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