-
當(dāng)前位置:首頁 > 創(chuàng)意學(xué)院 > 技術(shù) > 專題列表 > 正文
舉例說明RFM模型的運(yùn)用(舉例說明rfm模型的運(yùn)用)
大家好!今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于舉例說明RFM模型的運(yùn)用的問題,以下是小編對此問題的歸納整理,讓我們一起來看看吧。
開始之前先推薦一個非常厲害的Ai人工智能工具,一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報告、論文、代碼、作文、做題和對話答疑等等
只需要輸入關(guān)鍵詞,就能返回你想要的內(nèi)容,越精準(zhǔn),寫出的就越詳細(xì),有微信小程序端、在線網(wǎng)頁版、PC客戶端
官網(wǎng):https://ai.de1919.com。
創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè),服務(wù)客戶遍布全球各地,如需了解SEO相關(guān)業(yè)務(wù)請撥打電話175-8598-2043,或添加微信:1454722008
本文目錄:
一、數(shù)據(jù)分析方法3—RFM分析模型
對于一個新上線產(chǎn)品的前期運(yùn)營,我們一般的做法都是做活動、上新品、蹭熱點(diǎn)、做營銷、不斷地去拓展新的客戶。但是這種做法收效卻不容樂觀,真正獲取的用戶沒有幾個,最終都便宜了羊毛黨。其實(shí)客戶在不同階段的需求是不一樣的,有的客戶圖便宜,有的客戶看新品,有的客戶重服務(wù)。所以我們想要運(yùn)營好一個產(chǎn)品,就需要對客戶精細(xì)化運(yùn)營。
精細(xì)化運(yùn)營最經(jīng)典的用戶分群工具就是RFM模型,RFM模型是衡量用戶價值和用戶創(chuàng)新能力的經(jīng)典工具,主要是由用戶最近一次購買時間、消費(fèi)頻次、消費(fèi)金額組成。
RFM模型是衡量客戶價值和客戶潛在價值的重要工具和手段,RFM是Rencency(最近一次消費(fèi)),F(xiàn)requency(消費(fèi)頻率),Monetary(消費(fèi)金額)組合而成,此模型對于運(yùn)營、銷售、財(cái)務(wù)、市場來說都比較重要。
R值(Recency): 最近一次消費(fèi)
表示用戶最近一次消費(fèi)距離現(xiàn)在的時間,消費(fèi)時間越近的客戶價值越大,1年前消費(fèi)過的用戶肯定沒有1月前消費(fèi)過的用戶價值大,是衡量用戶價值的一個指標(biāo)。
基于R值的大小,可以看出上表中的客戶2是最有價值的,客戶3是最沒有價值的,但是如果就此說明客戶2是最有價值,而客戶3是沒有價值的是不成立的,對于客戶價值我們不能僅看R值,還需要考慮F值和M值。這里我們只舉出4個客戶為例,但在真實(shí)的客戶場景中,我們可以把客戶按照周、月、季、年等維度的占比詳細(xì)來觀察出R的趨勢變化。
F值(Frequency): 消費(fèi)頻率
消費(fèi)頻率是指用戶在統(tǒng)計(jì)周期內(nèi)購買商品的次數(shù),經(jīng)常購買的用戶也就是熟客,其價值比偶爾來一次的客戶價值大
基于F值的大小,可以看出客戶4的價值最大,客戶1的價值最小,但是如果考慮R值和M值就不能這樣認(rèn)為。其實(shí)客戶對于產(chǎn)品的復(fù)購的核心因素是類目。有的類目產(chǎn)品復(fù)購率高(食品類)主要是食品屬于易耗品,消耗周期短,購買的頻率高,相對容易產(chǎn)生重復(fù)性購買。而有的類目產(chǎn)品復(fù)購率低(家電類),消耗周期長,購買頻次低。建議在對F值進(jìn)行統(tǒng)計(jì)時對于不同的類目要有相應(yīng)的統(tǒng)計(jì)周期。
M值(Monetary): 消費(fèi)金額
消費(fèi)金額是指用戶在統(tǒng)計(jì)周期內(nèi)消費(fèi)的總金額,體現(xiàn)了消費(fèi)者對于企業(yè)的價值。
