作者詳細(xì)闡述如何在項目中運用RFM模型進(jìn)行行為細(xì)分，從而為產(chǎn)品、市場營銷和支持投資提供信息。

大約100年多前，MBA項目剛創(chuàng)立不久，梅爾文T.科普蘭教授開始在哈佛商學(xué)院教授營銷學(xué)。由于他的前期探索，市場營銷已成為商學(xué)中的獨立學(xué)科。從那以后，商學(xué)院的學(xué)者和市場從業(yè)人員都認(rèn)識到客戶細(xì)分是增長的關(guān)鍵。

這很關(guān)鍵，因為當(dāng)您細(xì)分客戶時，您可以定制他們所需產(chǎn)品特性，改變傳遞給客戶的信息，調(diào)整他們所獲得的客戶支持的類型，甚至（更改）定價。當(dāng)您這樣做時，可以通過更高的轉(zhuǎn)化率和更高的單位用戶收入來提高增長。而且，由于產(chǎn)品、營銷和客戶支持花費的每一美元對您來說回報更多，因此您可以提高盈利能力。

有時，人們認(rèn)為良好的細(xì)分過程復(fù)雜且耗時。以我的經(jīng)驗，事實并非如此。實際上，僅需幾個簡單的想法，您就可以構(gòu)建出色的細(xì)分市場，以指導(dǎo)您的產(chǎn)品，市場營銷和客戶支持。

如果您的用戶是日常生活中的人們，您可能會傾向于根據(jù)人口統(tǒng)計信息對他們進(jìn)行細(xì)分 （性別，年齡，收入）。多年來，這一直是一種常用的方式，流行但懶惰。

基于人口統(tǒng)計學(xué)的細(xì)分實際上只是對他們是誰的描述性細(xì)分，而不是根據(jù)他們的行為進(jìn)行的細(xì)分。

對于消費者和企業(yè)用戶而言，行為細(xì)分比描述性細(xì)分更強(qiáng)大。當(dāng)您使用人們的行動將他們分門別類時，您可以在產(chǎn)品、市場營銷和客戶支持上的投入-產(chǎn)出之間建立更直接清晰的聯(lián)系。

如果您想在這方面做得更好，則需要做三件事：

1. 收集有關(guān)客戶實際使用產(chǎn)品或服務(wù)情況的數(shù)據(jù)；
2. 使用一些簡單的人工和機(jī)器智能方法進(jìn)行分析；
3. 使用咨詢的洞察指導(dǎo)產(chǎn)品，市場營銷和客戶支持方面的實際業(yè)務(wù)決策。

我喜歡的行為細(xì)分包括三個部分：

1. 第一種方法完全根據(jù)用戶的活動對用戶進(jìn)行排序，它被稱為新近度-頻率-價值細(xì)分，或簡稱RFM，它很容易手動完成。
2. 第二種方法是基于機(jī)器的方法，稱為K-Means聚類，它可以發(fā)現(xiàn)行為上“最相近”但肉眼無法識別的用戶組。
3. 第三順序模式挖掘可以發(fā)現(xiàn)導(dǎo)致高價值用戶和低價值用戶形成方式的常見生命周期事件。

策略：R-F-M （Recency-Frequency-Monetary Value）

該技術(shù)是20世紀(jì)中葉在美國黃頁業(yè)務(wù)中發(fā)明的，但這在今天同樣有用，它分四個步驟進(jìn)行：

步驟1：收集數(shù)據(jù)

收集有關(guān)每個用戶活動（每個實例都有日期）以及他們產(chǎn)生多少錢的數(shù)據(jù)，用您的判斷來定義 “活動”（一次會話，一次某個特定功能的交互或一次購買行為）和“金錢”（直接指標(biāo)，例如商品銷售總額，您的直接收益或間接指標(biāo)，他們看到的廣告潛在價值或攤余訂閱收入）。

