HOME 首頁
SERVICE 服務(wù)產(chǎn)品
XINMEITI 新媒體代運(yùn)營
CASE 服務(wù)案例
NEWS 熱點(diǎn)資訊
ABOUT 關(guān)于我們
CONTACT 聯(lián)系我們
創(chuàng)意嶺
讓品牌有溫度、有情感
專注品牌策劃15年

    會(huì)員rfm分析成功案例(會(huì)員價(jià)值rfm模型)

    發(fā)布時(shí)間:2023-04-12 17:22:52     稿源: 創(chuàng)意嶺    閱讀: 89        

    大家好!今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于會(huì)員rfm分析成功案例的問題,以下是小編對此問題的歸納整理,讓我們一起來看看吧。

    開始之前先推薦一個(gè)非常厲害的Ai人工智能工具,一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對話答疑等等

    只需要輸入關(guān)鍵詞,就能返回你想要的內(nèi)容,越精準(zhǔn),寫出的就越詳細(xì),有微信小程序端、在線網(wǎng)頁版、PC客戶端

    官網(wǎng):https://ai.de1919.com

    創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè),服務(wù)客戶遍布全球各地,如需了解SEO相關(guān)業(yè)務(wù)請撥打電話175-8598-2043,或添加微信:1454722008

    本文目錄:

    會(huì)員rfm分析成功案例(會(huì)員價(jià)值rfm模型)

    一、用戶體系搭建(二)——如何用RFM劃定用戶層級

    RFM是很傳統(tǒng)的數(shù)據(jù)分析模型,幾乎所有文章都會(huì)提到它,然而市面上RFM模型很多只是講解了如何通過RFM解決和劃定用戶群體,但是很少有詳細(xì)說明RFM模型的計(jì)算方式,本文講解RFM模型的含義及應(yīng)用以及如何使用SPSS計(jì)算RFM模型。

    1、RFM模型概述

    RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。在眾多的 客戶關(guān)系管理 的分析模式中,RFM模型是被廣泛提到的。該機(jī)械模型通過一個(gè)客戶的近期購買行為、購買的總體頻率以及花了多少錢3項(xiàng)指標(biāo)來描述該客戶的價(jià)值狀況。(摘自百度百科)

    以上是百度百科對RFM模型的描述,說的比較復(fù)雜,簡單的來講RFM是通過統(tǒng)計(jì)用戶最近購買時(shí)間(R),購買的次數(shù)(F),購買的金額(M)這三個(gè)維度來描述用戶在群體中的位置。對于這三個(gè)維度的描述具體如下:

    基于這三個(gè)維度,將每個(gè)維度分為高低兩種情況,我們構(gòu)建出了一個(gè)三維的坐標(biāo)系。

    通過圖表很直觀的發(fā)現(xiàn),我們把客戶分為了2的三次方也就是8個(gè)群體。

    2、RFM模型取數(shù)方法

    根據(jù)RFM模型的定義,我們可以很容易的推導(dǎo)出,RFM模型的數(shù)據(jù)取數(shù)內(nèi)容主要包括三個(gè)字段即:最近購買時(shí)間、最近購買次數(shù)、消費(fèi)金額。但是在實(shí)際工作中也會(huì)有問題是我們要計(jì)算每個(gè)用戶的購買時(shí)間、購買次數(shù)費(fèi)事費(fèi)力,所以一般也可以通過統(tǒng)計(jì)訂單來進(jìn)行計(jì)算。

    當(dāng)我們通過訂單進(jìn)行統(tǒng)計(jì)時(shí)需要包含以下字段

    當(dāng)我們準(zhǔn)備好以上數(shù)據(jù)時(shí)就可以開始準(zhǔn)備計(jì)算RFM模型

    考慮不少人不是很了解SPSS,下面也將包含一些SPSS基礎(chǔ)功能的講解

    1、設(shè)置度量標(biāo)準(zhǔn)

