业务建模-RFM模型

业务建模-RFM模型

作用：

帮助企业判断哪些用户有异动，是否有流失的预兆，从而增加相应的运营措施

维度选择：

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

Recency：

最近一次消费

基于当前时点，统计用户最近一次消费时点和当前时点的时间差

Frequency：

消费频次
指定时间区间内统计用户的购买次数

Money：

消费金额

指定时间区间内统计用户的消费总金额

维度下分类：

用户类别	R值	F值	M值	运营策略
重要价值用户	高	高	高	保持现状
重要发展用户	高	低	高	提升频次
重要保持用户	低	高	高	用户回流
重要挽留用户	低	低	高	重点召回
一般价值用户	高	高	低	刺激消费
一般发展用户	高	低	低	挖掘需求
一般保持用户	低	高	低	流失召回
一般挽留用户	低	低	低	可放弃治疗

实现步骤：

案例：

1、根据数据求出R平均，F平均，M平均

R平均：=AVERAGE(B2:B101)

F平均：=AVERAGE(C2:C101)

M平均：=AVERAGE(D2:D101)

2、求出R程度，F程度，M程度

R程度：=IF(B2<$J$3,"高","低")

F程度：=IF(C2<$J$4,"低","高")

M程度：=IF(D2<$J$5,"低","高")

3、根据用户维度分类表求出用户类别

求出RFM的值:

RFM：=M2&N2&O2

求出用户类别：

用户类别:=VLOOKUP(E2&F2&G2,$K$2:$L$9,2,)

4、选择数据插入数据透视表

5、根据数据透视表插入数据透视图

用户分类模型RFM总结：

1、结合实际业务选取关键数据指标分析，不是千篇一律的最近一次消费时间、消费频次、消费金额

2、定义R值、F值、M值数据区间分隔时，发现明显断档数据可以通过散点图、透视表、占比图等进行判断

3、对于划分阈值的计算，除了平均值，还有二八法则，对于更加复杂的业务，可以寻求程序员或业务员协助确定

4、除了选取讲解的3个核心业务指标进行交叉分析，也可以同时分析4个、5个指标，或者只需要分析2个指标

5、针对不同分层用户的运营策略的制定要结合实际，在制定了运营策略之后，结合公司现有资源和手段开展具体的落地工作