摘要：RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段，在產(chǎn)品運(yùn)營工作中有著非常大的作用波材，也是構(gòu)建用戶畫像體系的一個非常重要的子模型游岳。本文主要從模型介紹、操作方法邀泉、指導(dǎo)實(shí)踐三部分淺析RFM模型在日常的運(yùn)營工作中如何運(yùn)用嬉挡。
1. 模型介紹
根據(jù)美國數(shù)據(jù)庫營銷研究所Arthur Hughes的研究，用戶的行為數(shù)據(jù)中有三個“上帝指標(biāo)”汇恤，分別為：最近一次消費(fèi)(Recency)庞钢、消費(fèi)頻率(Frequency)、消費(fèi)金額(Monetary)因谎。對于不同產(chǎn)品及不同的實(shí)踐目標(biāo)來說基括，上述三個指標(biāo)有所不同。如：對于人人都是產(chǎn)品經(jīng)理這樣的社區(qū)產(chǎn)品來說蓝角，Recency可以指用戶最近一次登錄、點(diǎn)贊饭冬、評論使鹅、發(fā)文章；Fquencrey可以指近一個月/周的登錄次數(shù)昌抠、點(diǎn)贊次數(shù)患朱、評論次數(shù)、發(fā)文章次數(shù)炊苫；Monetary則可以指打賞的金額裁厅、獲得打賞的金額。
對于這三個指標(biāo)展開分析侨艾，可以幫助我們挖掘出用戶行為數(shù)據(jù)中很多有用的東西执虹，用于指導(dǎo)實(shí)踐。同時可將這三個指標(biāo)進(jìn)行組合或者兩兩組合以得到不同的RFM矩陣唠梨。
如上圖所示袋励，利用Recency和Frequency的組合得到RF矩陣。第一象限用戶在指定周期內(nèi)消費(fèi)頻率高，但消費(fèi)時間都集中在初期茬故，需要對其進(jìn)行進(jìn)行召回盖灸，又或者此類用戶是月光族類型，習(xí)慣在月初大量購買磺芭，那么我們可在每月初對其進(jìn)行促銷赁炎、活動信息推送刺激消費(fèi)，其他可依此分析钾腺。
通過該模型的分析結(jié)果徙垫，可以指導(dǎo)我們運(yùn)營童鞋的日常運(yùn)營工作，做到有的放矢垮庐。這也是我們建立RFM模型的最終目標(biāo)松邪，不可沉醉于數(shù)據(jù)分析中，數(shù)據(jù)分析的最大妙處在于指導(dǎo)實(shí)踐哨查，整個分析過程中要時不時問問自己的內(nèi)心：我分析這些到底要干嗎逗抑？
2. 操作方法
哲學(xué)上說：“理論來源于實(shí)踐并指導(dǎo)實(shí)踐”。因此寒亥，本文以一“案例”來說明該模型的具體操作辦法邮府。
案例背景：產(chǎn)品為電商平臺，共有6月份20個用戶的數(shù)據(jù)溉奕，詳細(xì)指標(biāo)說明如下圖：
所用軟件及方法：SPSS褂傀，K均值聚類（該算法是很典型的基于距離的聚類算法，采用距離作為相似性的評價指標(biāo)加勤，即認(rèn)為兩個對象的距離越近仙辟，其相似度就越大）。
分析思路及過程：首先利用SPSS對20個用戶進(jìn)行聚類鳄梅，本文將其分為了3類叠国，再對這3類分別做統(tǒng)計分析，如表2.1：
第一類用戶在近一個月內(nèi)購買頻次低戴尸，客單價高粟焊，且上次消費(fèi)距今1月之久。
第二類用戶在近一個月內(nèi)購買頻次高孙蒙，客單價低项棠，且上次消費(fèi)距今最近，用戶數(shù)也最多挎峦。
第三類用戶單從數(shù)據(jù)上有些不正常香追，因?yàn)榭蛦蝺r較高，頻次高（一月接近5次）坦胶，但上次消費(fèi)距今竟然有22天翅阵，也就是說這類用戶在月初的8天大概每兩天消費(fèi)一次歪玲，在后20天再沒下過單。
3. 指導(dǎo)實(shí)踐
筆者認(rèn)為掷匠，一切的數(shù)據(jù)分析也好滥崩，研究報告也罷怕磨，都要以指導(dǎo)實(shí)踐為目標(biāo)浆洗。因?yàn)楣P者非常信奉growth hacker的信念：一切以增長為目標(biāo)。
回到本文曼追，但就表2.1的數(shù)據(jù)顽决，還不足以指導(dǎo)實(shí)踐短条。我們需要進(jìn)一步挖掘。接下來需要做的事情有兩點(diǎn)：①拉出這些用戶的畫像明細(xì)（包括年齡才菠、性別等）茸时、②拉出這些用戶購買的品類。
雖然本文的數(shù)據(jù)為隨機(jī)生成赋访，但仍基于數(shù)據(jù)進(jìn)行信息挖掘可都。第二類用戶購買的產(chǎn)品因頻次高（1月近4次）客單價低（每次20元左右）且用戶占比還高，品類應(yīng)為洗發(fā)水蚓耽、紙巾等快消家用品渠牲。這些用戶應(yīng)為平臺的忠實(shí)用戶，1個月在平臺購買4次多步悠，但每次消費(fèi)較低签杈。雖然快消品類毛利低，但品類繁多且非標(biāo)鼎兽，消費(fèi)周期短答姥，是提升用戶活躍度的好品類，只要能增加用戶在平臺上活躍的時間谚咬，一定有辦法將毛利高的產(chǎn)品賣給他們鹦付。因此，第二類用戶現(xiàn)在應(yīng)該重點(diǎn)運(yùn)營序宦，因此忠實(shí)于平臺但消費(fèi)金額較低睁壁，有很多價值可挖掘背苦。我們可以經(jīng)常推送給他們優(yōu)惠券等信息互捌。第三類用戶從數(shù)據(jù)上看比較特殊，但別忘了時間這個重要指標(biāo)行剂。本文的數(shù)據(jù)假設(shè)為6月秕噪，6月初有什么？沒錯厚宰，618全民年中購物節(jié)腌巾。該類用戶應(yīng)該是在促銷的那幾天大量密集購買遂填，伴隨著活動的結(jié)束錢包也消瘦了，因此后期未有購買行為澈蝙。第一類用戶購買的品類不太好猜測吓坚，但他們都在月初購買（方差也很小）灯荧，且客單價較高礁击，應(yīng)該重點(diǎn)分析下用戶畫像。這類用戶逗载，很可能近期流向了其他平臺哆窿，應(yīng)該根據(jù)用戶特點(diǎn)等進(jìn)行針對性的用戶召回，可采取的措施包括內(nèi)容營銷厉斟、活動召回（可考慮針對這些用戶開啟白名單做些特殊的活動）挚躯。另外，應(yīng)該對他們最后一次的用戶行為進(jìn)行仔細(xì)的分析擦秽，看其在最后一次購物行為中發(fā)生了什么“不愉快”的事情導(dǎo)致流失（是物流原因码荔、售后原因亦或產(chǎn)品體驗(yàn)）。如有必要号涯，可對該類用戶做調(diào)研目胡。
RFM模型還有很多東西可以挖掘，就看我們?nèi)绾芜M(jìn)行創(chuàng)新地分析链快。數(shù)據(jù)分析既是科學(xué)也是藝術(shù)誉己，不同的視角會帶來意想不到的發(fā)現(xiàn)。