    SPSS分為數(shù)據(jù)視圖和變量視圖,在開始前需要在變量視圖中設(shè)置數(shù)據(jù)類型

    SPSS中數(shù)據(jù)類型包括度量、名義、序號,

    2、設(shè)置變量類型及寬度

    變量類型是定義該變量是何種類,點(diǎn)擊類型彈出變量類型選擇彈窗

    寬度定義變量的展示位數(shù),對于Order_id、User_id等需要注意變量長度,讓這兩個(gè)字段完全展示。

    另外對于,Create_time這一字段應(yīng)選用日期這一類型并選擇yyyy:mm:dd

    我們可以直接將excel里的數(shù)據(jù)直接復(fù)制過來。

    4、選擇分析模型分析

    Step1:選擇分析模型

    完成數(shù)據(jù)準(zhǔn)備后選擇 直銷——RFM分析,不同漢化版本翻譯可能稍有不同

    Step2:選擇數(shù)據(jù)格式

    由于我們使用的是訂單記錄,所以我們選用交易數(shù)據(jù)

    Stpe4:SPSS執(zhí)行RFM分析

    SPSS完成分析后,會(huì)生成一個(gè)新的數(shù)據(jù)文件,記錄每個(gè)客戶的最近一次交易日期、交易總次數(shù)、交易總金額、RS/FS/MS分值、RFM匯總分值。

    RFM匯總分值=RS分值 100+FS分值 10+MS分值。

    選用分析—描述統(tǒng)計(jì)——描述這一方法計(jì)算RS\FS\MS均值

    最終可得如下結(jié)果

    選擇"重新編碼為不同變量",先對客戶的RS進(jìn)行高低轉(zhuǎn)化。

    依據(jù)上表,逐個(gè)設(shè)置各客戶類型所對應(yīng)的數(shù)據(jù)規(guī)則。

    設(shè)置客戶類型=1的數(shù)據(jù)規(guī)則,操作如下:

    重復(fù)以上操作設(shè)定不同數(shù)據(jù)類型

    最后將將客戶類型編碼1、2、3、4、5、6、7、8轉(zhuǎn)換成實(shí)際客戶類型:

    最終,可得出如下結(jié)果

    二、數(shù)據(jù)分析方法3—RFM分析模型

            對于一個(gè)新上線產(chǎn)品的前期運(yùn)營,我們一般的做法都是做活動(dòng)、上新品、蹭熱點(diǎn)、做營銷、不斷地去拓展新的客戶。但是這種做法收效卻不容樂觀,真正獲取的用戶沒有幾個(gè),最終都便宜了羊毛黨。其實(shí)客戶在不同階段的需求是不一樣的,有的客戶圖便宜,有的客戶看新品,有的客戶重服務(wù)。所以我們想要運(yùn)營好一個(gè)產(chǎn)品,就需要對客戶精細(xì)化運(yùn)營。

         精細(xì)化運(yùn)營最經(jīng)典的用戶分群工具就是RFM模型,RFM模型是衡量用戶價(jià)值和用戶創(chuàng)新能力的經(jīng)典工具,主要是由用戶最近一次購買時(shí)間、消費(fèi)頻次、消費(fèi)金額組成。

            RFM模型是衡量客戶價(jià)值和客戶潛在價(jià)值的重要工具和手段,RFM是Rencency(最近一次消費(fèi)),F(xiàn)requency(消費(fèi)頻率),Monetary(消費(fèi)金額)組合而成,此模型對于運(yùn)營、銷售、財(cái)務(wù)、市場來說都比較重要。

    R值(Recency): 最近一次消費(fèi)

            表示用戶最近一次消費(fèi)距離現(xiàn)在的時(shí)間,消費(fèi)時(shí)間越近的客戶價(jià)值越大,1年前消費(fèi)過的用戶肯定沒有1月前消費(fèi)過的用戶價(jià)值大,是衡量用戶價(jià)值的一個(gè)指標(biāo)。

            基于R值的大小,可以看出上表中的客戶2是最有價(jià)值的,客戶3是最沒有價(jià)值的,但是如果就此說明客戶2是最有價(jià)值,而客戶3是沒有價(jià)值的是不成立的,對于客戶價(jià)值我們不能僅看R值,還需要考慮F值和M值。這里我們只舉出4個(gè)客戶為例,但在真實(shí)的客戶場景中,我們可以把客戶按照周、月、季、年等維度的占比詳細(xì)來觀察出R的趨勢變化。

    F值(Frequency): 消費(fèi)頻率

            消費(fèi)頻率是指用戶在統(tǒng)計(jì)周期內(nèi)購買商品的次數(shù),經(jīng)常購買的用戶也就是熟客,其價(jià)值比偶爾來一次的客戶價(jià)值大

