关于RFM模型,这个名字很多同学都知道,但深究到执行层面,相信很多同学都是一知半解,本文3k+字,从理论到实操分享给大家。
目录
- 一、什么是RFM模型
- 二、RFM模型的优缺点
- 三、RFM模型需要哪些数据
- 四、用户RFM模型划分8类用户
- 五、解读用户类型
- 六、数据处理
- 七、2种用户分层方法
- 八、制定营销策略
一、什么是RFM模型
RFM模型是做用户精细化运营的常用分析方法,RFM是英文缩写。
R(Recency)表示最近1次消费时间间隔,F(Frequency)表示消费频率,M(Monetary)表示消费金额。
这3个指标可以用来描述用户价值,是目前比较主流的用户分层方法,主要用来研究付费用户。
根据业务需要,也常有人把RFM换成对应的活跃指标,如最近一次登录时间、登录频次、活跃时长等维度,以此来做用户分层,用于研究活跃、留存的情况。
二、RFM模型的优缺点
优点:
RFM模型需要的数据较少,只需“人、时、钱”三类数据就能完成分析,一般公司只要有业务有流水,就会有这些数据。
RFM模型定义8大用户分类,相对其他聚类算法的模型来讲,用户分层简单清晰,能很好解释业务,操作方便。
缺点:
RFM模型主要是做付费用户行为的研究,较适用于复购较多的业务场景,比如像快消、电商、美业、服务业等行业。
这些行业的用户基本只有挑选-付费的环节,付费流程短、复购较多。
而像工具类产品、教培行业、数码电子等行业,这些行业要么产品有免费的功能、要么营收模式不是靠c端付费、要么高价低频复购周期长等。
这些特点导致用户在付费之前,要体验很多功能或者花很多时间做决策。
因为支付决策路径的增长,影响支付的因素就变多了,那么只看RFM模型而不看活跃、留存、体验等环节的话,最终模型的效果可能就大打则扣。
三、RFM模型需要哪些数据
RFM模型的数据要求非常简单,原始数据需要的表头:“人、时、钱”。
人:用户ID
时:交易时间
钱:消费金额
在做模型分析前也要确定好分析的起止时间。
四、用RFM模型划分8类用户
RFM模型好用,是因为他能很好的界定出8类用户,并针对这8类用户做精细化运营策略。
如何划分8类用户?
先定档位。
对每个用户的R/F/M值做高低档位划分,分别划分出2个档位,即:R高/低、F高/低、M高/低。
通过不同的RFM高低档位的组合,可划分出8大用户类别,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-62.png)
划分出8类用户后,根据RFM值的高低定义用户价值,划分用户类型。
我们常见的为下图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-63.png)
这种叫法比较难理解,为方便理解这里称为:沉睡VIP、流失熟客、流失土豪、完全流失、活跃VIP、普通熟客、潜力VIP、普通新客。
如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-64.png)
五、解读用户类型
有了8大用户分类后,我们需要充分理解这8类用户的特征,并制定合理的营销计划,做精细化运营。
比如,R低F高M高的用户,说明该用户近期在活跃中、在近期复购频率较高、花费金额较高,属于活跃VIP用户。
这时可以针对这类高质量用户做优质的活动邀约和品牌活动。
但因为此类用户本身黏度就很高,可考虑适当减少在此类用户身上过度营销。
假如说,你是一个快消品公司的运营,现在接到一个任务,因为营销节日将到,需要准备一个营销活动,但是预算有限,那么开展工作的思路是什么呢?
