在RFM模型基础上,结合AHP分析法对用户进行打标签:
某产品有以下购买消费数据:
如果我们想知道每个用户的价值是多少的话需要怎么评估,用户价值有多个因素影响,这里的影响因素就是RFM三个因素,计算步骤如下:
构建层次结构模型:
构造判断矩阵:
根据以上打分规则,由经验丰富、判断力强的专家对三个因素两两打分给出判断矩阵。
上表意味着专家评判RFM三个因素的权重顺序分别是M>F>R。
计算特征向量:
通过判断矩阵计算特征向量(也就是权重)。
判断矩阵一致性检验:
有了以上权重,还要进行一致性检验,判断权重分配是否合理,避免出现类似M>F,F>R,R>M的情况;由于篇幅问题,就不进行详细的计算,网上也提供了在线计算工具只需要输入判断矩阵即可得出一致性检验结果。
从以上计算,我们得出了RFM三个因素的权重,接下来就要根据这些权重以及各用户的RFM具体的值来计算用户价值。
RFM值标准化计算价值:
因为RFM值的量纲不一样,需要进行标准化才有可比性,可通过以下两个公式进行标准化。
两个公式应用的场景不一样,第一个公式适用于该因素对结果有正向影响时使用,第二个公式适用于该因素对结果有负向影响时使用。
RFM因素中,R值越小对用户价值影响越大,因此使用第二个公式,F值和M值越大对用户价值影响越大,因此使用第一个公式。
使用以上两个公式进行标准化后,将得到标准化后的值分别乘以该因素对应的权重即可得到每个用户的价值。
生成标签:
根据上面计算出来的值生成各因素对应的标签,可以用均值区分,均值以上的为1,均值以下的为0,最终生成的标签如下:
以上有R、F、M、价值四个因素,每个因素有0或者1两种情况,总共可以组合成16种情况,即可以将用户分为16层,针对每层用户特点进行个性化服务。