为啥我做的RFM模型被人说做错了,我错哪了?

本文转自知乎

作者:接地气的陈老师

—————————————————————————————————————————————————————

有同学问:“为啥我做的RFM模型被客户/业务部门批斗,说做的是啥XX玩意?我是对着网上的教程做的呀”

 

答:冒着被众多卖网课的号喷死的风险,揭示一个真相,就是在网课里如果不加“模型”俩字是很难卖的动的。大家都喜欢看高大上的东西,所以一般教数据分析的课在描述性统计完了都直接上RFM。

 

如果说成:“你要对用户交易行为进行分段,解读业务含义”,就太搓矮土了,咋吸引人吗。类似的,比如单维度分类,要起个名字叫:二八法,切割法,金字塔模型;比如两维度交叉,要叫矩阵法,象限模型。三维度分类,嘿,就到RFM模型了。轻则上一个3*3*3=27的矩阵,重则先三维度分类再聚类,一看就牛逼!

 

ヾ(◍°∇°◍)ノ゙

 

然鹅,死就死在业务含义四个字上。套到具体的业务场景,你会发现RFM有很多很多不适用的地方。

 

RFM是针对客户ID的分析,所以至少得有客户ID吧。是滴!这就淘汰了一大堆实体店+会员卡模式的企业。这些普遍管不住渠道的企业,客户ID关联订单比例往往只有10%-30%。RFM是基于会员交易做分析,在这种垃圾数据基础上,要剔除高达90%-70%的交易.这么做本身是件很搞笑的事。

 

更不用说,剩下的10%有会员ID的消费里边,又有至少40%的ID以上是一年未到店用户,活跃的撑死20%。更不用说10%*20%里边又有至少30%是各种羊毛卡。实际上,做实体企业信息化项目时,用户价值分析经常被做成渠道贪污力分析……

 

┗( ´・∧・`)┛

 

RFM是针对顾客交易行为,其他行为分析,比如积分兑换行为,直接套用RFM是很不合适的。积分兑换虽然看起来也像用积分买东西,但交易是产生价值,积分兑换是产生成本,这两者业务含义完全不同。其次,积分兑换依赖于顾客手头有多少积分,如果没积分他也没法兑换。所以积分兑换类的分析,要先看顾客的积分持有情况,增长情况,使用率三个指标。

 

RFM是针对顾客交易后记录分析,所以重视售前过程的B2B类销售,基本没得做了。B2B要看销售线索获取时间,跟进次数,项目推进阶段。

 

RFM是针对顾客个人交易后记录分析,所以非最终顾客消费的渠道,基本没得做了。渠道交易要关注sell in sell out两个数据。

 

RFM是针对顾客有一定频次的消费(否则根本不存在RF的概念,有谁隔三差五买个房子……),所以耐用品基本没得做了。耐用品要关注用户需求的关键节点和需求类型,像家电、家纺,关注的是三新(新婚、新居、新年)。像房子、车子,关注首次置业/二次更新、自用/投资一类的指标。

 

所以看到底,RFM其实比较适合传统企业里的运营商、银行、航空,或者互联网里的电商、出行,这种必须捆绑客户ID,有一定频次的小额消费。这时候才能做出网课里的RFM的各种骚操作效果。

 

因此同学们要关注业务场景,关注自己到底服务的是什么业务。RFM的精华不是最后聚类那一步,而是RFM是一个经过积累检验,很好用的三维度分类。相当多的快消品有使用量的概念,所以知道了R,F以后可以进行补货提醒,这才是模型的初衷。不要一味追求用复杂的计算,解决业务问题才是要义。


照例,估计这么一发,很多同学会问,那列举的那么多场景该怎么分析,来来来让我看到大家点赞的小手,赞多了再更新

(▰˘◡˘▰)

