数据分析实战之RMF模型（用户精准运营）

RFM模型在电商运营推广分析中的应用

最新推荐文章于 2024-08-11 14:30:15 发布

敌人派

最新推荐文章于 2024-08-11 14:30:15 发布

阅读量1.4w

点赞数 6

CC 4.0 BY-SA版权

分类专栏：数据分析文章标签：数据分析

本文链接：https://blog.csdn.net/qq_42695315/article/details/117216014

数据分析专栏收录该内容

16 篇文章

订阅专栏

本文介绍了RFM模型在电商运营中的运用，通过最近一次消费（R）、消费频率（F）和消费金额（M）来评估商品推广效果。通过对销售金额、曝光量和推广费用进行标准化处理和分箱，可以识别高价值推广。通过Excel进行数据处理和分类，提高了短信转化率。分析步骤包括获取数据、数据处理、评分标准设定和结果展示，有助于优化运营策略。

一、什么是RMF模型
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该机械模型通过一个客户的最近一次消费（Recency）、消费频率(Frequency)以及消费金额(Monetary)三项指标来描述该客户的价值状况。
阐述一下什么是R、M及F定义：

R：最近一次消费（Recency）
最近一次消费意指上一次购买的时候。理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长，只能靠偷取竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至6个月的顾客收到营销人员的沟通信息多于31至36个月的顾客。

F：消费频率(Frequency)
消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客，也是满意度最高的顾客。如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。

M：消费金额(Monetary)
消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍，占公司所有营业额的40%以上。如看累计百分比的那一栏，我们会发现有40%的顾客贡献公司总营业额的80%；而有60%的客户占营业额的90%以上。最右的一栏显示每一等分顾客的平均消费，表现最好的 10%的顾客平均花费1195美元，而最差的10%仅有18美元。
RFM总分值：R F M = R S ∗ 100 + F S ∗ 10 + M S ∗ 1
评判：
在这里插入图片描述
应用：
比如对圈用户群发短信转化只有不到1%时，你可以用RFM做个分析，只选取R值高的用户(最近2周到最近一个月内消费的用户），转化率可以由1%提升到10%。
对数据分析前要想好的几个点。1、分析对象及指标 2、数据的处理及获取 3、模型的意义

1、此次分析的对象不是客户，而是针对电商的运营，主要是通过运营的的商品进行评价，评价出哪些是
推销的宝贝或者是那些是高效推广或者是低效推广。

一、数据获取

数据源来自某电商平台数据管理系统，首先需要将运营和商品和分析指标匹配，其中需要经过一系列
表连接left、join 还有在python中进行原始数据的替换，比如替换空格、逗号等

最后获取的数据：三个指标销售金额（M）、曝光量（F）、总费用推广费（R）
在这里插入图片描述

数据指标选取
在这里插入图片描述
数据处理：
就销售额分数来说进行标准化

=ROUND(IFERROR((F2-AA2)/(X2-AA2),0),2)

得到辅助分数
在这里插入图片描述
接下要根据表把分数分为高、中、低三个部分然后进行价值分类8：

这边需要提一下，分箱是一个很复杂的点。有的业务人员或者是初学者随手等额/等距分箱，或者无脑“二八法则”，不管是从业务分析的角度还是投入模型的角度，效果可能都极差。这里要根据业务进行分析
比如我这是采取excel

=IF(AND(F2>U2,S2>V2,N2>W2),1,IF(AND(F2>U2,S2<=V2,N2>W2),2,IF(AND(F2>U2,S2>V2,N2<=W2),3,IF(AND(F2>U2,S2<=V2,N2<=W2),4,IF(AND(F2<=U2,S2>V2,N2>W2),5,IF(AND(F2<=U2,S2<=V2,N2>W2),6,IF(AND(F2<=U2,S2>V2,N2<=W2),7,IF(AND(F2<=U2,S2<=V2,N2<=W2),8,0))))))))