全流程分享:利用RFM模型開(kāi)展金融產(chǎn)品精細(xì)化運(yùn)營(yíng)
本文以筆者負(fù)責(zé)的金融類產(chǎn)品經(jīng)驗(yàn)為依據(jù),展示了如何利用RFM模型開(kāi)展金融產(chǎn)品精細(xì)化運(yùn)營(yíng)的全流程。
現(xiàn)在獲客成本越來(lái)越高,相信每一個(gè)運(yùn)營(yíng)人都意識(shí)到了轉(zhuǎn)化、留存以及促活的重要性。通過(guò)RFM可以幫助我們更了解用戶,精準(zhǔn)的開(kāi)展運(yùn)營(yíng)手段。下面我將完完整整地把我用RFM模型進(jìn)行數(shù)據(jù)分析的全流程分享給大家。
1. 首先根據(jù)產(chǎn)品確定三個(gè)重要指標(biāo)
我負(fù)責(zé)的是一款金融類產(chǎn)品,KPI是充值金額和新增充值的人數(shù)。所以我將RFM分別確定為充值金額、充值次數(shù)和登錄次數(shù)。
(具體的指標(biāo)根據(jù)自己產(chǎn)品決定,如社交類產(chǎn)品可以是:登錄次數(shù),關(guān)注人數(shù)、使用時(shí)長(zhǎng))
圖是我創(chuàng)建好的數(shù)據(jù)模型,共有998個(gè)用戶數(shù)據(jù),是用RANDBETWEEN函數(shù)隨機(jī)生成的數(shù)組,不是真實(shí)的用戶數(shù)據(jù),僅作為分析所用。
2. 下面開(kāi)始計(jì)算R、F、M值
第一步對(duì)數(shù)據(jù)進(jìn)行分組,分成5個(gè)層級(jí)。分組依據(jù)可以按照公司業(yè)務(wù)劃分。我這里分組是先畫出用戶消費(fèi)金額的趨勢(shì)圖,再根據(jù)數(shù)據(jù)走勢(shì)分組。
從圖上可以看到,有很明顯的分布節(jié)點(diǎn),于是我將這5個(gè)區(qū)域分為:
- 1=10~100
- 2=101~1200
- 3=1201~5000
- 4=50001~12000
- 5=12001~20000
接下來(lái)根據(jù)分區(qū)數(shù)據(jù)計(jì)算每個(gè)充值金額對(duì)應(yīng)的數(shù)值,得出函數(shù)如下:
=IF(B2>12000,5,IF(B2>5000,4,IF(B2>1200,3,IF(B2>100,2,1))))
同理F和M的計(jì)算方式也是如此。
對(duì)消費(fèi)次數(shù)分級(jí)后,將這5個(gè)區(qū)域分為:
- 1=1~5
- 2=6~7
- 3=8~10
- 4=10~15
- 5=15~20
函數(shù)如下:
=IF(C2>15,5,IF(C2>10,4,IF(C2>7,3,IF(C2>5,2,1))))
接下來(lái)是登錄次數(shù):
- 1=1~10
- 2=11~20
- 3=21~30
- 4=31~40
- 5=41~50
函數(shù)如下:
=IF(D2>40,5,IF(D2>30,4,IF(D2>20,3,IF(D2>10,2,1))))
3. 求出RFM的平均值
求出對(duì)應(yīng)的值之后,下面用AVERAGE函數(shù)計(jì)算各列的平均值:
- R的平均值=1.19
- F的平均值=1.28
- M的平均值=3.33
(有小伙伴問(wèn)我,為什么要計(jì)算出數(shù)值后再求平均值,而不是在原消費(fèi)金額的基礎(chǔ)上求平均?你想下比賽時(shí)評(píng)委打分,會(huì)去掉一個(gè)最高分和最低分,這兩個(gè)的道理其實(shí)有點(diǎn)類似,這樣會(huì)使數(shù)組更加整體)
4. 判斷RFM等級(jí)
接下來(lái)判斷RFM等級(jí)。通過(guò)與平均數(shù)進(jìn)行對(duì)比,得出數(shù)值的高低。
函數(shù)如下:
- R=IF(E2>1.19,”高”,”低”)
- F=IF(F2>1.28,”高”,”低”)
