RFM模型的三个维度:
- R:最近一次消费 (Recency)
- F:消费频率 (Frequency)
- M:消费金额 (Monetary)
根本上也是一种用户细分,可基于各个分层,就目标探索相关表现,用户运营不同特征制定不同方案;
R | F | M | 客户类型 |
---|---|---|---|
高 | 高 | 高 | 高价值客户 |
低 | 高 | 高 | 重点保持客户 |
高 | 低 | 高 | 重点发展客户 |
低 | 高 | 高 | 重点挽留客户 |
高 | 高 | 低 | 一般价值客户 |
低 | 高 | 低 | 一般保持客户 |
高 | 低 | 低 | 一般发展客户 |
低 | 低 | 低 | 潜在客户 |
大M高价值客户,可发放相对大金额优惠券,重点挽回;低M一般客户,优惠券相对低些,倾向新客户发展成一般价值客户;最近有消费,消费频率低,低消费金额,新客户有推广价值;
分层:
三个维度分别基于本身属性排序,按排序序号等宽分成n个分组,得到对应的属性分值;
比如一共100个样本,就M值划分为5层,将top20分值标记为5,top21-40标记为2,其他依次类推…
也可采用其他分层方法,请参考数据分箱::https://blog.csdn.net/me_to_007/article/details/126494027
应用样例:可基于目标,比如渠道投放付费转化,查看各个组合的ROI,选择高ROI分组用户属性投放;