基于M值的大小,可以看出客戶4的價值最高,客戶1的價值最低,M值同上面的R值、F值類似,單一的值并不能說明客戶的好壞,三者結(jié)合才能更好地精細(xì)化用戶,對購買產(chǎn)品的用戶合理的分隔,采用不同的機(jī)制去運(yùn)營。
RFM模型的主觀細(xì)分
根據(jù)RFM模型值得大小對客戶進(jìn)行細(xì)分,如下表所示,將客戶分為了8部分去運(yùn)營,對于不同的細(xì)分人群采取不同的運(yùn)營策略,在實(shí)際的應(yīng)用場景中,店鋪可以根據(jù)自己店鋪的實(shí)際情況來細(xì)分人群,購買人群多的就分多個人群,購買人群少的就少分幾個人群,具體的情況根據(jù)店鋪來定。
RFM模型的量化細(xì)分
上面的模型細(xì)分主要是根據(jù)RFM值的大小進(jìn)行模糊的細(xì)分,而如果想要更細(xì)地對人群進(jìn)行劃分,就需要對RFM進(jìn)行量化處理,一般采用的方式有
1、根據(jù)經(jīng)驗(yàn)定義權(quán)重
RFM值=a*R值+b*F值+c*M值
對于其中的權(quán)重a,b,c則需要經(jīng)驗(yàn)豐富的業(yè)務(wù)人員來判斷
2、歸一化處理
將RFM的值進(jìn)行歸一化處理,公式為
RFM值=R1值+F1值+M1值
上面的R1,F1,M1都是歸一化處理過后的值
3、AHP層次分析得出權(quán)重值
RFM值=a1*R值+a2*F值+a3*M值
a1,a2,a3的值是AHP層次分析得出的權(quán)向量值
具體參考鏈接
最終按照得出值的大小進(jìn)行人群細(xì)分,得出不同的人群
二、用戶價值分層——基于RFM模型的研究分析
• R(Recency):消費(fèi)間隔,最近一次距離上次消費(fèi)的時間間隔
• F(Frequency):消費(fèi)頻次,一段時間(1個月/1年...)內(nèi)的消費(fèi)總次數(shù)
• M(Monetary):消費(fèi)金額,一段時間(1個月/1年...)內(nèi)的消費(fèi)總金額
RFM模型是用戶價值研究中的經(jīng)典模型,基于近度(Recency),頻度(Frequency)和額度(Monetory)這3個指標(biāo)對用戶進(jìn)行聚類,找出具有潛在價值的用戶, 從而輔助商業(yè)決策,提高營銷效率。RFM作為一種數(shù)據(jù)驅(qū)動的客戶細(xì)分技術(shù),可幫助營銷人員做出更明智的戰(zhàn)略性決策,使?fàn)I銷人員能夠快速識別用戶并將其細(xì)分為同類群體,并針對性制定個性化的營銷策略,提高用戶的參與度和留存率。
RFM建模所需要的數(shù)據(jù)源是相對簡單的,只用到了購買記錄中的時間和金額這兩個字段。我們基于交易數(shù)據(jù)中用戶的最后一次的購買時間,購買的次數(shù)以和頻率,以及平均/總消費(fèi)額對每個用戶計(jì)算了三個維度的標(biāo)準(zhǔn)分。然后我們對于三個維度賦予了不同的權(quán)重,再基于加權(quán)后的分值應(yīng)用K-Means進(jìn)行聚類,根據(jù)每種人群三個維度與平均值之間的高低關(guān)系,確定哪些是需要保持用戶,哪些是需要挽留的用戶,哪些是需要發(fā)展的用戶等。在將這些客戶圈出之后,便可以對不同客戶群使用不同針對性地營銷策略(引導(dǎo),喚醒等),提高復(fù)購率與轉(zhuǎn)化率。值得注意的是,三個維度的權(quán)重制定并沒有統(tǒng)一的標(biāo)準(zhǔn),比較通用的方法是用層次分析法(AHP),實(shí)際場景結(jié)合行業(yè)以及具體公司的特點(diǎn)進(jìn)行因地制宜、因人而異的優(yōu)化。
RFM因素:
• R值越高,顧客的有效期越近,對商家活動的響應(yīng)越積極
• F值越高,顧客的消費(fèi)頻次越高,對商家的忠誠度就越高
• M值越高,顧客的消費(fèi)能力越高,對商家貢獻(xiàn)度就越高
• 想要提高復(fù)購率和留存率,需要時刻警惕R值
RFM分析:
• 誰是您最有價值的客戶?