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
数据分析 数据分析-RFM模型⽤户分析 模型⽤户分析 RFM模型 根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有3个神奇的要素,这3个要素构成了数据分析最好的指标: 最近⼀次消费 (Recency) 消费频率 (Frequency) 消费⾦额 (Monetary) 上⾯的三个标签通过字⾯意思⽐较好理解,顾名思义RFM模型中的,R=Recency,F=Frequency,M=Monetary RFM模型客户细分 1.数据筛选分组 为了得到客户最近⼀次消费(Recency)、消费频率(Frequency)、消费⾦额(Monetary)这三个指标的数值进⾏筛选分组(以下为⼀个⽰例)。 消费(Recency)——最近⼀次会员来店铺购买的时间 A、⼀周以前 B、2周以前 C、3周以前 D、⼀个⽉前 消费频率(Frequency)——⼀年内在店铺购买的次数 A、1次 B、1-3次 C、3-5次 D、5次以上 对于消费⾦额(Monetary)——单次消费⾦额 A、50元以下 B、50-150元 C、150-300元 D、300元以上 2.数据处理 处理步骤如下: 将所有客户按照Recency的值,由⼩到⼤排列,以50%为⼀群,依次给予2,1分。 再将所有客⼾按照Frequency的值,由⼤到⼩排列;以50%为⼀群,依序给予2,1分。 最后将所有客⼾按照Monetary的值,由⼤到⼩排列;以50%为⼀群,依序给予2,1分。 整合得到8种组合: 2-2-2:⾼价值客户; 2-1-2:重点发展客户 1-2-2:重点保持客户; 1-1-2:重点挽留客户; 1-1-1:⽆价值客户; 其余三种组合均属于⼀般客户。 现在我们来简单归纳⼀下,RFM模型中,我们重点研究的就是以上8种⽤户(⽤排列组合2*2*2=8种,很好理解)⾥⾯的有明显偏向的5种⽤户. 前⾯的4种⽤户,⼊选研究对象,总概括的就是愿意掏钱的客户. 这下就很好记了,RFM⾥⾯的M已经确定了,要选掏钱的,R,F各有两种选择,也就是总共4种类型 然后再按R来分,打分⾼的先排 2 2 2 这种客户"最近购买(r),⽽且经常购买(F),每次花钱的⾦额还挺⼤(M) 毫⽆疑问这个客户是⾼价值的 2 1 2 此客户最近购买,买的次数不多,但每次花费的⾦额⽐较⼤;那么遇到这种客户,证明他对特定品牌产品感兴趣,要的是怎么让他经常来 买. 所以这种客户不难理解是应该重点发展的 1 2 2 此客户可能不是⼀直关注产品,但是买的次数⽐较频繁,每次花费的⾦额也挺⼤. 理解:证明这个客户是对产品的需求量⽐较⼤,也舍得掏钱,对品牌不是很关注的,也许今天到A品牌商家购买的,明天就到B品牌商家购买 去了.因此我们要的是,要让客户保留对我们品牌产品的兴趣. 1 1 2 此客户⽐较明显就是那种⽐较懒惰型的客户,要⽤到的时候再买,⽽且⼀次性买⽐较多,平时就很少关注和购买了.对于这种客户,你不知 道他下⼀次购买的还是不是本公司品牌的产品,可能需要在他购买⼀段时间后提醒他我们产品有优惠活动,来提起他的购买欲望.因此属于需要 挽留型的客户 1 1 1 就不多了,是临时过客 其他的客户没有明显的特征,主要是不怎么掏钱,是薅⽺⽑型的,你再怎么打主意都从他⾝上挣不到多少钱的,就归为⼀般客户. 理解完后,就根据打分,把所有客户分类好,然后提取出来我们重点研究的这⼏种客户来相应的措施; 2 2 2⾼价值客户,基本上不⽤太担⼼,他会⾃⼰来购买 2 1 2 重点发展型的客户 想办法加⼤他的购买频率 1 2 2重点保持型客户 让他保持对我们品牌产品的兴趣 1 1 2重点挽留客户 发⼀些我们品牌的信息给他,等他想起来要购买类似产品的时候,第⼀时间想到的是我们品牌 1 1 1 ⽆价值的客户 不⽤花精⼒去跟进这种类型的客户,投⼊和产出⽐不值得.

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值