数极客首页

精细化运营第一步:用RFM做用户分层

RFM模型不难,是一个人人都可以上手的模型,运用范围很广泛,运营、销售、市场等都可以在工作中使用到。 精细化运营第一步:用RFM做用户分层

作者:刘秋平

来源:用户运营玩起来

 

今天给大家介绍一下RFM模型及如何利用RFM模型进行用户分析

 

RFM模型不难,是一个人人都可以上手的模型,运用范围很广泛,互联网运营、电商运营、销售、市场等都可以在工作中使用到。

一、 RFM模型介绍

1、 RFM模型是众多客户关系管理(CRM)分析方法中的一种,能够方便快速有效的量化用户价值和创利能力

 

2、 RFM模型有三个要素,分别是:Recency(最近一次交易距今时间)、Frequency(交易频率)、Monetary(交易金额)。

 

R值(最近一次交易距今时间)

用户最近一次交易距今的时间。间隔时间越短,则值越大,这类客户也是最有可能对活动产生反应的群体。

 

F值(交易频率)

用户在限定的时间内所购买的次数。最常购买的顾客,也是满意度、忠诚度最高的顾客。

 

M值(交易金额)

用户的交易金额,可以分为累计交易金额和平均每次交易金额,根据不同的目的取不同的数据源进行建模分析。

 

3、根据三个值的指标,进行分类,可以得出下面这个8个分类

 

精细化运营第一步:用RFM做用户分层

 

R值、F值、M值分别计算出均值,然后根据用户的数据就可以填入相应的客户类型。“↑”表示大于均值,“↓”表示小于均值。

二、 利用RFM模型进行用户细分

1、 一维分析

 

一维顾名思义,就是利用R F M三个分类中的一个分类,来进行用户分析在不需要非常精确数据的时候,可以利用一维分析快速做出决定。同时也适用于一些数据量比较少或特定用户等。

 

比如仅针对M值进行分层,可以根据讲用户分为低消费用户和高消费用户;或者低级、中级、高级等。大家熟知的“二八定律”(又名“帕雷托法则”)曾作出过这样的解释:公司80%的收入来自于20%的用户,那么在一些活动的时候,就可以针对高消费用户作出一些倾斜。

 

2、 二维分析

 

在某些情况下,我们只需要利用R F M三个分类中的两个来分类即可,比方说某客单价单一的电商店铺,因为大家的M值都差不多,所以只需要针对R值和F值进行分类分析即可。

 

下面利用我之前的一个案例,给大家做个演示

 

精细化运营第一步:用RFM做用户分层

 

表格中的数据分类不是死的,各位需要分析自己公司的业务,从而进行调整,选择合适于自己的数据。

 

通过这样一个表格,就可以非常清晰的知道用户的情况。

 

  • 1象限的用户属于流失用户,可以不用理会。

     

  • 越接近右上角的象限,属于越优质的用户,无论是购买力或者忠诚度都是越高的

     

  • 1-5象限的用户,只要购买一次,就会变成10象限用户;同理16-20象限用户,只要再购买一次,就会变成25象限的用户。

 

接着就是针对不同象限的用户采用不同的对策,该召回的召回,该放弃的放弃,集中火力进攻关键用户。然后再不断的调整-尝试-优化-总结-优化,确实出最优方案。

 

3、 三维分析

 

如果顺利理解了二维分析,其中三维分析也并不难,只不过是在之前的基础上增加一个维度。

 

那么很多人会问,如果三个维度都采用5个分类,那么最终会有5X5X5=125个象限,这也太多了吧?

 

其中在真正的应用中,并不需要把象限分的那么精细,可以根据公司业务情况进行考量。比如R F M各分2个值,那么一共8个象限;R:F:M=3:3:3,那么就是27个象限。

 

RFM模型只是提供一种思路和方法,使用的人不能闭门造车,还是要先了解公司业务,对用户有一定的了解,这样才可以将RFM模型的作用最大化。

 

谢谢大家。

给大家推荐我国新一代大数据用户行为分析与数据智能平台:数极客(https://www.shujike.com),是首款支持无埋点、前端埋点、后端埋点、API导入四种混合数据采集方式,整合分析用户行为数据和业务数据,可以自动监测网站、APP、小程序等多种渠道推广效果分析,是增长黑客们必备的互联网数据分析软件。数极客支持实时多维分析、漏斗分析、留存分析、路径分析等十大数据分析方法以及APP数据分析网站统计网站分析小程序数据统计用户画像等应用场景,业内首创了六种提升转化率的数据分析模型,是用户行为分析领域首款应用定量分析与定性分析方法的数据分析产品

;数极客基于用户行为的大数据分析系统,同时提供了会员营销AB测试两大数据智能应用产品,使得企业可以快速的提升用户转化率、留存率及运营自动化,实现数据驱动增长。

发表评论

评论已关闭。

相关文章