• 導(dǎo)致客戶流失率增多的是哪些客戶?
• 誰有潛力成為有價值的客戶?
• 你的哪些客戶可以保留?
• 您哪些客戶最有可能對參與度活動做出響應(yīng)?
• 誰是你不需要關(guān)注的無價值客戶?
• 針對哪些客戶制定哪種發(fā)展、保留、挽回策略?
通過RFM模型,可以幫助營銷人員實(shí)現(xiàn)客戶細(xì)分;衡量客戶價值和客戶利潤創(chuàng)收能力;識別優(yōu)質(zhì)客戶;指定個性化的溝通和營銷服務(wù);為更多的營銷決策提供有力支持。
數(shù)據(jù)導(dǎo)入:使用python的pandas.read_csv導(dǎo)入樣本數(shù)據(jù)。
缺失值校驗(yàn):因數(shù)據(jù)為生產(chǎn)真實(shí)的交易數(shù)據(jù),質(zhì)量相對較高,缺失值較低。
極值校驗(yàn):第一份樣本數(shù)據(jù)獲取的用戶訂單實(shí)付金額,其中會存在優(yōu)惠或補(bǔ)差支付,同時因就餐人數(shù)不一致,產(chǎn)生的的訂單消費(fèi)也會存在較大的差異,造成極致波動、標(biāo)準(zhǔn)差值較大,因此需對金額進(jìn)行處理,以人均消費(fèi)額替代訂單支付金額,可去掉10元以下、萬元以上的交易訂單。
獲取RFM值:使用 groupby獲取RFM值
獲取RFM評分值:數(shù)據(jù)離散,pandas.cut
實(shí)驗(yàn)數(shù)據(jù)RFM分值占比
說明:F、M分布不均勻,極值差異大,經(jīng)數(shù)據(jù)探查知曉該商戶開通了企業(yè)團(tuán)餐業(yè)務(wù),企業(yè)會給員工發(fā)放補(bǔ)貼,導(dǎo)致員工呈現(xiàn)較高的消費(fèi)頻次,該類用戶的消費(fèi)行為絕大程度依賴于企業(yè),在實(shí)際的RFM模型可踢出此類訂單,降低此類人群的分值,其次數(shù)據(jù)中的M值為客戶實(shí)付金額,該商戶支持預(yù)定、會餐、大小桌,同一單的消費(fèi)群體不同,或可使用人均消費(fèi)總額作為M值。
RFM數(shù)據(jù)合并,建立R、F、M數(shù)據(jù)框:pandas+numpy
計(jì)算RFM綜合分值:權(quán)重法
權(quán)重值主要賦值方法可分為主觀賦權(quán)法、客觀賦權(quán)法,如下:
主觀賦權(quán)法:主要由專家經(jīng)驗(yàn)得到權(quán)數(shù),然后對指標(biāo)進(jìn)行綜合評價。是一種結(jié)合性方法,易操作,存在一定主觀性。常用方法:層次分析法AHP、權(quán)值因子判斷表法、德爾菲法、模糊分析法、二項(xiàng)系數(shù)法、環(huán)比評分法、最小平方法、序關(guān)系分析法等。
客觀賦權(quán)法:依據(jù)歷史數(shù)據(jù)研究指標(biāo)之間的相關(guān)關(guān)系或指標(biāo)與評估結(jié)果的影響關(guān)系來綜合評價。這是定量研究,無須考慮決策者主觀意愿和業(yè)務(wù)經(jīng)驗(yàn),計(jì)算方法較為復(fù)雜。常用方法:主成分分析、因子分析、熵值法、變異系數(shù)法、均方差法、回歸分析法等。
因樣本數(shù)據(jù)分布不均勻,故手動賦權(quán)重值,去除部分極值。
