RFM應(yīng)用示范

本文作者:致遠(yuǎn)刊侯,連續(xù)創(chuàng)業(yè)者滨彻,曾為多家上市公司提供過(guò)運(yùn)營(yíng)整案服務(wù)亭饵,曾任 Mr&Mrs 連鎖健身互聯(lián)網(wǎng)中心總經(jīng)理辜羊,現(xiàn)任 Muma 兒童藝術(shù)聯(lián)合創(chuàng)始人兼運(yùn)營(yíng)顧問(wèn)八秃,膚智 COO 兼聯(lián)合創(chuàng)始人肉盹。

RFM模型歷史悠久上忍,其理論知識(shí)這里就不闡述了窍蓝,簡(jiǎn)單的說(shuō)就是通過(guò)最近一次消費(fèi)(Recency)、消費(fèi)頻率(Frequency)淑玫、消費(fèi)金額(Monetary)這三個(gè)指標(biāo)混移,然后把每個(gè)指標(biāo)按照實(shí)際的情況螃征,分成5檔,一共形成了125類的用戶。然后為了執(zhí)行方便茵肃,把125類的用戶歸納成8大類验残,如下圖您没,最后根據(jù)這8大類用戶的情況制定運(yùn)營(yíng)策略氨鹏。

這里要說(shuō)明的一點(diǎn)是仆抵,RFM模型不是互聯(lián)網(wǎng)時(shí)代的產(chǎn)物种冬,事實(shí)上在傳統(tǒng)行業(yè)里也用的很廣娱两,所以其指標(biāo)主要針對(duì)的是付費(fèi)用戶谷婆。如果我們的互聯(lián)網(wǎng)產(chǎn)品用戶人群是免費(fèi)用戶,一樣可以用這個(gè)RFM模型并使用它的方法期贫,只是指標(biāo)換成了最后一次登錄通砍、登錄頻率封孙、產(chǎn)品使用時(shí)間。

接下來(lái)我們就用實(shí)例來(lái)操作一遍:

我們現(xiàn)在手上有500份付費(fèi)用戶數(shù)據(jù)泡徙,包含(用戶堪藐、最后一次消費(fèi)時(shí)間間隔礁竞、消費(fèi)頻率杉辙、消費(fèi)金額)四個(gè)字段蜘矢,我們?nèi)绾芜M(jìn)行用戶分層并制定有效運(yùn)營(yíng)策略呢硼端?

第一步:我們把數(shù)據(jù)導(dǎo)入或粘貼到Excel當(dāng)中,再原有的4個(gè)表頭基礎(chǔ)上县耽,再增加R值镣典、F值兄春、M值三個(gè)表頭。做好這樣一張Excel表哑姚,如下圖:

(此處只選10條數(shù)據(jù)做實(shí)例)

第二步:分別確定好RFM這三個(gè)指標(biāo)五檔的標(biāo)準(zhǔn)叙量。

這是比較難的一步九串,因?yàn)椴煌男袠I(yè)不同的產(chǎn)品不同的階段都有不同的劃分標(biāo)準(zhǔn)。比如消費(fèi)金額品山,1000個(gè)用戶里面肘交,最低1元,最高10000元宰译。大部分情況下魄懂,20%的用戶占據(jù)了80%的金額市栗,而80%的用戶占了20%的金額咳短,是一個(gè)長(zhǎng)尾的分布效果咙好。所以我們不能簡(jiǎn)單的用最高金額/5勾效,或者用戶總數(shù)/5的平均分法,這樣分出來(lái)的結(jié)果不能代表一個(gè)擁有類似行為表現(xiàn)的群體杨伙。

這個(gè)主要還是依靠大家在本身各自行業(yè)中的理解和實(shí)際場(chǎng)景需求來(lái)確定了限匣。當(dāng)然毁菱,如果我們實(shí)在沒有什么頭緒的話贮庞,我們可以通過(guò)散點(diǎn)圖大致分辨一下,如下圖:

大家可以看到勘天,通過(guò)散點(diǎn)圖商膊,我們可以比較直觀的看清用戶的分布(上圖為用戶的消費(fèi)金額分布)晕拆。我們?nèi)シ謾n的時(shí)候就盡可能的將密集的一部分分在一起,這樣实幕,該檔用戶群體的行為共性也就更大一點(diǎn)昆庇。

需要說(shuō)明的是闸溃,這不是一個(gè)很嚴(yán)謹(jǐn)?shù)姆址ɑ源ǎ枰蠹以趯?shí)際過(guò)程中進(jìn)行不斷的調(diào)整乓旗。而如果我們面臨海量數(shù)據(jù)的時(shí)候,最好是通過(guò)聚類算法等技術(shù)手段屿愚,才能更加科學(xué)精準(zhǔn)的幫助我們進(jìn)行判斷渺鹦。

