編輯導(dǎo)語：在數(shù)據(jù)分析中，事前策劃分析是最容易讓人摸不著頭腦的一種類型。如何做好事前策劃分析，作者從用戶分層以及RFM模型支了幾招，或許對你有所幫助，我們一起來看下吧。

說在前面：大家好，我是愛學(xué)習(xí)的小xiong熊妹。

在各類型數(shù)據(jù)分析中，事前策劃分析，是最容易讓人摸不著頭腦的。經(jīng)常遇到運營的小伙伴跑來問：“小熊妹，領(lǐng)導(dǎo)讓分析分析用戶，找找營銷機(jī)會，這怎么找呀？？”

實際上，這種情況也確實很難辦。俗話說：“字?jǐn)?shù)越少，問題越大?！?/p>

如果在事前策劃的時候，領(lǐng)導(dǎo)有很清晰的指示，比如：“對過去一年內(nèi)累計消費1萬元以上，且最近30天都沒有登錄的用戶，每人免費送一個禮品，在登錄APP后可領(lǐng)取”那分析就簡單多了。只要按照條件，把符合領(lǐng)取資格的人的名單統(tǒng)計出來即可。

但如果沒有這么細(xì)的要求，甚至只有一句話：分析分析看看。那很有可能我們辛辛苦苦做出來的東西，領(lǐng)導(dǎo)也不滿意，最后白費力氣。

因此，這個時候最重要的是：做好分類，把每種情況列清楚，然后針對具體情況給出我們的建議。至于領(lǐng)導(dǎo)采不采納，讓他們自己決定。比如最常見的：“分析分析用戶”，我們可以用RFM模型做分類。

RFM模型由三個基礎(chǔ)指標(biāo)組成：

• R：最近一次消費至今時間
• F：一定時間內(nèi)重復(fù)消費頻率
• M：一定時間內(nèi)累計消費金額

RFM模型里，三個變量的含義是很具體的：

• M：消費越多，用戶價值越高。
• R：離得越遠(yuǎn)，用戶越有流失可能。
• F：頻次越低，越需要用一次性手段（比如促銷、贈禮），頻次越高，越可以用持續(xù)性手段（積分） 來維護(hù)

因此RFM能直接從數(shù)據(jù)推導(dǎo)出行動建議，是一種非常好用的辦法。

實例分析：

一起來看個具體例子：某個打車出行APP，已按RFM格式，統(tǒng)計好用戶數(shù)據(jù)（如下圖，僅為示例數(shù)據(jù)100條），現(xiàn)領(lǐng)導(dǎo)要求：分析分析用戶情況。要怎么分析呢？

一、第一步

第一步：先看M。區(qū)分用戶價值是第一位的，先認(rèn)清誰是大客戶，誰是小客戶，后邊工作思路才清晰。這里只有100個例子，因此可以直接用excel的排序功能。

但假如數(shù)據(jù)有10000條，再排序一條條看就很不方便了，因此推薦一個通用的分類方法：十等分法。

十等分法背后的原理是：二八定律。相當(dāng)多的業(yè)務(wù)，都是消費排名前20%的用戶貢獻(xiàn)80%的消費。因此可以先把用戶按消費高低，分成10組，然后再看每一組的消費占整體比例，找出大客戶。具體操作如下圖所示。

二、第二步

分好組以后，可以打開數(shù)據(jù)透視表，看一下每組的消費占比。

哇！第一組用戶就貢獻(xiàn)了40%+的消費，前三組合起來，共30%的用戶貢獻(xiàn)額74%的消費，真是大客戶呢，因此可以分類如下：

• 第一組：VIP3（最高級VIP）
• 第二組、第三組：VIP2（每組消費占整體大于10%）
• 第四、第五組：VIP1（每組消費占整體大于5%，小于10%）
• 剩下5組：VIP0（單組消費占整體不足5%）

