發(fā)展客戶、重要價(jià)值客戶、要挽留客戶等八個(gè)級別;
通過對比業(yè)務(wù)結(jié)果不斷修訂完善模型的同時(shí),用營銷手段進(jìn)一步擴(kuò)大重要價(jià)值用戶群(考慮時(shí)間短、頻次高、消費(fèi)高)。
結(jié)語
消費(fèi)、消費(fèi)頻率、消費(fèi)金額是測算消費(fèi)者價(jià)值最重要也是最容易的方法,這充分的表現(xiàn)了這三個(gè)指標(biāo)對營銷活動(dòng)的指導(dǎo)意義,但不代表這三個(gè)指標(biāo)牢不可破,例如嘀嘀(快車、專車、順風(fēng)車多業(yè)務(wù)類型)和支付寶(多功能場景)這種,業(yè)務(wù)方除了消費(fèi)金額、頻次頻次以外,在制定補(bǔ)貼策略的時(shí)候,還會(huì)考慮用戶的跨場景使用,越多的功能業(yè)務(wù)場景被使用,意味著用戶忠誠度越高,這個(gè)時(shí)候?qū)⒛P偷暮诵闹笜?biāo)增加或者調(diào)換,就可以實(shí)際應(yīng)用到輔佐補(bǔ)貼策略上了,這也是為什么別人領(lǐng)券能領(lǐng)5塊錢,你只能領(lǐng)1塊錢,別人為啥能領(lǐng)到快車券,你只能領(lǐng)到接機(jī)專車券的原因了。
每周一篇互聯(lián)網(wǎng)運(yùn)營相關(guān)的文章,偶爾以觀察者的角度說說業(yè)內(nèi)零敲碎打的小事兒,捎帶手關(guān)注一下我吧。
作者:戴某DEMO,公眾號:非著名吐槽評論員,個(gè)人微信號:iamdaijia,新浪微博/知乎:戴某DEMO
本文由 @戴某DEMO 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可,禁止轉(zhuǎn)載。
既然有fmeans的8個(gè)類別,為啥還要決策樹呢?
請問有實(shí)現(xiàn)代碼嗎?
建議大伙可以去本站找《數(shù)據(jù)運(yùn)營實(shí)操 | 如何運(yùn)用數(shù)據(jù)分析對某個(gè)試運(yùn)營項(xiàng)目進(jìn)行“無死角”的復(fù)盤?》看看
感覺跟沒寫一樣