結(jié)論:以近90天的消費(fèi)活躍來看,用戶消費(fèi)頻次集中在1-6次,呈現(xiàn)出極佳的復(fù)購率??梢葬槍οM(fèi)一次的人群進(jìn)行特征分析。比如針對人群的流動性,若流動人群占比較大,可進(jìn)一步推廣特色菜吸引客戶,若周邊人群占比較高,可基于復(fù)購人群的特征進(jìn)行分析,同時平臺可提供該類人群近期消費(fèi)偏好,供商家參考,制定針對性方案。
了解RFM定義后,將3個指標(biāo)作為坐標(biāo)系的XYZ坐標(biāo)軸,從空間上切割成8類,作為用戶的價值分層,如下圖:
用戶價值分層說明:
上面我們已經(jīng)計(jì)算得到各個用戶的RFM分值,接下來要依據(jù)分值進(jìn)行分類。
定義RFM 的分值等級
使用pyecharts繪制玫瑰圖:
結(jié)論:商家顧客表現(xiàn)出來的忠誠度較高,但新客獲取能力較低。但是單純看分層占比,并沒有實(shí)際意義,可以基于價值分層與其他特征關(guān)聯(lián)分析進(jìn)行精準(zhǔn)投放。如下圖(網(wǎng)絡(luò)參考圖,本期實(shí)驗(yàn)并未涉及其他特征)所示:
用戶畫像是基于用戶信息與行為衍生出來的特征屬性,用戶的準(zhǔn)入信息是用戶的主觀特征,是一種既定的事實(shí),通過對用戶行為的采集、研究,刻畫出單個用戶的特征。其意義在于基于某一事物對群里特征進(jìn)行分類,有效的體現(xiàn)事物的合適人群;同時針對群里特征的偏愛、習(xí)慣研究,可以刻畫出用戶的需求,實(shí)現(xiàn)精準(zhǔn)化營銷。
用戶畫像的基礎(chǔ)成分來源于用戶的準(zhǔn)入信息(會員注冊時的登記信息),更多的特征數(shù)據(jù)來源于用戶的各類行為,而RFM模型便是基于用戶消費(fèi)行為提煉出來的價值指標(biāo)。通過對各個價值分層的群體特征研究,可以有效提升獲客能力以及針對各類人群實(shí)現(xiàn)精準(zhǔn)化營銷。
市場和運(yùn)營往往絞盡腦汁做活動、上新品、蹭熱點(diǎn)、做營銷,拓渠道,不斷開發(fā)客戶、做回訪維系客戶感情,除了少數(shù)運(yùn)氣好的之外,但大多效果寥寥,這是為何?
經(jīng)驗(yàn)豐富的營銷人員都知道“了解客戶”和“客戶細(xì)分”的重要性。營銷人員不僅要著眼于創(chuàng)造更多的訪問量和點(diǎn)擊量以提高客戶獲取,還必須遵循從提高點(diǎn)擊率(CTR)轉(zhuǎn)變?yōu)樘岣弑A?,忠誠度并建立客戶關(guān)系的新范式。與其將整個客戶群作為一個整體進(jìn)行分析,不如將其劃分為同類群體,了解每個群體的特征,并使他們參與相關(guān)的活動,而不是僅根據(jù)客戶年齡或地理位置進(jìn)行客戶細(xì)分。而RFM分析是市場營銷人員分析客戶行為的最流行、最簡單、最有效的客戶細(xì)分方法之一。
針對RFM分層用戶制定相應(yīng)的營銷策略:
• 重要價值客戶是您的最佳客戶,他們是那些最新購買,最常購買,并且花費(fèi)最多的消費(fèi)者。提供VIP服務(wù)和個性化服務(wù),獎勵這些客戶,他們可以成為新產(chǎn)品的早期采用者,并有助于提升您的品牌。
• 重要發(fā)展客戶:近期客戶,消費(fèi)金額高,但平均頻率不太高,忠誠度不高。提供會員或忠誠度計(jì)劃或推薦相關(guān)產(chǎn)品以實(shí)現(xiàn)向上銷售并幫助他們成為您的忠實(shí)擁護(hù)者和高價值客戶。
