RFM用户价值模型的原理和应用

 ▌定义

在众多的用户价值分析模型中,RFM模型是被广泛被应用的;RFM模型是衡量客户价值和客户创利能力的重要工具和手段,在RFM模式中,R(Recency)表示客户购买的时间有多远,F(Frequency)表示客户在时间内购买的次数,M (Monetary)表示客户在时间内购买的金额。

一般的分析型CRM着重在对于客户贡献度的分析,RFM则强调以客户的行为来区分客户。在实际应用中根据业务不同会有参考的数据维度也会有诸多变变种。

▌意义

RFM模型较为动态地显示了一个客户的全部轮廓,这对个性化的沟通和服务提供了依据,同时,如果与该客户打交道的时间足够长,也能够较为精确地判断该客户的长期价值,通过改善三项指标的状况,从而为更多的营销决策提供支持。RFM模型的应用,旨在建立一个用户行为报告,这个报告会成为维系顾客的一个重要指标。

所以RFM模型大量的应用于营销层面,用以刺激新用户持续的消费、留存。同时也能作为监控业务用户健康度的重要指标,报告如果显示上一次购买很近的客户,人数如增加,则表示该公司是个稳健成长的公司;反之,如上一次消费为一个月的客户越来越少,则是该公司迈向不健全之路的征兆。

这里多提一句,单一功能性消费的垂直业务,常常会陷入只追求成交额的短期目标,而忽视与用户建立长期的关系,与用户持续保持往来,赢得用户忠诚度,是对业务更为长效的目标。用客户绝对贡献金额来分析客户是否流失,有时会曲解客户行为。因为每个商品价格可能不同,对不同产品的促销有不同的折扣,所以采用相对的分级(例如R、F、M都各分为五级)来比较消费者在级别区间的变动,则更可以显现出相对行为。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用户。

▌方法

运用RFM模型一般是为了细分出最有价值的用户,利用有限的营销资源重点投入,从而价值产出最大化;基于这个目的,我们通常需要将细分出的用户按照RFM模型给出的分级排序,从最好到最差,然后什么都保持正常的方式,如果一段周期内,业务结果和你的排序一致,那么说明你的细分能够相对准确地将有价值的用户从整体用户中划分出来。通常运营团队会不断的验证和修订维度,用于提升会员运营的效率,将预算花在该花的地方。

用户行为是持续变动的,在用户距上一次购买时间满一个月之后,在数据库里就成为消费为两个月的客户;反之,同一天,消费为3个月前的客户作了其下一次的购买,他就成为消费为一天前的顾客,也就有可能在很短的期间内就收到新的营销信息;不断的调整模型划分人群,然后对比业务结果,去验证这套模型的准确性。而模型应用过程中涉及到一种算法和决策树模型。

K-means算法是硬聚类算法,是典型的基于原型的目标函数聚类方法的代表,它是数据点到原型的某种距离作为优化的目标函数,利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度,它是求对应某一初始聚类中心向量V最优分类,使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。好吧,我承认这玩意儿太绕口,建议有兴趣的去看看诘屈聱牙的原词百科。

决策树模型是非常基础的数学定律,它决定逻辑推理的过程,并且在现有信息的基础上,决定各种可能的替代选项的置信度。很多商业决策都存在不确定性,在面对不确定性时,决策树可以帮助选择最佳行动方针。虽然决策者不知道未知的后果会怎样,但是他一般对可能的后果及各自发生的可能性有所了解。了解的这些信息可以用来选出能获得最大收益的选项,也就是用户下次会不会继续消费。

▌案例

会员运营团队的预算相对于庞大的用户规模,通常会捉襟见肘,所以当我们的预算不多,而且只能提供服务信息给小规模的重点用户时,RFM模型就派上用场了。这样的营销所节省下来的成本会很可观 。结合这三个核心指标,我们把顾客分成多个类别,对其进行数据分析,然后制定我们的营销策略。

以某垂直功能型互联网业务为例,随机抽取100万用户样本,进行数据分析;

时间间隔:以提取样本的时间点与用户最后一次消费时间作差,看时间间隔平均为多少天。

消费频次:用户的消费行为平均为几次,最大多少次,最小多少次。

消费金额:用户消费金额平均为多少,最大最小分别是的多少。

使用K-means方法,对样本集进行聚类,通常分为8类。

把聚类结果分为训练集(30%)和测试集(70%),根据训练集生成决策树模型。

通过RFM分析将客户群体划分成一般保持客户、一般发展客户、一般价值客户、一般挽留客户、重要保持客户、重要发展客户、重要价值客户、要挽留客户等八个级别;

通过对比业务结果不断修订完善模型的同时,用营销手段进一步扩大重要价值用户群(考虑时间短、频次高、消费高)。

▌结语

消费、消费频率、消费金额是测算消费者价值最重要也是最容易的方法,这充分的表现了这三个指标对营销活动的指导意义,但不代表这三个指标牢不可破,例如嘀嘀(快车、专车、顺风车多业务类型)和支付宝(多功能场景)这种,业务方除了消费金额、频次频次以外,在制定补贴策略的时候,还会考虑用户的跨场景使用,越多的功能业务场景被使用,意味着用户忠诚度越高,这个时候将模型的核心指标增加或者调换,就可以实际应用到辅佐补贴策略上了,这也是为什么别人领券能领5块钱,你只能领1块钱,别人为啥能领到快车券,你只能领到接机专车券的原因了。

用户价值模型 CITE :https://www.jianshu.com/p/34199b13ffbc的更多相关文章

  1. 数据分析之客户价值模型(RFM)技术总结

    作者 | leo 管理学中有一个重要概念那就是客户关系管理(CRM),它核心目的就是为了提高企业的核心竞争力,通过提高企业与客户间的交互,优化客户管理方式,从而实现吸引新客户.保留老客户以及将已有客户 ...