以本例來(lái)說(shuō),我們最后定下了RFM各個(gè)指標(biāo)下的五個(gè)分檔標(biāo)準(zhǔn)塞颁。如圖:

第三步:分別計(jì)算出每條記錄的R祠锣、F伴网、M值澡腾。

我們通過(guò)在Excel里面加入if判斷,自動(dòng)計(jì)算出該記錄對(duì)應(yīng)的R毅糟、F姆另、M值坟乾,比如我們RFM分層表中甚侣,0001用戶對(duì)應(yīng)的R值渺绒,

即單元格E3:=IF(B3>10,1,IF(B3>8,2,IF(B3>5,3, IF(B3>3,4,5))))

我們來(lái)解釋一下這條if判斷語(yǔ)句:

如果B3>10,那么其R值為1宗兼,否則進(jìn)入下一個(gè)判斷殷绍;

如果B3>8,那么其R值為2主到,否則進(jìn)入下一個(gè)判斷躯概;

如果B3>5,那么其R值為3娶靡,否則進(jìn)入下一個(gè)判斷;

如果B3>3,那么其R值為4塔鳍,否則為5轮纫;

同樣的算法,我們寫出計(jì)算每一條記錄F值和M值的判斷條件掌唾。

F3=IF(C3>10,5,IF(C3>8,4,IF(C3>6,3, IF(C3>3,2,1))))

G3= =IF(D3>5000,5,IF(D3>3000,4,IF(D3>2000,3, IF(D3>800,2,1))))

然后犀斋,我們把Excel的單元格往下拉情连,最后形成這樣的圖:

第四步:分別算出總的R虫几、F辆脸、M的平均值螃诅。

這一步比較簡(jiǎn)單术裸,我們以上全部算完之后袭艺,再最下面增加一行搀崭,用AVERAGE()計(jì)算出以上所有行數(shù)的平均值。如圖:

第五步:根據(jù)每條記錄的R猾编、F瘤睹、M值和所有記錄的平均值,判斷出每條記錄的R答倡、F轰传、M值是在平均值之上,還是平均值之下瘪撇。

首選获茬,我們先增加三個(gè)表頭,如圖:

然后设江,我們用每一條記錄的R值來(lái)R的平均值進(jìn)行比較码俩,如果<平均值則顯示“低”笨篷,如果大于等于則顯示“高”。

我們還是用If判斷語(yǔ)句進(jìn)行自動(dòng)判斷冕臭,以上圖為例归形,用戶0001的“R高低值”即:

這樣,我們就變成了下圖:

這個(gè)時(shí)候,我們發(fā)現(xiàn)了一個(gè)問(wèn)題柿祈,當(dāng)我們把單元格往下拉的時(shí)候菩貌,E3固然變成了E4箭阶,但E13也變成了E14婆殿,由于E13是一個(gè)固定格子的數(shù)字怕磨,我們不希望它隨著單元格的下拉而改變。我們就需要在if語(yǔ)句中在E13兩邊加上“$”這個(gè)符號(hào)了捞高。

如下:

R高低值H3=IF(E3< $E $13,”低”,”高”)

F高低值I3=IF(F3< $F $13,”低”,”高”)

M高低值J3=IF(G3< $G $13,”低”,”高”)

同時(shí),為了更直觀辈讶,我們?cè)O(shè)置一個(gè)條件格式,若文本中含有“高”則背景色為紅色月幌,若含有“低”則背景色為綠色蝎困。這時(shí)候再往下拖一下單元格,就變成這樣拉蒲稳,如圖:

第六步:根據(jù)比較值诉植,進(jìn)行八大類的歸類索昂。

?接下來(lái),我們就要根據(jù)我們的“R高低值”“F高低值”“M高低值”,自動(dòng)計(jì)算出我們的用戶層級(jí)拉。我們先加個(gè)表頭“用戶層級(jí)”孽锥。

這一次,我們要寫一串稍微長(zhǎng)一點(diǎn)的IF判斷語(yǔ)句,如下:

K3=IF(AND(H3=”高”,I3=”高”,J3=”高”),”重要價(jià)值用戶”, IF(AND(H3=”高”,I3=”低”,J3=”高”),”重要發(fā)展用戶”,

IF(AND(H3=”低”,I3=”高”,J3=”高”),”重要保持用戶”, IF(AND(H3=”低”,I3=”低”,J3=”高”),”重要挽留用戶”,

IF(AND(H3=”高”,I3=”高”,J3=”低”),”一般價(jià)值用戶”, IF(AND(H3=”高”,I3=”低”,J3=”低”),”一般發(fā)展用戶”,