• 重要保持客戶:經(jīng)常購買、花費(fèi)巨大,但最近沒有購買的客戶。向他們發(fā)送個性化的重新激活活動以重新連接,并提供續(xù)訂和有用的產(chǎn)品以鼓勵再次購買。
• 重要挽回客戶:曾經(jīng)光顧,消費(fèi)金額大,購買頻率低,但最近沒有光顧的顧客。設(shè)計(jì)召回策略,通過相關(guān)的促銷活動或續(xù)訂帶回他們,并進(jìn)行調(diào)查以找出問題所在,避免將其輸給競爭對手。
•一般價值客戶:最近購買,消費(fèi)頻次高但消費(fèi)金額低的客戶,需要努力提高其客單價,提供產(chǎn)品優(yōu)惠以吸引他們。
• 一般發(fā)展客戶:最近購買,但消費(fèi)金額和頻次都不高的客戶??商峁┟赓M(fèi)試用以提高客戶興趣,提高其對品牌的滿意度。
• 一般保持客戶:很久未購買,消費(fèi)頻次雖高但金額不高的客戶。可以提供積分制,各種優(yōu)惠和打折服務(wù),改變宣傳方向和策略與他們重新聯(lián)系,而采用公平對待方式是最佳。
• 一般挽留客戶:RFM值都很低的客戶。針對這類客戶可以對其減少營銷和服務(wù)預(yù)算或直接放棄。
此外,目前的RFM分析中,一般給與M值更高的權(quán)重,如果一般挽留客戶與一般發(fā)展客戶占據(jù)多數(shù),說明公司的用戶結(jié)構(gòu)不是很合理,需要盡快采取措施進(jìn)行優(yōu)化。
三、如何分析RFM模型才能最有效,才能真正起到精細(xì)化運(yùn)營的作用?
舉一個互聯(lián)網(wǎng)餐飲的例子~來證明如何分析RFM模型:
如何通過外賣訂單數(shù)據(jù),分析用戶的基本屬性;
用戶的訂單上都有訂餐地址,通過對于訂餐地址的統(tǒng)計(jì),我們可以查詢到不同條件組合下的用戶分布,甚至能知道喜歡某道菜的用戶都在哪里。類似的用戶數(shù)據(jù)挖掘,還可以根據(jù)復(fù)購構(gòu)成、復(fù)購用戶跨平臺使用情況、性別組成做更精細(xì)化的分析。值得注意的是,數(shù)據(jù)平臺間的差異還是蠻大的,有利于針對不同平臺做出不同的營銷策略。
上面這些最基本的用戶屬性對于精細(xì)化運(yùn)營還是不夠的。 因?yàn)檫@些信息無法幫助你解決下面四個問題——
1.誰是我的重要價值客戶,他們都有什么特點(diǎn)?
2.誰是我需要重點(diǎn)保持聯(lián)系的客戶,他們都有什么特點(diǎn)?
3.誰是我的重要發(fā)展客戶,他們都有什么特點(diǎn)?
4.誰是我的重要挽留客戶,他們都有什么特點(diǎn)?
2.如何通過RFM模型,為用戶分群,實(shí)現(xiàn)精細(xì)化運(yùn)營
RFM模型是一個被廣泛使用的客戶關(guān)系分析模型,主要以用戶行為來區(qū)分客戶,RFM分別是:
R = Recency 最近一次消費(fèi)
F = Frequency 消費(fèi)頻率
M = Monetary 消費(fèi)金額
需要詳細(xì)了解以上三個指標(biāo)定義的,百度會將維度再細(xì)分出5份,這樣就能夠細(xì)分出5x5x5=125類用戶,再根據(jù)每類用戶精準(zhǔn)營銷……顯然125類用戶已超出普通人腦的計(jì)算范疇了,更別說針對125類用戶量體定制營銷策略。實(shí)際運(yùn)用上,我們只需要把每個唯獨(dú)做一次兩分即可,這樣在3個維度上我們依然得到了8組用戶。
重要價值客戶(111):最近消費(fèi)時間近、消費(fèi)頻次和消費(fèi)金額都很高,必須是VIP啊!
