用數(shù)據(jù)分析細(xì)分用戶:RFM分析

32 評論 218093 瀏覽 432 收藏 12 分鐘

通過RFM方法,我們根據(jù)用戶的屬性數(shù)據(jù)分析,對用戶進(jìn)行了歸類。在推送、轉(zhuǎn)化等很多過程中,可以更加精準(zhǔn)化,不至于出現(xiàn)用戶反感的情景,更重要的是,對產(chǎn)品轉(zhuǎn)化等商業(yè)價(jià)值也有很大的幫助。

應(yīng)用背景:

在產(chǎn)品迭代過程中,通常需要根據(jù)用戶的屬性進(jìn)行歸類,也就是通過分析數(shù)據(jù),對用戶進(jìn)行歸類,以便于在推送及轉(zhuǎn)化過程中獲得更大的收益。

分析方法:

RFM分析(Recency,F(xiàn)requency,Monetary)

分析工具:

SPSS(數(shù)據(jù)分析的重量級應(yīng)用,與SAS二選一)

一.RFM基礎(chǔ)知識

所謂探索性分析,主要是運(yùn)用一些分析方法從大量的數(shù)據(jù)中發(fā)現(xiàn)未知且具有價(jià)值信息的過程。

常用的探索性分析方法包括:RFM分析、聚類分析、因子分析、對應(yīng)分析等。

RFM的含義:

  • R(Recency):客戶最近一次交易時(shí)間的間隔。R值越大,表示客戶交易發(fā)生的日期越久,反之則表示客戶交易發(fā)生的日期越近。
  • F(Frequency):客戶在最近一段時(shí)間內(nèi)交易的次數(shù)。F值越大,表示客戶交易越頻繁,反之則表示客戶交易不夠活躍。
  • M(Monetary):客戶在最近一段時(shí)間內(nèi)交易的金額。M值越大,表示客戶價(jià)值越高,反之則表示客戶價(jià)值越低。

RFM分析就是根據(jù)客戶活躍程度和交易金額的貢獻(xiàn),進(jìn)行客戶價(jià)值細(xì)分的一種方法。

  • RS:基于最近一次交易日期計(jì)算的得分,距離當(dāng)前日期越近,得分越高。例如5分制。
  • FS:基于交易頻率計(jì)算的得分,交易頻率越高,得分越高。如5分制。
  • MS:基于交易金額計(jì)算的得分,交易金額越高,得分越高。如5分制。

RFM總分值:RFM=RS*100+FS*10+MS*1

RFM分析的主要作用:

  1. 識別優(yōu)質(zhì)客戶??梢灾付▊€(gè)性化的溝通和營銷服務(wù),為更多的營銷決策提供有力支持。
  2. 能夠衡量客戶價(jià)值和客戶利潤創(chuàng)收能力。

RFM的假設(shè)前提:

假設(shè)交易的可能性:

  1. 最近交易過的客戶 > 最近沒有交易過的
  2. 交易頻率高的客戶 > 交易頻率低的
  3. 交易金額大的客戶 > 交易金額小的

二.分析實(shí)踐

RFM接受的數(shù)據(jù)格式有兩種:

  1. 交易數(shù)據(jù):每次交易占用一行,關(guān)鍵變量是客戶ID、交易時(shí)間、交易金額。
  2. 客戶數(shù)據(jù):每次交易占用一行,關(guān)鍵變量是客戶ID、交易總金額、最近交易日期、交易總次數(shù)。

我們通常采用交易數(shù)據(jù)的格式進(jìn)行分析。因?yàn)榻灰讛?shù)據(jù)可以整理成客戶數(shù)據(jù),而客戶數(shù)據(jù)無法還原成交易數(shù)據(jù)。即用交易數(shù)據(jù)的字段可以得到客戶數(shù)據(jù)的字段,反之不行。

具體是“交易數(shù)據(jù)”還是“客戶數(shù)據(jù)”根據(jù)數(shù)據(jù)源文件的格式而定。

變量:選擇各個(gè)變量。

分箱化:評分的總分是多少。

保存:生成哪些新的變量,可以自定義名稱。

輸出:可以全部勾選,為了能全面的解讀RFM分析結(jié)果。

確定后,生成了四個(gè)新的變量:

  • 嶄新-得分:最后一次交易的時(shí)間間隔得分;
  • 頻率-得分:交易總次數(shù)得分;
  • 消費(fèi)金額-得分:交易總金額得分;
  • RFM得分:RFM得分

三.結(jié)果解讀(最重要的環(huán)節(jié))

該圖主要用來查看每個(gè)RFM匯總得分的客戶數(shù)量分布是否均勻。

我們期望均勻的分布,若不均分,則應(yīng)該重新考慮RFM的適用性或嘗試另一種分箱方法(減少分箱數(shù)目或隨機(jī)分配綁定值)。

“RFM熱圖”是交易金額均值在RS和FS繪制的矩陣圖上的圖形化表示,用顏色深淺表示交易金額均值的大小,顏色越深,表示相應(yīng)矩陣塊內(nèi)的客戶交易金額均值越高。

如本例隨著RS和FS的分值增大,顏色越來越深,說明客戶最近一次交易時(shí)間越近、交易次數(shù)越多,其平均交易金額越高。

該圖是最后一次交易時(shí)間、交易總次數(shù)、交易總金額之間的散點(diǎn)圖。

通過散點(diǎn)圖可以清晰直觀的看到三個(gè)分析指標(biāo)兩兩之間的關(guān)系,便于指標(biāo)相關(guān)性評估。

本例中,交易總次數(shù)和交易總金額存在較為明顯的線性關(guān)系,而最后一次交易時(shí)間和另外兩個(gè)分析指標(biāo)之間的相關(guān)性較弱。

四.RFM分析應(yīng)用

為客戶分組,即將三個(gè)指標(biāo)分別分為“高”和“低”兩種,高于均值的為“高”,低于均值的為“低”。

因此有三件事要做:

  1. 計(jì)算出各個(gè)指標(biāo)得分的平均值;
  2. 將各個(gè)變量高于平均分的定義為“高”,低于平均分的定義為“低”;
  3. 根據(jù)三個(gè)變量“高”“低”的組合來定義客戶類型;如“高”“高”“高”為高價(jià)值客戶。

第一步,先計(jì)算各個(gè)指標(biāo)的平均值。

一定要勾選平均值,否則輸出結(jié)果中沒有“平均值”。

現(xiàn)在我們得到了各個(gè)變量的平均分:3.33,2.99,3.01。

第二步,將各個(gè)變量高于平均分值的定義為“高”,否則為“低”。

按照1-2-3-4-5的步驟設(shè)置高于平均值的為“2”,也可以設(shè)置為“高”

同理去設(shè)置FS和MS。

設(shè)置后結(jié)果如下:

可以在變量設(shè)置里設(shè)置標(biāo)簽,1代表“低”,2代表“高”,也可以在“重新編碼到不同變量”里面設(shè)置時(shí)就直接定義為“高低”,而不是“1和2”。

第三步:通過各個(gè)變量的高低組合,確定客戶類型。

第三區(qū)域:可以是公式,也可以是具體的數(shù)字,其實(shí)這里就是輸出結(jié)果。

第四區(qū)域:表示滿足的條件。

同理在“變量設(shè)置”里對標(biāo)簽就行設(shè)置就行。

最終分析結(jié)果如下:

通過RFM方法,我們根據(jù)用戶的屬性數(shù)據(jù)分析,對用戶進(jìn)行了歸類。在推送、轉(zhuǎn)化等很多過程中,可以更加精準(zhǔn)化,不至于出現(xiàn)用戶反感的情景,更重要的是,對產(chǎn)品轉(zhuǎn)化等商業(yè)價(jià)值也有很大的幫助。

 

作者:膝蓋哥,是一枚“跪著提需求”的產(chǎn)品經(jīng)理。常說“不用不用,真的不用了,我跪著就好!”

