【背景介绍】
网站付费用户在40万 +,目前只有针对新用户和流失客户(大客户部分)两大人群做专门运营活动,从开源和节流两个层面上保证付费盘子的扩大,但对于现金牛用户(除了新用户和流失客户)一般能触及到的就是全站营销活动,但试想网站格子市场相差如此之大(最贵格子7天置顶1288元,最便宜格子7天置顶5元),用户的消费能力也必然相差较大,不进行精细化运营很难保证营收的最大化。于是我们引入用户分层的模型RFM,此模型在电信等其他行业已经成熟运用。
RFM(Recency,Frequency,Monetary)分析是一种营收市场技术,主要是通过分析付费用户的行为,对付费用户进行分层,从而达到精准营销的目的。有兴趣可参考 : RFM模型_wiki。RFM的变体 RFD(Recency,Frequency,Duration)也可用与于对网站用户的其他行为分析,详情及其他变体不在此赘述。
【参数解释】
- R:最近一次消费距今天数(Recency)
- F: 消费频率(Frequency)
- M:消费金额(Monetary)
【前提假设】
- 最近购买产品的用户更容易产生下一次消费行为
- 消费频次高的用户,用户满意度高,忠诚度高,更容易产生下一次消费行为
- 消费金额高的用户更容易带来高消费行为
- 具有相同RFM_value 的用户有相似的市场行为
【数据挖掘&数据化运营】
这里主要介绍RFM模型在网站营收付费用户的应用(Case Study),主要分为以下几个步骤:
Step1,RFM 分析和付费用户分层(cluster)
Step2,跟踪用户在不同状态的转移 (classification)
Step3,付费用户的产品推荐(association rule)(有可能不做,因为产品较少且产品相似度较高)
具体环节参考图1:
图 1
一、RFM分析和付费用户分层
1.1 RFM指标重新定义
- R (Recency)近度,用户最后一次付费(cash)日期距今天数
- F(Frequency) 频度,用户在半年时间内的付费(cash)次数
- M(Monentary) 值度,用户在半年时间内总付费(cash)金额
以上付费行为只考虑置顶大类(置顶,十万火急,至尊展位) + 套餐包