精細化運營第一步：用RFM做用戶分層
作者：劉秋平 來源：鳥哥筆記
今天給大家介紹一下RFM模型及如何利用RFM模型進行用戶分析。
RFM模型不難，是一個人人都可以上手的模型，運用范圍很廣泛，互聯網運營、電商運營、銷售、市場等都可以在工作中使用到。
一、 RFM模型介紹
1、 RFM模型是眾多客戶關系管理（CRM）分析方法中的一種，能夠方便快速有效的量化用戶價值和創利能力。
2、 RFM模型有三個要素，分別是：Recency（最近一次交易距今時間）、Frequency（交易頻率）、Monetary（交易金額）。
R值（最近一次交易距今時間）
用戶最近一次交易距今的時間。間隔時間越短，則值越大，這類客戶也是最有可能對活動產生反應的群體。
F值（交易頻率）
用戶在限定的時間內所購買的次數。最常購買的顧客，也是滿意度、忠誠度最高的顧客。
M值（交易金額）
用戶的交易金額，可以分為累計交易金額和平均每次交易金額，根據不同的目的取不同的數據源進行建模分析。
3、根據三個值的指標，進行分類，可以得出下面這個8個分類。
R值、F值、M值分別計算出均值，然后根據用戶的數據就可以填入相應的客戶類型。“↑”表示大于均值，“↓”表示小于均值。
二、 利用RFM模型進行用戶細分
1、 一維分析
一維顧名思義，就是利用R F M三個分類中的一個分類，來進行用戶分析。在不需要非常精確數據的時候，可以利用一維分析快速做出決定。同時也適用于一些數據量比較少或特定用戶等。
比如僅針對M值進行分層，可以根據講用戶分為低消費用戶和高消費用戶；或者低級、中級、高級等。大家熟知的“二八定律”（又名“帕雷托法則”）曾作出過這樣的解釋：公司80%的收入來自于20%的用戶，那么在一些活動的時候，就可以針對高消費用戶作出一些傾斜。
2、 二維分析
在某些情況下，我們只需要利用R F M三個分類中的兩個來分類即可，比方說某客單價單一的電商店鋪，因為大家的M值都差不多，所以只需要針對R值和F值進行分類分析即可。
下面利用我之前的一個案例，給大家做個演示
表格中的數據分類不是死的，各位需要分析自己公司的業務，從而進行調整，選擇合適于自己的數據。
通過這樣一個表格，就可以非常清晰的知道用戶的情況。
1象限的用戶屬于流失用戶，可以不用理會。
越接近右上角的象限，屬于越優質的用戶，無論是購買力或者忠誠度都是越高的
1-5象限的用戶，只要購買一次，就會變成10象限用戶；同理16-20象限用戶，只要再購買一次，就會變成25象限的用戶。
接著就是針對不同象限的用戶采用不同的對策，該召回的召回，該放棄的放棄，集中火力進攻關鍵用戶。然后再不斷的調整-嘗試-優化-總結-優化，確實出最優方案。
3、 三維分析
如果順利理解了二維分析，其中三維分析也并不難，只不過是在之前的基礎上增加一個維度。
那么很多人會問，如果三個維度都采用5個分類，那么最終會有5X5X5=125個象限，這也太多了吧？
其中在真正的應用中，并不需要把象限分的那么精細，可以根據公司業務情況進行考量。比如R F M各分2個值，那么一共8個象限；R:F:M=3:3:3，那么就是27個象限。
RFM模型只是提供一種思路和方法，使用的人不能閉門造車，還是要先了解公司業務，對用戶有一定的了解，這樣才可以將RFM模型的作用最大化。
謝謝大家。
作者：劉秋平
來源：用戶運營玩起來
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）