经营DEMO: RFM用户代价模型的原理和应用
本文摘要:在众多的用户价值分析模型中,RFM模型是被广泛被应用的;RFM模型是衡量客户价值和客户创利能力的重要东西和手法。在众多的用户价值分析模型中,RFM模型是被广泛被应用的;RFM模型是衡量客户价值和客户创利能力的重要东西和手法,在RFM模式中,R(Recency)表明

在众多的用户价值分析模型中,RFM模型是被广泛被应用的;RFM模型是衡量客户价值和客户创利能力的重要东西和手法。

在众多的用户价值分析模型中,RFM模型是被广泛被应用的;RFM模型是衡量客户价值和客户创利能力的重要东西和手法,在RFM模式中,R(Recency)表明客户购买的时间有多远,F(Frequency)表明客户在时间内购买的次数,M (Moary)表明客户在时间内购买的金额。

一般的分析型CRM着重在关于客户贡献度的分析,RFM则强调以客户的行为来区分客户。在实践应用中依据事务不同会有参考的数据维度也会有诸多变变种。

RFM模型的意义

RFM模型较为动态地显示了一个客户的悉数轮廓,这对个性化的交流和效劳提供了依据,同时,假如与该客户打交道的时间足够长,也可以较为准确地判断该客户的长时间价值,通过改善三项指标的状况,从而为更多的营销决策提供支撑。

RFM模型的应用,旨在建立一个用户行为陈述,这个陈述会成为维系顾客的一个重要指标。

所以RFM模型很多的应用于营销层面,用以刺激新用户继续的消费、留存。同时也能作为监控事务用户健康度的重要指标,陈述假如显示上一次购买很近的客户,人数如添加,则表明该公司是个稳健生长的公司;反之,如上一次消费为一个月的客户愈来愈少,则是该公司迈向不健全之路的征兆。

这里多提一句,单一功用性消费的垂直事务,常常会堕入只寻求成交额的短时间方针,而忽视与用户建立长时间的关系,与用户继续坚持往来,赢得用户忠诚度,是对事务更为长效的方针。

用客户肯定贡献金额来分析客户是否流失,有时会误解客户行为。因为每一个商品价格可能不同,对不同产品的促销有不同的扣头,所以选用相对的分级(例如R、F、M都各分为五级)来比较消费者在级别区间的改动,则更可以闪现出相对行为。

企业用R、F的变化,可以推测客户消费的异动状况,依据客户流失的可能性,列出客户,再从M(消费金额)的角度来分析,就能够把重点放在贡献度高且流失时机也高的客户上,重点拜访或联络,以最有用的方式挽回更多的用户。

运用RFM模型通常为为了细分出最有价值的用户,使用有限的营销资源重点投入,从而价值产出最大化;基于这个意图,我们通常需要将细分出的用户依照RFM模型给出的分级排序,从最好到最差,然后什么都坚持正常的方式,假如一段周期内,事务成果和你的排序一致,那么说明你的细分可以相对精确地将有价值的用户从全体用户中划分出来。

通常运营团队会不断的验证和修订维度,用于提高会员运营的功率,将预算花在该花的当地。

用户行为是继续改动的,在用户距上一次购买时间满一个月之后,在数据库里就成为消费为两个月的客户;反之,同一天,消费为3个月前的客户作了其下一次的购买,他就成为消费为一天前的顾客,也就有可能在很短的期间内就收到新的营销信息;不断的调整模型划分人群,然后比照事务成果,去验证这套模型的精确性。而模型应用过程当中触及到一种算法和决策树模型。

K-means算法是硬聚类算法,是典型的基于原型的方针函数聚类方法的代表,它是数据点到原型的某种间隔作为优化的方针函数,使用函数求极值的方法得到迭代运算的调整规则。

K-means算法以欧式间隔作为类似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法选用差错平方和原则函数作为聚类原则函数。好吧,我招认这玩艺儿太绕口,建议有爱好的去看看诘屈聱牙的原词百科。

决策树模型对错常基础的数学定律,它抉择逻辑推理的过程,并且在现有信息的基础上,抉择各种可能的代替选项的相信度。

很多商业决策都存在不确定性,在面对不确定性时,决策树可以协助选择最佳举动方针。虽然决策者不知道未知的成果会怎样,可是他一般对可能的成果及各自发生的可能性有所了解。了解的这些信息可以用来选出能取得最大收益的选项,也就是用户下次会不会继续消费。

会员运营团队的预算相对庞大的用户规模,通常会左支右绌,所以当我们的预算不多,并且只能提供效劳信息给小规模的重点用户时,RFM模型就派上用场了。

这样的营销所节省下来的本钱会很可观 。结合这三个核心指标,我们把顾客分红多个类别,对其进行数据分析,然后制定我们的营销策略。

以某垂直功用型互联网事务为例,随机抽取100万用户样本,进行数据分析;

时间间隔:以提取样本的时间点与用户终究一次消费时间作差,看时间间隔均匀为多少天。 消费频次:用户的消费行为均匀为几回,最大多少次,最小多少次。 消费金额:用户消费金额均匀为多少,最大最小分别是的多少。

使用K-means方法,对样本集进行聚类,通常分为8类。

把聚类成果分为训练集(30%)和测试集(70%),依据训练集生成决策树模型。

通过RFM分析将客户群体划分红一般坚持客户、一般开展客户、一般价值客户、一般挽留客户、重要坚持客户、重要开展客户、重要价值客户、要挽留客户等八个级别;

通过比照事务成果不断修订完善模型的同时,用营销手法进一步扩展重要价值用户群(考虑时间短、频次高、消费高)。

消费、消费频率、消费金额是测算消费者价值最重要也是最容易的方法,这充沛的体现了这三个指标对营销活动的辅导意义,但不代表这三个指标牢不可破,例如嘀嘀(快车、专车、顺风车多事务类型)和支付宝(多功用场景)这种,事务方除了消费金额、频次频次以外,在制定补助策略的时分,还会考虑用户的跨场景使用,越多的功用事务场景被使用,意味着用户忠诚度越高,这个时分将模型的核心指标添加或者互换,就能够实践应用到辅佐补助策略上了,这也是为何他人领券能领5块钱,你只能领1块钱,他人为啥能领到快车券,你只能领到接机专车券的原因了。

 

每周一篇互联网运营相关的文章,偶尔以观察者的角度说说业内零敲碎打的小事儿,捎带手重视一下我吧。

作者:戴某DEMO,大众号:非著名吐槽评论员,个人微信号:iamdaijia,新浪微博/知乎:戴某DEMO

本文由 @戴某DEMO 原创发布于人人都是产品主管。未经答应,禁止转载。


建议大伙可以去本站找《数据运营实操 | 怎么运用数据分析对某个试运营项目进行“无死角”的复盘?》看看


人人都是产品主管(woshipm)是以产品主管、运营为核心的学习、交流、分享平台,集媒体、培训、社群为一体,全方位效劳产品人和运营人,建立9年举行在线讲座500+期,线下分享会300+场,产品主管大会、运营大会20+场,掩盖北上广深杭成都等15个城市,内行业有较高的影响力和知名度。平台集合了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监,他们在这里与你一同生长。