首先,因为预算有限,我们不能广撒网,跟据RFM模型,我们找出了8大类型用户,并做如下分类:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-65.png)
注意:不同的行业和产品之间可能存在差异,具体的用户分类和维护方式,需要视情况而定,不可生搬硬套。
然后,制定营销策略,一般如下:
像“沉睡VIP”“潜力VIP”“流失土豪”这样的用户,他们曾经为产品付费过,可以适当给一些优惠,砸钱去把他们召回。
像“活跃VIP”“普通熟客”“普通新客”这样的用户,他们要么是铁杆忠实用户了、要么是长久以来的白嫖用户,相同的营销费用下去,可能没有那么高的性价比。
像“流失熟客”“完全流失”这样的用户,他们没有为产品付费或者再也不活跃了,如果有多余的营销费用的话,再做流失用户打捞。
那接下来我们将进入到数据处理阶段,以下内容可以跟着一起数据实操,实操数据可在公众号后台回复如下关键字获取:RFM模型。
六、数据处理
a.取20年1-6月的交易数据,确认数据表中是否包含“人、时、钱”三要素,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-66.png)
b.对userid进行去重处理:
复制userid至空白列,通过“数据”-“删除重复值”操作,进行去重
c.新增5个辅助列,表头为“R”“F”“M”“最后一次交易日期”“分析截止日期”
d.计算每个用户的“最后一次交易日期”,使用公式maxifs计算,并下拉填充该列数据
e.确定分析截至日期,本次数据日期定位2020/7/1
f.计算R
找到每个用户最后一笔交易的日期,选定分析截止日期并计算与每个用户最后一笔交易日期的间隔
在表头为R的列,用“分析截至日期”-“最后一次交日期”得到R,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-21.jpg)
g.计算F
选定历史交易次数的统计时间窗口,统计交易or活跃次数
在表头为F的列,用countif公式计算,并下拉填充该列数据,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-67.png)
h.计算M
选定历史交易金额的统计时间窗口,统计累计交易金额
在表头为M的列,用sumif公式计算,并下拉填充该列数据,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-68.png)
七、2种用户分层方法
1.均值法
通过RFM的均值高低,确定每个用户的价值高低。
缺点:如果数据分布不均匀,极值比较大,并不能代表实际的用户情况
均值法计算步骤:
a.定挡位
第一步,分别计算出“R”列、“F”列、“M”列的均值
第二步,新增辅助列“R挡位-均值法”“F挡位-均值法”“M挡位-均值法”
第三步,制定挡位规则,R挡位≤均值的为一档并用数字1表示,>均值的为一档并用数字0表示;F和M挡位≥均值的为一档并用数字1表示,<均值的为一档并用数字0表示
第四步,在辅助列中用if公式计算,并下拉填充该列数据,分别比较R计分、F计分、M计分和R均值、F均值、M均值的大小
如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-69.png)
分层规则,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-70.png)
用户分层,用if和and公式嵌套,得到每个用户的画像标签,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-71.png)
c.汇总
用数据透视表或者countif公式,计算8种用户的人数和用户ID,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-72.png)
2.计分法
通过RFM行业值的高低,确定每个用户的价值高低。
a.定计分规则
新增3个辅助列:“R计分”“F计分”“M计分”。
确定“R计分”列的计分规则,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-73.png)
在表头为“R计分”的列,用if公式嵌套计算,并下拉填充该列数据,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-74.png)
确定“F计分”列的计分规则,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-75.png)
在表头为“M计分”的列,用if公式嵌套计算,并下拉填充该列数据,如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-76.png)
b.定挡位:
第一步,分别计算出“R计分”列、“F计分”列、“M计分”列的均值
第二步,新增辅助列“R挡位-计分法”“F挡位-计分法”“M挡位-计分法”
第三步,制定挡位规则,在挡位列中≥均值的为一档并用数字1表示,<均值的为一档并用数字0表示
注意:在计分的时候已经把R小的值计为高分,所以这里的档位规则和均值法里面是相反的。
第四步,在挡位列中用if公式计算,并下拉填充该列数据,分别比较R计分、F计分、M计分和R计分均值、F计分均值、M计分均值的大小
如图:
![3千字详解RFM模型,保姆级教程](https://www.growthhk.cn/wp-content/uploads/2022/08/image-77.png)
八、制定营销策略
本节内容不属于本篇文章的主要讨论范畴,放在这里主要是提醒大家的作用。
当我们数据操作到这一步后,其实运营才刚开始。
接下来需要根据不同的用户类型做对应的活动,紧密观测数据变化,及时调整活动方案。
好了,本文就到这里了,欢迎大家留言评论,理性讨论。
文:运营路先森
本文经授权发布,不代表增长黑客立场,如若转载,请注明出处:https://www.growthhk.cn/cgo/75382.html