- M=IF(G>3.33,”高”,”低”)
5. 得出用戶價(jià)值
到了最重要的一個(gè)環(huán)節(jié),通過(guò)計(jì)算得出用戶的價(jià)值。用IF和AND函數(shù)判斷,同為高、同為低,以及分別為不同高低的用戶分別對(duì)應(yīng)什么。
函數(shù)如下:
=IF(AND(H2="高",I2="高",J2="高"),"重要價(jià)值用戶", IF(AND(H2="高",I2="低",J2="高"),"重要發(fā)展用戶", IF(AND(H2="低",I2="高",J2="高"),"重要保持用戶", IF(AND(H1="低",I2="低",J2="高"),"重要挽留用戶", IF(AND(H2="高",I2="高",J2="低"),"一般價(jià)值用戶", IF(AND(H2="高",I2="低",J1="低"),"一般發(fā)展用戶", IF(AND(H1="低",I2="高",J2="低"),"一般保持用戶","一般挽留用戶" )))))))
最后就可以根據(jù)判斷結(jié)果采取不同的運(yùn)營(yíng)手段了。下面列出2點(diǎn)我們具體實(shí)施時(shí)的工作流程給大家參考:
重要價(jià)值用戶,是我們金字塔頂尖的客戶,所以要發(fā)掘他們的更大價(jià)值。通過(guò)數(shù)據(jù)的對(duì)比我們發(fā)現(xiàn)這類用戶集中在30-40歲的男性群體,有錢有時(shí)間,這類用戶我們?yōu)樗麄兯蜕洗箢~優(yōu)惠券,以及充值成功后贈(zèng)送的特權(quán)和抽獎(jiǎng)等形式刺激他們完成大額充值。
重要挽留用戶,這類用戶多為18-25歲之間的年輕群體,充值金額低,登錄頻繁。年輕群體分享欲望強(qiáng),通過(guò)測(cè)試我們選取了趣味性較強(qiáng)的素材文案,引導(dǎo)他們向朋友推薦,以擴(kuò)大用戶群體,分享率提高了10%。
……
通過(guò)對(duì)不同層級(jí)用戶的測(cè)試,總結(jié)出該群體用戶的特性,之后動(dòng)員同事提出想法和意見(jiàn),必要時(shí)也要向用戶發(fā)出問(wèn)題邀請(qǐng),匯總意見(jiàn)后通過(guò)AB測(cè)試選出可行性方案,這時(shí)你就知道下一步該怎么做……
以上就是金融類產(chǎn)品精細(xì)化分層和運(yùn)營(yíng)過(guò)程,初來(lái)乍到大家多多指教!歡迎提出意見(jiàn)建議~持續(xù)學(xué)習(xí)進(jìn)步!
本文由 @王又又 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理,未經(jīng)作者許可,禁止轉(zhuǎn)載。
題圖來(lái)自Unsplash,基于CC0協(xié)議。
我就好奇,為啥你根據(jù)那幾個(gè)波峰來(lái)進(jìn)行分值的切割?還寫“從圖上可以看到,有很明顯的分布節(jié)點(diǎn)”???
what?
如果波峰很多或者整個(gè)曲線很平你怎么搞?
充值金額一般會(huì)給用戶固定選擇,所以波峰會(huì)很明顯!
請(qǐng)問(wèn)可以告訴我一下數(shù)據(jù)是從哪里收集的嗎?我需要一些數(shù)據(jù)撰寫關(guān)于RFM模型的論文,現(xiàn)在收集不到數(shù)據(jù)?謝謝
僅利用RFM模型相對(duì)還是比較粗的用戶劃分方式,不過(guò)能堅(jiān)持用這個(gè)思路去做,還是會(huì)有價(jià)值的
目前也在學(xué)習(xí)更精細(xì)化的分組,不知能否交流一下?。?/p>
請(qǐng)問(wèn):那個(gè)分層依據(jù)趨勢(shì)圖是怎么做的? ??
將數(shù)據(jù)導(dǎo)入數(shù)據(jù)透視表中,勾選你所需要的字段,如充值金額到對(duì)應(yīng)的行標(biāo)簽,用戶名稱到數(shù)值標(biāo)簽(值字段設(shè)置為計(jì)數(shù)),然后插入折線圖就可以了