本文由 @膝蓋哥 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。

更多精彩內(nèi)容,請關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號或下載App
評論
評論請登錄
  1. 花椒

    回復(fù)
  2. 請問一下數(shù)字是怎么變成文字的,怎么設(shè)置,按照設(shè)置我的就不顯示呢 為什么呢

    來自北京 回復(fù)
  3. 請問資訊類工具類的用戶價(jià)值怎么辦?RFM模型還能套用么

    來自北京 回復(fù)
    1. 我也是做資訊類的,準(zhǔn)備用這個(gè)做一個(gè)價(jià)值模型,我覺得什么都可以用吧,只要調(diào)整好一定的權(quán)重就可以了

      來自廣東 回復(fù)
    2. 自己用SPSS做了下,了解清楚了:這里說的RFM只能用于分析對應(yīng)用戶在全部用戶中的水平,在對應(yīng)RFM等級中賦予權(quán)重,就可以得到最終分?jǐn)?shù)水平了。

      來自廣東 回復(fù)
    3. 資訊類的可以選取最近一次登錄作為R,登錄次數(shù)作為F,在線時(shí)長作為M

      回復(fù)
  4. RFM=RS*100+FS*10+MS*1 作者請問 后面100 10 1都是什么意思?。?/p>

    來自浙江 回復(fù)
    1. 乘完后可以變成3位數(shù)字

      來自廣東 回復(fù)
  5. 一周年過去了,所以有人說一下這是用的什么工具嗎????

    來自河南 回復(fù)
    1. SPSS

      來自北京 回復(fù)
    2. SPSS

      來自山東 回復(fù)
    3. 你看文章的時(shí)候打瞌睡了嗎

      來自上海 回復(fù)
  6. 客戶類型的計(jì)算公式是什么?計(jì)算變量環(huán)節(jié)沒懂,大神幫幫我

    來自湖北 回復(fù)
  7. 你這個(gè)數(shù)據(jù)是從哪里拿到的呢?

    來自北京 回復(fù)
    1. 誰說菜鳥不會(huì)數(shù)據(jù)分析(SPSS工具篇)

      來自江蘇 回復(fù)
  8. 如果面對的是低頻消費(fèi)的群體,需要考慮身份地位因素的話rmf模型還適用嗎?

    來自廣東 回復(fù)
  9. RS等3個(gè)得分分別為1和2,組合有8種,但值只有4個(gè):1、2、4、8,并沒有8個(gè)數(shù)值,8種分類???

    來自浙江 回復(fù)
    1. 不是按照總得分分類的,具體看分項(xiàng)得分

      來自四川 回復(fù)
  10. 這個(gè)是什么軟件哇

    來自江蘇 回復(fù)
    1. 這是什么軟件???

      回復(fù)
    2. spss

      來自安徽 回復(fù)
    3. spss

      來自安徽 回復(fù)
  11. 正在下載軟件,找數(shù)據(jù)練習(xí)下。上周處理用戶數(shù)據(jù)時(shí)中提出來建一個(gè)用戶自動(dòng)分層評級的系統(tǒng),由于自己水平有限,畫出來的流程感覺提出來的不是特別合理,重新學(xué)習(xí)下

    來自河南 回復(fù)
  12. 我的客戶類型只能有一個(gè)值呢,要么1,要么2,就只能有一種組合顯示,這里是怎么操作的呢?

    來自重慶 回復(fù)
    1. 這么巧~我也是一個(gè)正在做rfm模型的river~ ??

      來自廣東 回復(fù)
    2. 手動(dòng)按照上面那個(gè)表格分類

      來自四川 回復(fù)
  13. 軟件免費(fèi)嗎

    來自上海 回復(fù)
  14. 這種分享太好了。干貨中的干貨

    來自重慶 回復(fù)
  15. 厲害了。

    來自河南 回復(fù)
  16. 希望能多一些分析方法的實(shí)操介紹,謝謝啦

    來自廣東 回復(fù)
    1. 一定一定

      回復(fù)
  17. 謝謝分享干活,大牛呀

    來自廣東 回復(fù)