上一篇文章《滴滴用户精细化运营实战(上)》主要给大家讲解了RFM模型的基础知识,本篇文章将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、业务背景介绍
我们想要对滴滴出行乘客进行分类运营,针对每一层级的用户采取个性化的运营策略,目前初步选定使用RFM分层模型对用户进行分层,于是抽取了某个月(2021年1月1日 - 2021年1月31日)部分出行订单数据进行了分析,数据信息如下表:
注:数据进行了脱敏处理
二、计算 R、F、M值
1. 计算R值:最近一次打车距统计时间(2021年2月1日)的间隔天数
2. 计算F值:最近30天内打车次数
3. 计算M值:最近30天内打车总金额
4. 观察R、F、M值的分布情况
三、判断 R、F、M 结果
如果要判断R、F、M的高低,首先需要计算R、F、M值的得分,然后根据得分判定其高低。
3.1 计算R、F、M值得分
这里采用归一标准化方法分别对R、F、M值进行打分,计算公式如下:
-
R 值得分
-
F 值得分
-
M 值得分
3.2 判断R、F、M高低
-
判断 R 值结果:R 代表间隔时间越短,价值越大,因此当 R 得分小于均值,价值判断结果为“高”,当 R 得分大于均值,价值判断结果为“低”
-
判断 F 值结果:F 代表次数越多,价值越大,因此当 F 得分大于均值,价值判断结果为“高”,当 F 得分小于均值,价值判断结果为“低”
-
判断 M 值结果:M 代表金额越高,价值越大,因此当 M 得分大于均值,价值判断结果为“高”,当 M 得分小于均值,价值判断结果为“低”
四、分层结果
-
分层实现
-
不同层级用户分布
五、制定精细化运营策略
根据RFM模型,我们将用户分成八类,分别是重要价值用户、重要发展用户、重要保持用户、重要挽留用户、一般价值用户、一般发展用户、一般保持用户、一般挽留用户,在实际运营过程中,我们可以针对每一类用户分别采取个性化运营策略。
关注我,获取更多数据分析干货!