1. 首页
  2. 产品运营

精细化运营:用RFM做用户分层

精细化运营: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。

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

 

用户运营,刘秋平,用户研究,用户增长,增长策略

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

 

用户运营,刘秋平,用户研究,用户增长,增长策略

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。

 

作者:刘秋平,授权青瓜传媒发布。

来源:刘秋平

本文由青瓜传媒发布,不代表青瓜传媒立场,转载联系作者并注明出处:http://www.opp2.com/106742.html

联系我们

18205969981

在线咨询:点击这里给我发消息

邮件:jay@opp2.com

工作日:9:30-18:30,节假日休息

QR code