步驟2：計算

為每個用戶計算以下各項的度量：

• R-新近度（自上一次活動以來的時間）；
• F-頻率（活躍的天數(shù)/自注冊天數(shù)）；
• M-貨幣價值。

根據(jù)您的判斷，決定是否需要對F和M進(jìn)行時間限制（例如，60天而不是整個生命周期）。

步驟3：排序

將整個用戶群分為五級（五個相等大小的組），通過R度量。我的意思是按R列中的值對用戶群進(jìn)行排序，將其分為五個大小相等的組。

為第五分位數(shù)的每個成員分配“最差” 新近度1；第3個和第5個四分位數(shù)4；最后，給具有的五分位數(shù)的每個成員 “最佳”最新活動評分5——您的用戶現(xiàn)在的R-新近度評分為1到5。

步驟4：重復(fù)

重復(fù)步驟3：

F-頻率，M-貨幣計量

1=最低表現(xiàn)-20％，5=最高表現(xiàn)+20％

RFM模型

如何理解您的RFM分?jǐn)?shù)

現(xiàn)在，每個用戶都被標(biāo)記了三位數(shù)的RFM分?jǐn)?shù)。這些數(shù)字定義了在RFM“空間”中每個用戶的哪個位置（由RFM軸定義的5x5x5立方體）。盡管此多維數(shù)據(jù)集中有125個單元，但這并不意味著您有125個可操作的細(xì)分用于不同的產(chǎn)品，市場營銷或客戶支持。用于產(chǎn)品，市場營銷或客戶支持目的的可操作細(xì)分由根據(jù)您的業(yè)務(wù)判斷分組的多個單元組成。

我保證在創(chuàng)建RFM多維數(shù)據(jù)集之后，您將再也不會以相同的方式想到用戶。

例如，一家使用RFM的電商App決定其最高價值用戶群（HVUs）包括5-5-5、5-4-5、5-4-4、5-5-4和4-4-5，僅這五個單元就占公司總收入的75％以上，他們決定將4-4-4和4-3-4分組為高潛力用戶群（HPUs）。

該公司對高凈值客戶畫像群體采用社交媒體獲客，對高潛力用戶群體直接做HVUs喜歡的產(chǎn)品特性營銷，對這兩類客戶群體都加大了客戶支持力度，因為他們才有經(jīng)濟(jì)效益。幾個月下來，基于用戶行為的新策略將總收入提高了8倍。

行為細(xì)分+出色的業(yè)務(wù)判斷能力=良好的結(jié)果

RFM模型

您可以自動化執(zhí)行此操作，如果愿意，可以每天重新運行計分，對其進(jìn)行調(diào)整和微調(diào)。無論您是手動還是使用機(jī)器，我都保證您在創(chuàng)建RFM多維數(shù)據(jù)集后永遠(yuǎn)不會再以相同的方式想到用戶。

它引發(fā)以下問題：

• 我的業(yè)務(wù)集中在高價值細(xì)分市場上嗎？
• 隨時間變化邊界區(qū)域的用戶如何（2s，3s，4s）中？
• 我的5s區(qū)域用戶來自哪？我如何找到更多？
• 我可以讓3s和4s步步高升，并表現(xiàn)得更像5s嗎？
• 我是否在1s和2s上浪費時間？有一些失效的5s嗎？我應(yīng)該進(jìn)行有針對性的投入后復(fù)盤？
• 為什么我要根據(jù)平均用戶價值來限制購置支出？為什么不將支出用于我??的高價值和高潛力（可能會變成5s的3s和4s）？
• 最重要的問題：我如何才能區(qū)別（產(chǎn)品，營銷，支持）對待它們，以便使它們的價值最大化？

RFM模型

如果您止步于此，您和99%的企業(yè)對細(xì)分市場的認(rèn)知如出一轍。

但是正如我的父母總是說： “低門檻是你的機(jī)會！”

僅憑RFM，您就可以進(jìn)行基于行為的強(qiáng)大細(xì)分市場，從而為產(chǎn)品、市場營銷和支持投資提供信息。

作者：邁克爾·迪林 哈里森金屬，早期風(fēng)險投資公司的創(chuàng)始人；譯者：范大勇，專注企業(yè)數(shù)字化轉(zhuǎn)型

本文由 @企服范大勇 翻譯發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自 Unsplash，基于 CC0 協(xié)議