重要保持客戶(011):最近消費(fèi)時間較遠(yuǎn),但消費(fèi)頻次和金額都很高,說明這是個一段時間沒來的忠實(shí)客戶,我們需要主動和他保持聯(lián)系。
重要發(fā)展客戶(101):最近消費(fèi)時間較近、消費(fèi)金額高,但頻次不高,忠誠度不高,很有潛力的用戶,必須重點(diǎn)發(fā)展。
重要挽留客戶(001):最近消費(fèi)時間較遠(yuǎn)、消費(fèi)頻次不高,但消費(fèi)金額高的用戶,可能是將要流失或者已經(jīng)要流失的用戶,應(yīng)當(dāng)基于挽留措施。
3.如何在BDP個人版上建立RFM模型,幫助用戶分群
這時候可能會有朋友問了,天啦,你這個三維模型,我沒辦法用BDP來建表格了。所以我們需要做的是將三維模型二維化,我們將R域切一塊出來(即在近30天有復(fù)購的用戶中做分析),壓扁了就會看到。
上方的表示或許還是太學(xué)術(shù)了,簡單的說
第一步:先挑出來近1個月的復(fù)購用戶。
第二步:近1個月內(nèi)復(fù)購用戶的平均實(shí)付金額做縱軸。
第三步:近1個月內(nèi)復(fù)購用戶的購買次做橫軸,生成表格。
第四步,你需要自己在這個表格上劃紅線。
橫著的紅線,代表著你認(rèn)為來吃飯的客人平均每餐該花多少錢,我這里設(shè)定的值是25元,叫外賣25都沒付到,對我而言是低消費(fèi)金額(低M)用戶。
豎著的紅線,代表著你認(rèn)為復(fù)購多少次的客人,是你的高頻用戶。外賣點(diǎn)餐流動率很大,一個用戶每個月能在一家店點(diǎn)三次以上的菜,對我而言即是高頻。
這樣,BDP個人版上的RFM模型就建立好了。這個RFM模型在實(shí)操時有什么用呢?舉個例子
比如對圈用戶群發(fā)短信轉(zhuǎn)化只有不到1%時,你可以用RFM做個分析,只選取R值高的用戶(最近2周到最近一個月內(nèi)消費(fèi)的用戶),轉(zhuǎn)化率可以由1%提升到10%。
這也意味著,以往6元/訂單將下降到0.6元/訂單。掌柜們是愿意花600元給10000個用戶發(fā)短信,得到100個訂單,還是愿意花48元給800人發(fā)短信得到80個訂單,相信大家一定會選后者。
而整體的RFM區(qū)分,則能夠幫掌柜們針對不同的用戶發(fā)不同的短信,短信的開頭是用“好久不見”、還是用“恭喜你成為VIP”,就得看時重要保持客戶還是重要價值用戶了。只有能區(qū)分用戶,才能走向精細(xì)化運(yùn)營。
四、用RFM模型劃分用戶等級
如何對用戶進(jìn)行等級分層,我們需要了解一個最常用的客戶分類模型,那就是RFM模型。
RFM模型是在客戶關(guān)系管理(CRM)分析模式中最受關(guān)注和應(yīng)用的模型之一。它主要通過最近一次消費(fèi)(recency)、消費(fèi)頻率(frequency)、消費(fèi)金額(monetary)這三個維度的用戶行為來對用戶進(jìn)行分層。RFM分別是這三個英文單詞的首字母縮寫。通過這一模型,企業(yè)可以動態(tài)地掌握用戶對企業(yè)的長期價值,甚至預(yù)測客戶的終身價值。
R(recency)指最近的消費(fèi)時間。最近一次消費(fèi)時間越近,說明這個用戶近期是活躍的,對企業(yè)是有印象的。最近一次消費(fèi)距當(dāng)下時間越久,就越說明這個用戶可能沉睡或流失了,需要企業(yè)通過客戶關(guān)懷、營銷活動去觸達(dá)他,想辦法將他再次激活,盡量挽回這個用戶。