這里可以用一個IF語句，來做好分類（如下圖）。

三、第三步

分類完以后可以觀察每組的消費門檻在哪里，比如第一組的門檻是798元/月。在運營制定策略的時候，很有可能為了方便，找一個最近的整數(shù)。

因此可以做一個手動調(diào)整，把VIP3的門店改到：一個月內(nèi)消費800元。類似地，其他門檻也能做同樣調(diào)整。

調(diào)整好了以后，我們已經(jīng)分離出了大客戶/小客戶，可以做下一步的分類了。下一步可以做R。誰會一個月打車打幾百上千塊元呢？可能是有剛需以車代步的人（比如經(jīng)常出差的白領(lǐng)，有交通費的管理層等等）。

這些人應(yīng)該一直會有用車需求，我們要防備的，就是他們被別家打車軟件勾引走。此時R值就很重要了，如果一個大客戶長時間不來，很有可能已經(jīng)被人挖走了，我們要趕緊挖回來。

那么如何確定R的分類呢？可以直接根據(jù)業(yè)務(wù)特點來定。比如打車，即使再需要坐車的人，也不可能天天出門，因此R值不需要設(shè)定的太短，否則天天在人家耳朵邊喊：“來坐車來坐車”，也太過度騷擾用戶了。

R值可以以周為單位分類。除了十一廠家，一周內(nèi)有工作日和休息日，因此再遲1周也該來坐車了（如下圖）。

分好類以后，可以做交叉表，觀察不同VIP的客戶在R值分布情況（如下圖）。

看起來，VIP等級越高，R值越小，而VIP0的用戶，居然有80%已經(jīng)2周以上都沒來了，要么真的沒需求，要么已經(jīng)流失了。

這樣，對VIP0的分析建議，也很清楚了：結(jié)合天氣、節(jié)假日、活動等具體場景，給小額優(yōu)惠，配合單次打車優(yōu)惠券喚醒用戶。

• 對于很高價值的：掏真金白銀，維護(hù)好關(guān)系
• 對于很低價值的：定時喚醒，撈回來一個是一個
• 對于不高不低的，則要區(qū)分行為來看。

比如本案例中VIP1型用戶，兩級分化很明顯，一波人很活躍，一波人很沉默，而其消費能力都是差不多的。此時可以有兩個基本策略：

• 針對高活躍的，推出一個捆綁XX天的優(yōu)惠套餐，鎖定后續(xù)消費。
• 針對低活躍的，在其沉睡一段時間以后，推出大額激勵，拉動二次消費。

這樣的思路下，F(xiàn)就可以作為參考，從VIP1里，用F值區(qū)分出兩類人，之后制定具體策略。

當(dāng)然，以上都是我們的建議，很有可能領(lǐng)導(dǎo)不認(rèn)同。

比如在領(lǐng)導(dǎo)心中：

• 頻繁用車的大客戶都是剛需，所以不要維護(hù)了，重點挽留很久沒有用過APP的
• 只用1次以后就再也不來的，不是核心客戶，所以不要喚醒了，重點挽留大客戶

四、總結(jié)

這些結(jié)論，都是基于同一個數(shù)據(jù)的不同解讀，在沒有經(jīng)歷過測試之前，沒有對錯之分。因此領(lǐng)導(dǎo)他老人家高興就好。作為提供建議的人，我們做好分類，有充足的數(shù)據(jù)即可。

以上就是一個簡單的示例。需要特別提醒的是：很多做運營的小伙伴，腦子里沒有啥套路。對于活動、文案、設(shè)計的各種玩法甚至還沒有小熊妹懂得多。那可不！我可是各大APP薅羊毛高手，光手機(jī)號就有5個呢！

在懂得太少的情況下，就不能把運營上的做法，轉(zhuǎn)化成一個可以分析的數(shù)據(jù)，也就沒法做分析了。

就比如RFM，本身它只是一個計算方法，沒有人教過結(jié)合到具體場景該怎么分（比如買菜就和打車不一樣），因此還是得靠小伙伴們自己多掌握一些方法，結(jié)合實際思考，才能解決問題哦。

作者：碼工小熊，微信公眾號：碼工小熊

本文由 @碼工小熊 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自 Unsplash，基于CC0協(xié)議