            基于F值的大小,可以看出客戶4的價(jià)值最大,客戶1的價(jià)值最小,但是如果考慮R值和M值就不能這樣認(rèn)為。其實(shí)客戶對于產(chǎn)品的復(fù)購的核心因素是類目。有的類目產(chǎn)品復(fù)購率高(食品類)主要是食品屬于易耗品,消耗周期短,購買的頻率高,相對容易產(chǎn)生重復(fù)性購買。而有的類目產(chǎn)品復(fù)購率低(家電類),消耗周期長,購買頻次低。建議在對F值進(jìn)行統(tǒng)計(jì)時(shí)對于不同的類目要有相應(yīng)的統(tǒng)計(jì)周期。

    M值(Monetary): 消費(fèi)金額

    消費(fèi)金額是指用戶在統(tǒng)計(jì)周期內(nèi)消費(fèi)的總金額,體現(xiàn)了消費(fèi)者對于企業(yè)的價(jià)值。

            基于M值的大小,可以看出客戶4的價(jià)值最高,客戶1的價(jià)值最低,M值同上面的R值、F值類似,單一的值并不能說明客戶的好壞,三者結(jié)合才能更好地精細(xì)化用戶,對購買產(chǎn)品的用戶合理的分隔,采用不同的機(jī)制去運(yùn)營。

    RFM模型的主觀細(xì)分

            根據(jù)RFM模型值得大小對客戶進(jìn)行細(xì)分,如下表所示,將客戶分為了8部分去運(yùn)營,對于不同的細(xì)分人群采取不同的運(yùn)營策略,在實(shí)際的應(yīng)用場景中,店鋪可以根據(jù)自己店鋪的實(shí)際情況來細(xì)分人群,購買人群多的就分多個(gè)人群,購買人群少的就少分幾個(gè)人群,具體的情況根據(jù)店鋪來定。

    RFM模型的量化細(xì)分

            上面的模型細(xì)分主要是根據(jù)RFM值的大小進(jìn)行模糊的細(xì)分,而如果想要更細(xì)地對人群進(jìn)行劃分,就需要對RFM進(jìn)行量化處理,一般采用的方式有

    1、根據(jù)經(jīng)驗(yàn)定義權(quán)重

    RFM值=a*R值+b*F值+c*M值

    對于其中的權(quán)重a,b,c則需要經(jīng)驗(yàn)豐富的業(yè)務(wù)人員來判斷

    2、歸一化處理

    將RFM的值進(jìn)行歸一化處理,公式為

    RFM值=R1值+F1值+M1值

    上面的R1,F1,M1都是歸一化處理過后的值

    3、AHP層次分析得出權(quán)重值

    RFM值=a1*R值+a2*F值+a3*M值

    a1,a2,a3的值是AHP層次分析得出的權(quán)向量值

    具體參考鏈接

    最終按照得出值的大小進(jìn)行人群細(xì)分,得出不同的人群

    三、RFM模型如何實(shí)際應(yīng)用?

    這是一個(gè)人人都可以上手的模型,不管你是運(yùn)營、銷售、財(cái)務(wù)、市場等等,RFM模型是一個(gè)很通用,又有一套科學(xué)理論的商業(yè)模型。這是一篇我花了五小時(shí)的教程(真的是寫到崩潰,幸好我熬下來了,給大家分享實(shí)實(shí)在在可上手的干貨)數(shù)據(jù)源準(zhǔn)備只需四個(gè)字段:客戶名稱、交易日期、交易次數(shù)/頻率、交易金額。如果你手頭剛好有這樣的數(shù)據(jù)源不妨試試做這個(gè)模型吧。下面三頁是介紹什么是RFM,后面是全部的實(shí)操教程,Tableau和Excel通用操作,我保證你看了能立馬上手。如何通過訂單數(shù)據(jù),分析用戶的基本屬性用戶的訂單上都有訂餐地址,通過對于訂餐地址的統(tǒng)計(jì),我們可以查詢到不同條件組合下的用戶分布,甚至能知道喜歡謀道菜的用戶都在哪里。舉個(gè)簡單的例子,下圖表示的是普通可樂和健怡可樂的用戶分布,類似的用戶數(shù)據(jù)挖掘,還可以根據(jù)復(fù)購構(gòu)成、復(fù)購用戶跨平臺(tái)使用情況、性別組成做更精細(xì)化的分析。值得注意的是,數(shù)據(jù)平臺(tái)間的差異還是蠻大的,除了跨平臺(tái)分析也需要分平臺(tái)對比,有利于針對不同平臺(tái)做出不同的營銷策略。上面這些最基本的用戶屬性對于精細(xì)化運(yùn)營還是不夠的。因?yàn)檫@些信息無法幫助你解決下面四個(gè)問題——

