用户行为分析模型——RFM模型

用户行为分析模型——RFM模型

1. RFM模型

       RFM模型根据客户活跃程度和交易金额的贡献,进行客户价值细分的一种方法。

  • R(Recency)——最近一次交易时间间隔。基于最近一次交易日期计算的得分,距离当前日期越近,得分越高。如5分制。反映客户交易活跃度。
  • F(Frequency)——客户在最近一段时间内交易次数。基于交易频率计算的得分,交易频率越高,得分越高。如5分制。反映客户交易活跃度。
  • M(Monetray)——客户最近一段时间内交易金额。基于交易金额计算的得分,交易金额越高,得分越高。如5分制。反映客户价值。
    RFM总分值: R F M = R S ∗ 100 + F S ∗ 10 + M S ∗ 1 RFM=RS*100+FS*10+MS*1 RFM=RS100+FS10+MS1

       RFM分析的主要作用:

  • 识别优质客户
  • 可以制定个性化的沟通和营销服务,为更多的营销决策提供有力支持。
  • 能够衡量客户价值和客户利润创收能力。

       RFM的假设前提:
       假设交易的可能性:

  • 最近交易过的客户 > 最近没有交易过的
  • 交易频率高的客户 > 交易频率低的
  • 交易金额大的客户 > 交易金额小的

2. RFM模型分析应用

      RFM分析应用为客户分组,即将三个指标分别分为“高”和“低”两种,高于均值的为“高”,低于均值的为“低”。因此有三件事要做:计算出各个指标得分的平均值;将各个变量高于平均分的定义为“高”,低于平均分的定义为“低”;根据三个变量“高”“低”的组合来定义客户类型;如“高”“高”“高”为高价值客户。部分结果如下图:

在这里插入图片描述
       通过RFM方法,根据用户的属性数据分析,对用户进行了归类。在推送、转化等很多过程中,可以更加精准化,不至于出现用户反感的情景,更重要的是,对产品转化等商业价值也有很大的帮助。(当然也可以对RFM进行再聚类)
       企业用R、F的变化,可以推测客户消费的异动状况,根据客户流失的可能性,列出客户,再从M(消费金额)的角度来分析,就可以把重点放在贡献度高且流失机会也高的客户上,重点拜访或联系,以最有效的方式挽回更多的商机。

应用
比如对圈用户群发短信转化只有不到1%时,你可以用RFM做个分析,只选取R值高的用户(最近2周到最近一个月内消费的用户),转化率可以由1%提升到10%。

这也意味着,以往6元/订单将下降到0.6元/订单。掌柜们是愿意花600元给10000个用户发短信,得到100个订单,还是愿意花48元给800人发短信得到80个订单,相信大家一定会选后者。

而整体的RFM区分,则能够帮掌柜们针对不同的用户发不同的短信,短信的开头是用“好久不见”、还是用“恭喜你成为VIP”,就得看时重要保持客户还是重要价值用户了。只有能区分用户,才能走向精细化运营。

  • 15
    点赞
  • 187
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
评论 4
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