IF(AND(H3=”低”,I3=”高”,J3=”低”),”一般保持用戶”,”一般挽留用戶”)))))))

本文所寫的都是在Excel里面的IF判斷語(yǔ)句,建議大家能夠自己寫一下,不想寫或?qū)懖怀鲆矝]關(guān)系,直接保存好上面的if語(yǔ)句Copy一下直接用就行了(修改一下單元格的序號(hào)就可以了)。

最后,如下圖:

當(dāng)然冈涧,我們還可以在用戶層級(jí)的表頭上加上“篩選”功能乒验,可以直接搜索到我們需要的那些用戶锻全。大家也可以通過(guò)不同的顏色來(lái)區(qū)分不同的用戶層級(jí)妈踊,這個(gè)就自由發(fā)揮拉赘风。

好了鞍历,到這里扇救,我們就已經(jīng)通過(guò)用一張Excel表沧烈,完成了一次用戶分層的全過(guò)程。這張表最后的效果是,就像一個(gè)程序一樣,我們?nèi)我廨斎肴齻€(gè)RFM數(shù)字,表格將自動(dòng)會(huì)跳出這個(gè)用戶的層級(jí)。?大家保存好這張excel表,以后用起來(lái)套一下就可以了,效率是相當(dāng)快的,大家可以嘗試自己從頭做一遍。

第七步:形成圖表

?完成后上面六步之后政冻,我們已經(jīng)得到了完成用戶分層之后的所有用戶記錄榕堰,這時(shí)我們需要做成圖表的形式砍的,開個(gè)會(huì)床佳、做個(gè)匯報(bào)啥的搁进,如下圖:

第八步:制定運(yùn)營(yíng)策略

回到我們上面說(shuō)的莱革,做用戶分層的目的是為了有的放矢的制定出更精準(zhǔn)左冬、更有針對(duì)性的運(yùn)營(yíng)策略除破。所以,我們最終我們還是回到制定運(yùn)營(yíng)策略上來(lái)。我們的例子可參考下圖:

再接下來(lái)要如何具體實(shí)施和執(zhí)行叠萍,就不在本篇文章的范疇里了抄腔。

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌荡陷,老刑警劉巖唉地,帶你破解...
    沈念sama閱讀 217,406評(píng)論 6 503
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,732評(píng)論 3 393
  • 文/潘曉璐 我一進(jìn)店門卦方,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人,你說(shuō)我怎么就攤上這事跌宛』赜遥” “怎么了蹬屹?”我有些...
    開封第一講書人閱讀 163,711評(píng)論 0 353
  • 文/不壞的土叔 我叫張陵管搪,是天一觀的道長(zhǎng)岁经。 經(jīng)常有香客問(wèn)我,道長(zhǎng)图呢,這世上最難降的妖魔是什么乞巧? 我笑而不...
    開封第一講書人閱讀 58,380評(píng)論 1 293
  • 正文 為了忘掉前任,我火速辦了婚禮,結(jié)果婚禮上松逊,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,432評(píng)論 6 392
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般凭需。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 51,301評(píng)論 1 301
  • 那天,我揣著相機(jī)與錄音优俘,去河邊找鬼财饥。 笑死打颤,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 40,145評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開眼嬉荆,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 39,008評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎白嘁,沒想到半個(gè)月后画恰,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體甩鳄,經(jīng)...
    沈念sama閱讀 45,443評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡燥滑,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,649評(píng)論 3 334
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片晤郑。...
    茶點(diǎn)故事閱讀 39,795評(píng)論 1 347
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡谷异,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情挣菲,我是刑警寧澤,帶...
    沈念sama閱讀 35,501評(píng)論 5 345
  • 正文 年R本政府宣布,位于F島的核電站,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏巍糯。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,119評(píng)論 3 328
  • 文/蒙蒙 一处铛、第九天 我趴在偏房一處隱蔽的房頂上張望龄砰。 院中可真熱鬧歹茶,春花似錦缤弦、人聲如沸尘喝。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,731評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)。三九已至实夹,卻和暖如春匀们,著一層夾襖步出監(jiān)牢的瞬間祖灰,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 32,865評(píng)論 1 269
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留,地道東北人涧窒。 一個(gè)月前我還...
    沈念sama閱讀 47,899評(píng)論 2 370
  • 正文 我出身青樓固该,卻偏偏與公主長(zhǎng)得像纯露,于是被迫代替她去往敵國(guó)和親羽资。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,724評(píng)論 2 354

推薦閱讀更多精彩內(nèi)容