    1.誰是我的重要價(jià)值客戶,他們都有什么特點(diǎn)。

    2.誰是我需要重點(diǎn)保持聯(lián)系的客戶,他們都有什么特點(diǎn)。

    3.誰是我的重要發(fā)展客戶,他們都有什么特點(diǎn)。

    4.誰是我的重要挽留客戶,他們都有什么特點(diǎn)。想要解答這個(gè)問題,我們需要?jiǎng)佑酶唠A的分析模型,去挖掘有效信息。如何通過RFM模型,為用戶分群,實(shí)現(xiàn)精細(xì)化運(yùn)營RFM模型是一個(gè)被廣泛使用的客戶關(guān)系分析模型,主要以用戶行為來區(qū)分客戶,RFM分別是:R = Recency最近一次消費(fèi)F = Frequency 消費(fèi)頻率M = Monetary 消費(fèi)金額需要詳細(xì)了解以上三個(gè)指標(biāo)定義的,可以去戳度娘,教科書式的RFM區(qū)分,會(huì)將維度再細(xì)分出5份,這樣就能夠細(xì)分出5x5x5=125類用戶,再根據(jù)每類用戶精準(zhǔn)營銷。

    會(huì)員rfm分析成功案例(會(huì)員價(jià)值rfm模型)

    四、評估客戶價(jià)值的三種模型:RFM、CLV、顧客社交價(jià)值模型

    筆者一直從事于用戶運(yùn)營領(lǐng)域,很多情況下都是要在資源有限情況下,去最大化的撬動(dòng)效益,如何挖掘能創(chuàng)造最大價(jià)值的客戶就是用戶運(yùn)營的最基礎(chǔ)工作了。這個(gè)和基于用戶價(jià)值的細(xì)分模型基本上是一個(gè)意思,注意本文討論的用戶價(jià)值指的是用戶對企業(yè)創(chuàng)利能力的衡量,而不是傳統(tǒng)營銷學(xué)理論中企業(yè)為客戶提供的價(jià)值。

    本文我們會(huì)來談?wù)劤S玫膸讉€(gè)衡量客戶價(jià)值的模型,以及它們的區(qū)別和應(yīng)用場景。

    提到如何衡量客戶價(jià)值,RFM基本上是頭腦中第一個(gè)想到的模型,也是大部分運(yùn)營人員都會(huì)接觸到的。根據(jù)Arthur Hughes的研究,發(fā)現(xiàn)客戶的數(shù)據(jù)中有三個(gè)非常重要的指標(biāo):

    這三個(gè)指標(biāo)非常有意思,我們可以從中將用戶的活躍度,忠誠度和消費(fèi)能力評估出來,如下圖:

    按照案例中的情況,我們分別將R\F\M三個(gè)值都再細(xì)分成了4個(gè)等級,現(xiàn)在大家可以思考一下:000代表了什么客戶,她與004的區(qū)別在哪里?她們的價(jià)值是否不同,是否要區(qū)分維護(hù)?

    在下面的表格里,我會(huì)列舉當(dāng)中一些具有明顯特征的用戶價(jià)值細(xì)分,大家可以好好體會(huì)一下:

    最后以一個(gè)問題,結(jié)束對RFM的探討,大家認(rèn)為040與004,哪個(gè)價(jià)值更大些呢?