  2. 用户价值和RFM模型

    什么是用户价值? 用户价值就是对公司来说有用的地方,比如有的公司看中用户的消费能力,有的公司则看中用户的忠诚度 .各公司的业务目的不同,用户价值的体现自然也不同.这里主要说一下适用于电商的RFM模型. ...

  3. RFM用户分层模型简介

    RFM用户分层模型在实际商业活动的数据分析中运用的还是挺多的,主要用于用户.商品.门店等等的分群和细分层次,分群之后就可以进行定向精准营销和推广以及促活和留存等等的运营活动. RFM是一种用户分层模型 ...

  4. Redis 单线程却能支撑高并发 - 简书 https://www.jianshu.com/p/2d293482f272

    小结: 1.在 I/O 多路复用模型中,最重要的函数调用就是 select,该方法的能够同时监控多个文件描述符的可读可写情况:2.Redis 服务采用 Reactor 的方式来实现文件事件处理器(每一 ...

  5. [转]https://www.jianshu.com/p/06443248f4d8

    eos是什么? 原文 https://www.jianshu.com/p/06443248f4d8 简介 用一句话来定义eos,即:区块链操作系统,支持在它之上构建dapp,支持智能合约.帐户.身份验 ...

  6. 接口测试之——Charles抓包及常见问题解决(转载自https://www.jianshu.com/p/831c0114179f)

    简介 Charles其实是一款代理服务器,通过成为电脑或者浏览器的代理,然后截取请求和请求结果达到分析抓包的目的.该软件是用Java写的,能够在Windows,Mac,Linux上使用,安装Charl ...

  7. fastdfs(https://www.jianshu.com/p/1c71ae024e5e)

    参考 官方网站:https://github.com/happyfish100/ 配置文档:https://github.com/happyfish100/fastdfs/wiki/ 参考资料:htt ...

  8. Asp.Net Core 第01局:项目创建和部署 转载https://www.jianshu.com/p/9c9750e23b3e

    总目录 一.前言 本文通过从项目创建到部署,简单介绍Asp.Net Core. 二.环境 1.Visual Studio 2017 2.Asp.Net Core 2.2 三.开局 第一手:创建项目   ...

  9. 分布式--ActiveMQ 消息中间件(一) https://www.jianshu.com/p/8b9bfe865e38

    1. ActiveMQ 1). ActiveMQ ActiveMQ是Apache所提供的一个开源的消息系统,完全采用Java来实现,因此,它能很好地支持J2EE提出的JMS(Java Message ...

随机推荐

  1. Shaderlab blend

    http://www.cnblogs.com/daxiaxiaohao/p/4059310.html 1.不透明度 当我们要将两个半透的纹理贴图到一个材质球上的时候就遇到混合的问题,由于前面的知识我们 ...

  2. 宽度设置百分比 高度跟宽度一样css解决方案

    <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8&quo ...

  3. uoj#399. 【CTSC2018】假面(概率期望)

    传送门 记\(p_{i,j}\)为\(i\)还剩\(j\)滴血的概率,那么\(i\)最后血量的期望就是\[E_i=\sum_{j=0}^{m_i}j\times p_{i,j}\] 然后\(p\)数组 ...

  4. according to tld or attribute directive in tag file attribute *** does not accept any expressions

    http://stackoverflow.com/questions/13428788/according-to-tld-or-attribute-directive-in-tag-file-attr ...

  5. Java与Javac版本不一致问题解决方案

    问题:在自己电脑上运行java -version和javac -version,发现java版本不一致,然后查看了环境变量,JAVA_HOME 是 C:\Program Files(x86)\Java ...

  6. [Android基础]Android四大组件之Activity总结

    1.Activity简介 Activity是Android一个非常重要的用户接口(四大组件之一),是可见的,主要是用户和应用程序之间进行交互的接口.在每个Activity中都可以放很多控件,所以也可以 ...

  7. Jaspersoft Studio简介

    参考来源:https://community.jaspersoft.com/documentation/tibco-jaspersoft-studio-user-guide/v640/introduc ...

  8. c++笔记3

    一基本语法: 1.1 字符串:支持标准C的 const char* pch=0/"";//不指向任何对象和指向空字符串.C++提供的string类可提供字符串的所有操作,最好是融合 ...

  9. windows 2008 r2或win7安装SP1补丁,安装sqlserver 2012

    说明:安装sql server 2012时,win7和win2008r2系统都需要打sp1补丁. 1.SP1补丁下载地址(建议用迅雷下载): http://download.microsoft.com ...

  10. linux中c表示字符设备文件符号

    linux中c表示字符设备文件,b表示块设备文件,l表示符号链接文件,r表示可读权限,w表示可写权限.linux文件属性解读:文件类型:-:普通文件 (f)d:目录文件b:块设备文件 (block)c ...