用户运营实践-RFM模型

在用户运营体系里，常会涉及关于用户分层实现精细化运营。这个思维导图就是详细讲述了RFM模型的定义，分析原理，以及用户细分群体及实践案例。

用户运营实践-RFM模型

• 模型参数
  • R值：最近一次消费（Recency）
    • 定义
      • 指客户在店铺最近一次和上一次的消费时间间隔。 R值越小时间间隔越短，客户价值越高，对店铺的回购机制越有可能产生回应。
    • 影响因素
      • 1、店铺记忆强度
      • 2、接触机会多少
      • 3、回购周期
    • 应用场景
      • 1、决定接触策略
      • 2、决定接触频次
      • 3、决定刺激力度
  • F值：消费频率（Frequency）
    • 定义
      • 客户在固定时间内的购买次数（一般是1年）。 购买次数越多，也就是F的值越大，客户价值越高。
      • 但受品类宽度影响，一般店铺在运营RFM模型时， 会把F值的时间范围去掉，替换成累计购买次数。
    • 影响因素
      • 1、品牌忠诚度
      • 2、店铺熟悉度
      • 3、客户会员等级
      • 4、购买习惯养成
    • 应用场景
      • 1、决定资源投入
      • 2、决定营销优先级
      • 3、决定活动方案
  • M值：消费金额（Monetary）
    • 定义
      • 一段时间（通常是1年）内的消费金额。 消费金额越高，也就是M的值越大，用户价值越高。
      • 但对于一般店铺的而言，产品价格带比较单一，用店铺的累计购买金额和平均客单价替代传统的M值能更好的体现客户消费金额的差异。
    • 影响因素
      • 1、消费能力
      • 2、产品认可度
    • 应用场景
      • 1、决定推荐商品
      • 2、决定折扣门槛
      • 3、决定活动方案
• 分析结果
  • 分析依据
    • 针对每个维度设定一个阈值，将用户群体划分为二（高于阈值、低于阈值），阈值可以使用中位数、平均数等
    • R值高1，R值低0；F值高1，F值低0；M值高1，M值低0
  • 划分用户群
    • 重要价值客户（111）
      • 权益维系：优质客户，需要保持，提供VIP服务
    • 重点发展客户（101）
      • 最容易转化成第一类客户的群体，想办法提高消费频率
    • 重点保持客户（011）
      • 流失挽回：主动和客户保持联系，提高复购率
    • 重点挽留客户（001）
      • 这种用户即将流失，要主动联系用户，调查清楚哪里出了问题，并想办法挽回
    • 一般价值用户（110）
      • 交易次数多，且最近有交易，需要挖掘
    • 一般保持客户（010）
      • 交易次数多，但是贡献不大，一般维持
    • 一般发展客户（100）
      • 最近有交易，接触的新客户，有推广价值
    • 一般挽留用户（000）
      • 相当于流失
• 使用步骤
  • 1、建立表格，数据清洗
    • 数据源：【用户名称】、【购买时间】、【购买产品数】、【消费金额】。
    • 整理字段：【用户名称】、【R-距离上一次购买天数】、【F-一个时间段内消费频次】、【M-一个时间段内消费总金额】
  • 2、建立评分参数，分别得出R值、F值、M值
    • 按指标的价值打分。实际业务中，如何定义打分的范围，要根据具体的业务来灵活掌握，没有统一的标准。
    • 整理字段：【指标】、【最大值】、【最小值】、【得分】、【选项】
  • 3、判断R值、F值、M值的高与低
    • 计算R值、F值、M值的平均值，再将其与平均值进行比较。 小于平均值则为0，大于平均值则为1。
  • 4、 对照模型，得到客户分类结果
    • 整理字段：【用户名称】、【用户类型】、【R类别】、【F类别】、【M类别】、【R得分】、【F得分】、【M得分】、【R】、【F】、【M】
  • 5、针对不同用户，提供不同服务
    • 1.重要价值客户
      • RFM都很高，我们要提供VIP服务
    • 2.重要发展客户
      • 消费频率低，这类客户是最容易转化成第一类客户的群体，一定要想办法提高他们的消费频率。
    • 3.重要保持客户
      • 最近一笔消费时间已经有些远了，所以必须要主动保持联系，提高复购。
    • 4.重要挽留客户
      • 这类客户消费频率低和最近消费时间间隔比较远，但是消费金额高，这种用户即将流失，要主动联系用户，调查问题出在哪里，想办法挽回。