使用RFM模型實現精細化運營

前言

目前市面上構建RFM模型的軟體非常之多，用EXCEL、SPSS等數據分析軟體都可以實現，在本篇文章中我不對操作步驟多做講解，大家可以去網上搜索相關軟體的教程。本文僅僅對RFM模型的基本常識以及在實際工作過程中的用途進行講解分析，看過後如有疑問可在文章底部留言諮詢。

認識RFM模型

根據美國數據營銷研究所Arthur Hughes的研究，客戶資料庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：

R：最近一次消費 (Recency)：距離現在，用戶上一次是在什麼時候產生購買行為的。上一次購買時間越近的用戶相對來說是比較好的用戶，對即時的商品或服務也是最有可能會產生反應的用戶。

F：消費頻率 (Frequency)：用戶在指定時間段內所購買的次數，通常經常購買的用戶也是滿意度最高的用戶或忠誠度最高的用戶。

M：消費金額 (Monetary)：是所有數據報告的支柱，也可以驗證「帕雷托法則」——80%的收入來自20%的用戶，消費額度越大的用戶對公司的價值越高。

RFM概念：

根據用戶的消費記錄給用戶分級，篩選優質用戶，了解不同層級用戶的消費習慣，對不同層級制定有針對性的營銷方案。

RFM特性：

RFM會根據用戶消費的行為持續變化，每一天這些用戶在模型里的層級都可能會不一樣。

RFM的作用：

1、分析模型維繫有價值客戶；

2、用戶分層實現精細化運營。

案例講解

案例背景：某高檔奢侈品電商網站運營一年後積累了50萬規模的用戶，隨著業務的發展砸錢拉新已經不能滿足現有業務的發展需求了，首先外部推廣拉新成本過高，其次奢侈品消費的人群相對高端，廣撒網的營銷方式很明顯並不利於後續公司的發展。於是運營總監打算把目標放在已經在平台上消費過的老用戶，從老用戶身上發掘更大的價值。

第一步

隨機選取3000多個樣本，定義好RFM模型的層級，如下圖：

PS：RFM分級完全可以根據自身的需求來定義，不需要套用案例的表格。

我們將R、F、M各切分了5個等級，構建出了125個模塊，3000多樣本，佔據了其中77個模塊。這125個模塊，會對應出上表中的8個級別的客戶。

第二步

是針對不同模塊的用戶，進行有針對性的活動、宣傳設計，從而讓模塊中的用戶產生流動。

持續的進行這個行為，去觀測不同的活動、宣傳，對於用戶在層級中的流程產生的影響。

例1：對於高流量消耗，但沒有產生流量購買行為的用戶，可以對其進行定向推送，觀測用戶是否會變成「雙高」用戶（高消耗高消費）。

例2：對於沒有流量消耗的用戶，告知流量消耗應用可以提升體驗，促使其使用會產生流量消耗的應用，提升用戶的應用使用活躍度。

例3：上述的動作實施過程當中，是需要進行持續的文案改進，嘗試觸達不同用戶的G點，並藉機為用戶打上標籤，以備後續大規模運營使用。

在這裡也可以說一下，我們後來對於其中400位用戶做了一次推送，推送三天內，就直接轉化了9名用戶進行購買，而在此之前，他們已經有兩個月沒有購買過了。

與此同時，階段性固化模型，從3000多樣本擴展到全量用戶。

第三步

通過在第二步中的運營得到的結果，去擴展到全量用戶的運營。

這樣做的好處是：

1、通過持續運營，可以固化出多個活動模塊，如：A（Active）-P（Payment）活動；沉默用戶喚醒活動，等等。

2、後續可以疊加積分等其他工具，讓用戶在產品中獲得更多的權益和好處，使其對品牌產生認可。

3、識別高價值用戶，並傾斜更多的運營資源，提升其使用產品的體驗，並形成口碑進行傳播。

這樣一來，你很容易看出：

1、用戶分層本身不是目標，目標是實現精細化運營，讓資源得到合理分配和高效利用。

2、用戶分層是所有產品進入用戶運營的門檻，區分出不同層級的用戶，才能有效的將運營手段進行疊加，降低運營成本，擴大運營效果。

3、做用戶分層，需要一定的數學能力和Excel處理能力，並不是隨隨便便拍個腦袋就能有。

方法其實很簡單，但能按照這個方法做出來的不太多。有一些工具（譬如Matlab）可以幫助使用，但能夠實現這樣的意識，其實不大容易。

動態看待用戶層級

用戶模型可以固化，但用戶層級永遠不會固化。

對於不同的產品，其生命周期其實往往是相似的，從初創到發展，到成熟，到衰退，再到消亡。

唯一的不同是，不同產品可能有不同的生命周期的長度，而這種長度上的區別，往往落腳點是看運營的精細化做到了什麼樣的程度。

大家應該都清楚，在大數據時代我們對用戶的營銷手段可以實現千人千面，但千人千面不是一天落實的，它是從採集用戶行為，到分類用戶行為，聚合、交叉，得到不同的用戶集合，通過不同的營銷嘗試看待轉化效果，最終得到一個不斷發展的巨大模型。這本身就是對用戶分層工作最大的褒獎。不管你有1000個用戶，還是1000萬用戶，如果你能做到隨手取出任何一個用戶，就知道他屬於什麼樣的級別，什麼樣的活動對他有效，什麼程度的讓利可以推動購買，你的運營效率就會大大提升。

結束語

在以前的文章中我曾經介紹過會員等級的劃分可以通過RFM模型來定義，假設你的網站需要制定會員等級。而你又不知道按照什麼樣的標準來定義，這個時候你可以通過分析一段時間的用戶消費行為來制定適合自身業務的會員等級標準。

RFM模型分析工具推薦

SPSS（Statistical Product and Service Solutions），「統計產品與服務解決方案」軟體。該軟體的優勢在於操作簡單，不需要你懂很多的函數和方法，參照官方說明你就能夠完成RFM的構建，網上也有很多相關的教程可以參考。

使用方法參考IBM官網：https://www.ibm.com/developerworks/cn/data/library/techarticle/dm-1110zhouzh/

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！