    我們知道并不是所有的顧客都具備相同的價(jià)值,如果企業(yè)能夠?qū)W⒂谀切┛梢詭碜畲笪磥砝娴目蛻?,就可以?shí)現(xiàn)更好的運(yùn)營。所以企業(yè)必須識別出這些客戶,CLV是對客戶未來利潤的有效預(yù)測,它還有另外一個(gè)名字,叫做LTV (life time value)。

    實(shí)際上這個(gè)模型在中小企業(yè)的具體運(yùn)營中應(yīng)用到的不多,更多是在做年度規(guī)劃,年度財(cái)務(wù)核算,或者企業(yè)戰(zhàn)略中會(huì)較為常見的使用,以站在企業(yè)的戰(zhàn)略層面去考慮顧客價(jià)值與投入之間的關(guān)系。

    這里需要特別說明的是,CLV考慮了完整的客戶生命周期,包含客戶獲取和客戶流失,也就是它計(jì)算的不只是眼前顧客已經(jīng)產(chǎn)生的價(jià)值,還預(yù)測了未來價(jià)值。

    CLV的計(jì)算公式有非常多,有的會(huì)非常復(fù)雜,主要在流失率這個(gè)環(huán)節(jié)和影響因素就相當(dāng)多,也有會(huì)加上投入成本,價(jià)值變化率和利率變化等等。

    我認(rèn)為比較實(shí)用簡單的是這種:

    注意此公式對群體有效,對個(gè)體精準(zhǔn)度較低,因?yàn)閭€(gè)體流失率影響因素太多,而群體流失率卻是可以統(tǒng)計(jì)的。

    那對于CLV的應(yīng)用,可以從以下兩個(gè)模型來看,將企業(yè)的最優(yōu)客戶與不值得投入的客戶區(qū)分出來:

    最后也以一個(gè)問題,結(jié)束對CLV的探討,大家認(rèn)為這個(gè)公式實(shí)際應(yīng)用中如何提高計(jì)算的精度呢?

    (1)顧客社交活躍度模型

    其實(shí)這個(gè)是我寫這篇文章的初衷,實(shí)際上在我目前的工作中,單獨(dú)用以上基于顧客消費(fèi)屬性來給顧客做價(jià)值判斷和細(xì)分已經(jīng)很少見了。在目前新的商業(yè)環(huán)境下,品牌與用戶不僅僅是消費(fèi)購物,推送產(chǎn)品的關(guān)系,而更多是互動(dòng)與彼此認(rèn)知。單個(gè)用戶自帶的傳播屬性和影響力,反而收到了越來越多的重視和運(yùn)用。

    用平實(shí)的語言來說,顧客的價(jià)值不僅僅是她給企業(yè)直接帶來的現(xiàn)金利潤,也應(yīng)當(dāng)考慮用戶對企業(yè)美譽(yù)度,傳播度的價(jià)值影響。

    最近看到的對于顧客社交價(jià)值測算的模型還是非常有用處的,分享給大家。

    這個(gè)模型用于區(qū)分品牌的社交活躍度用戶,這部分用戶在對于品牌ugc內(nèi)容產(chǎn)出,社區(qū)活躍度上起到很大貢獻(xiàn)。

    (2)顧客影響力模型

    這個(gè)模型在于找到品牌中的影響力人群,目前的KOL影響力毋庸置疑,如果品牌能從自身用戶中發(fā)覺培養(yǎng),定能起到四兩撥千斤的作用。

    以上就是三種常見的用戶價(jià)值分析模型,那在日常運(yùn)用中,還是要化繁為簡,考慮實(shí)際運(yùn)用場景,選擇適合的運(yùn)用模型。

    這里給到大家的建議是將模型計(jì)算的結(jié)果標(biāo)簽化放在每個(gè)用戶身上,比如:用戶A,可以給她貼上“活躍度高,影響力弱,可獲利客戶”等等,那么在實(shí)際運(yùn)用中,即可靈活根據(jù)標(biāo)簽篩選人群,進(jìn)行營銷策略。

    以上就是關(guān)于會(huì)員rfm分析成功案例相關(guān)問題的回答。希望能幫到你,如有更多相關(guān)問題,您也可以聯(lián)系我們的客服進(jìn)行咨詢,客服也會(huì)為您講解更多精彩的知識和內(nèi)容。


    推薦閱讀:

    會(huì)員排行榜(會(huì)員排行榜根據(jù)什么排名)

    百度網(wǎng)盤超級會(huì)員一天(網(wǎng)盤哪個(gè)好用永久免費(fèi))

    抖趣的會(huì)員怎么退(抖趣的會(huì)員怎么退掉)

    華為全內(nèi)存快照與一致性快照(華為全內(nèi)存快照與一致性快照哪個(gè)好)

    小紅書高清視頻怎么上傳(小紅書高清視頻怎么上傳抖音)