“ RFM用户分层模型,作为一种经典的分析模型,经常被应用在用户精细化运营中,本篇文章主要以滴滴出行场景为例,给大家讲解RFM模型是如何进行实战应用的。”
一、从野蛮生长到精细化运营
10年前,pc互联网时代,当我们浏览百度、搜狐、新浪的网页,会看到各种插件推广、弹窗广告等等,这些弹窗就好似牛皮癣一样,想关掉都不行,用户体验极差。因为这是一个“卖方”占绝对优势的时代,没有人会真正关心用户、关注用户体验。
从PC到移动互联网,一批搭乘互联网红利的互联网产品快速崛起。但是,随着互联网人口红利的消失,用户开始从增量市场进入存量市场,用户增长越来越困难,企业纷纷把目光转向存量市场,希望通过精细化运营的手段,将流量价值最大化。其实,我们经常使用的会员服务就是一个很经典的精细化运营的案例。而在精细化运营策略中,RFM模型就是最经典的手段之一。
二、精细化运营必知必会:RFM分层模型
既然是讲RFM模型,那么接下来第一个问题就来了,到底什么是RFM模型呢?
简单来说,RFM是最近一次消费时间间隔(Recency)、一段时间内消费频率(Frequency)、一定时间内消费金额(Monetary)3个指标的缩写。
举个栗子:我有一家网店,晓明是我店铺中其中一个客户,现在(2021年3月1日)我要采用RFM模型对晓明的购买行为进行分析:
最近一次消费时间间隔(Recency):用户最近一次消费距现在多长时间
晓明最近一次在我店铺购物是2021年2月23日,距离现在(2021年3月1日)过去了6天,所以晓明的最近一次消费时间间隔是6天
消费频率(Frequency):用户在一段时间内消费了多少次
这里,我们将“一段时间”定义为30天,通过统计数据发现,晓明在最近30天内消费了3次
消费金额(Monetary):用户在一段时间内消费的金额
这里,我们还是将“一段时间”定义为30天,通过统计数据发现,晓明在最近30天内总共消费了2000元
这三个指标在不同的业务中,定义口径也不一样,需要根据业务场景进行灵活调整。
当我们把这三个指标按价值从高到低进行排序,并把这三个指标作为x、y、z坐标轴,就可以把空间分为八部分,这样就可以把用户分为八类。
根据这个分类空间图,就得到了不同用户对应的分类规则,如下表所示:
搞懂了什么是RFM模型之后,问题又来了,RFM模型到底有什么用呢?
当我对我的店铺上个月业绩进行盘点的时候,发现上月收入大幅下降。于是我赶紧拉数据进行分析,发现原来几个重要的用户流失掉了,而这几个用户贡献了我整个店铺80%的收入。于是我进行了深刻反思,为什么会出现这个问题呢?是因为我没有对我的客户进行分类运营,对所有客户采取的都是一样的运营策略,导致一部分高价值的重要用户得不到重视,因此逐渐流失掉了。因此,我一直在思考该怎么对用户进行分类,才能识别出哪些是高价值用户,哪些是一般价值用户呢?于是,我想到了RFM分析模型……
下一篇文章,我们就通过滴滴出行场景的案例来实际看一下如何通过RFM模型对用户进行分层从而实现精细化运营,并根据不同类型用户采取个性化运营策略的。