F(frequency)指消費(fèi)頻率。消費(fèi)頻率越高,消費(fèi)也越活躍,代表用戶對企業(yè)或品牌越認(rèn)可,對企業(yè)貢獻(xiàn)的銷售價值越大。反之,消費(fèi)頻率低,甚至用戶只來了一次后就再也沒來,說明用戶不活躍,相應(yīng)的貢獻(xiàn)價值也就少了。這時候企業(yè)就需要進(jìn)行反思,他到底是不是企業(yè)的真正目標(biāo)用戶,是不是“薅羊毛”的用戶,又或者是不是企業(yè)的產(chǎn)品和服務(wù)有問題,傷害到了他。總之,企業(yè)需要針對消費(fèi)頻率這一數(shù)據(jù)進(jìn)行分析研究,找到原因,并想辦法解決。
M(monetary)指一段時間內(nèi)的消費(fèi)金額。消費(fèi)金額高,既說明用戶對企業(yè)產(chǎn)品的需求大,也能反映用戶的消費(fèi)能力,同時還說明對企業(yè)和品牌的認(rèn)可。在一段時間內(nèi),消費(fèi)金額跟消費(fèi)頻率呈正相關(guān),消費(fèi)頻率越高,累計(jì)的消費(fèi)金額也會越高。
企業(yè)通過這三個維度合理評估用戶的長期價值,把用戶分為不同的等級,并對不同等級的用戶投入不同的資源和時間來維護(hù),這樣就能讓公司的資源效果實(shí)現(xiàn)最大化。
過去,互聯(lián)網(wǎng)沒有如此發(fā)達(dá),傳統(tǒng)企業(yè)沒有實(shí)現(xiàn)數(shù)字化,企業(yè)很難抓取用戶的實(shí)時數(shù)據(jù),沒辦法實(shí)時掌握用戶動態(tài)、群體畫像,很難做精細(xì)化運(yùn)營管理。而現(xiàn)在,無論是投廣告、做活動,還是依靠微信、社群、小程序、App,都能實(shí)時獲得大量數(shù)據(jù),并且有了成熟的CRM軟件之后,企業(yè)能夠輕松地對用戶消費(fèi)數(shù)據(jù)進(jìn)行分析,進(jìn)而做出正確的決策。
在實(shí)際應(yīng)用中,我們可以將RFM這三個維度,每個維度一分為二,大寫字母代表高,小寫字母代表低。這樣一來就得到8組用戶分類。
重要價值客戶:最近消費(fèi)時間近、消費(fèi)頻次和消費(fèi)金額都很高,他們是企業(yè)的VIP客戶。
重要發(fā)展客戶:最近消費(fèi)時間較近、消費(fèi)金額高,但頻次不高,忠誠度不高。他們是很有消費(fèi)潛力的用戶,需要重點(diǎn)發(fā)展。
重要保持客戶:最近一次消費(fèi)時間較遠(yuǎn),但曾經(jīng)一段時間內(nèi)消費(fèi)頻次和金額都很高,說明他過去是個忠誠客戶,企業(yè)需要主動和他聯(lián)系,嘗試激活。
重要挽留客戶:最近消費(fèi)時間較遠(yuǎn)、消費(fèi)頻次不高,但消費(fèi)金額高,這些可能是將要流失或者已經(jīng)流失的用戶,企業(yè)應(yīng)當(dāng)采取挽留措施。
后面的一般價值客戶、一般發(fā)展客戶、一般保持客戶、一般挽留客戶相比前面四組的重要性會低一些。在實(shí)際成交客戶中,如果對這8組客戶維度進(jìn)行簡化分類,我們可以把他們分為A、B、C三個等級。這樣,企業(yè)員工在維護(hù)時會更好地理解、操作。
總而言之,企業(yè)在人格上對用戶要一視同仁,尊重用戶,友善相待,但是在商業(yè)服務(wù)上則要區(qū)別對待。企業(yè)不要試圖給所有用戶一樣的服務(wù),而是要將更高級的服務(wù)提供給那些更認(rèn)可企業(yè)、能帶來更高價值的用戶。
以上就是關(guān)于舉例說明RFM模型的運(yùn)用相關(guān)問題的回答。希望能幫到你,如有更多相關(guān)問題,您也可以聯(lián)系我們的客服進(jìn)行咨詢,客服也會為您講解更多精彩的知識和內(nèi)容。
推薦閱讀:
舉例說明營銷與推銷的區(qū)別(舉例說明營銷與推銷的區(qū)別與聯(lián)系)
論文關(guān)鍵詞舉例(論文關(guān)鍵詞舉例說明)