©作者 | leo
管理学中有一个重要概念那就是客户关系管理(CRM),它核心目的就是为了提高企业的核心竞争力,通过提高企业与客户间的交互,优化客户管理方式,从而实现吸引新客户、保留老客户以及将已有客户转化为忠实客户的运营机制。
而这其中最为经典的实现模型那就是RFM模型,它主要通过对每个客户的近期消费时间,购买频率和购买金额来对不同的客户进行价值状态划分。
从而使得我们可以有针对性的对不同用户进行个性化运营和营销。
01 RFM模型核心维度
针对上述3个维度,我们的预期:
最近一次消费的时间(Recency):
该维度指的是最近一次消费时间间隔(R), 也就是上一次消费的时间间隔,该值越小客户价值越高,这是因为消费间隔越近的客户越有可能产生二次消费。
某段时间内消费频率次数(Frequency):
消费频次(F)体现了客户的购买频率,那么购买频次越高,越能体现用户的消费活跃程度,因此,客户价值也就越高。
某段时间消费的总金额(Monetary):
消费金额(M)这个从字面意思即可知道,用户的消费金额越高,用户的消费能力越强,那么自然用户的价值也就越高。
02 RFM划分用户类型及对应运营策略
03 Excel中实现RFM模型
为了解决现存方法的缺陷,作者首次提出了将MCL、SSL和Excel是实现RFM模型的一个重要且十分直接的工具,只需要灵活使用Excel自带的函数就可以实现数据的汇总计算,得到RFM模型的三个指标值,从而将用户的价值类型提取出来,让我们有针对性的进行业务推广策略。
接下来我们给大家演示一个用Excel实现的RFM模型:
【数据来源】
某淘宝店铺的月份销售数据
【分析目标】
根据现有订单数据,构建店铺用户价值模型,从而为后续的精细化运营不同的客户群体打下基础
【数据预处理】
数据量大概有3989条,可以在excel内处理,也可以使用python对大批量的数据进行处理。
3.1 提取关键词字段:
【买家会员名】、【总金额】、【订单付款时间】、并设置对应的数据类型,我们要在同页面进行RFM值的计算。
3.2 计算Recency, Monetary,Frequency
Recency: 通过对【买家会员名】、【总金额】、【订单付款时间】三列数据做透视表,对订单付款时间求最大值,即最近消费时间,然后与观测时间进行求差运算,可得R值
Monet