用戶運營:RFM分層實戰(zhàn)演練

Even
23 評論 19135 瀏覽 262 收藏 7 分鐘
🔗 产品经理的职业发展路径主要有四个方向:专业线、管理线、项目线和自主创业。管理线是指转向管理岗位,带一个团队..

用戶運營中,使用RFM模型進行用戶分層是常規(guī)操作,那么具體如何實現(xiàn)呢?本文將具體進行分析。

用戶的價值分層,主要有兩種方式:

  1. 通過用戶的成長軌跡,根據(jù)用戶的生命周期做定義:導(dǎo)入期-成長期-成熟悉-休眠期-流失期,每個階段對用戶的運營目標(biāo)都不一樣。
  2. 根據(jù)用戶的關(guān)鍵行為做劃分,對用戶進行區(qū)隔,實現(xiàn)用戶分層。

典型的就像RFM,找到產(chǎn)品中能夠衡量用戶價值的關(guān)鍵行為,對其進行交叉分析和評估,最終形成分層模型。

  • R 最近一次交易的時間:R值最大,說明發(fā)生交易的時間越久,反之,發(fā)生交易的時間越近。
  • F 交易的頻次:F越大,說明交易頻繁,是平臺的用戶用戶,反之,用戶不夠活躍。
  • M 交易的總金額:M越大,客戶價值越高,是平臺的重點用戶。

將用戶每一維度與其中值對比,和中值高低與否,我們一共可以將用戶劃分成 2*2*2=8類用戶。

了解了用戶的分層等級,就可以對不同價值的用戶實施精細(xì)化的運營,該促進消費的刺激消費,該召回的召回….

二、RFM模型的運用

具體的實施步驟:

下面我們就以一份電商的統(tǒng)計數(shù)據(jù)為例:

1. 先篩選數(shù)據(jù)

因為電商平臺會有一些退貨交易失敗的情況,這部分不是我們要研究的對象,所以先篩選出交易成功的用戶。

2. 定義RFM評估模型

用數(shù)據(jù)透視表查看數(shù)據(jù)分布情況,也可以根據(jù)具體業(yè)務(wù)情況進行劃分等級,或者用28法,80%的用戶都集中在低頻低金額的區(qū)間,20%的用戶卻又創(chuàng)造了大部分營收。

根據(jù)上面的數(shù)據(jù),我將三個維度區(qū)間劃分成五個層級:

3. 先算出R值

相距的時間差:

用if函數(shù)算出各用戶的R值:

IF(D10<=30,5,IF(D10<=60,4,IF(D10<=90,3,IF(D10<=120,2,1))))

4. 算出F值

算出每個用戶的購買次數(shù) :COUNTIFS(A:A,A2)

第二步:根據(jù)次數(shù),算出對應(yīng)的F值,因為大多數(shù)用戶購買次數(shù)在5以下,直接用購買次數(shù)代替F值。

5. 算出M值

金額數(shù)做數(shù)據(jù)透視,算出每個用戶的支付總額。

根據(jù)用戶的消費金額,用if函數(shù)同樣算出對應(yīng)的M值分?jǐn)?shù)。

6. 進一步計算

分別用計算出的RFM值跟中值做對比,比中值大的用“高”表示,反之用“低”。

IF(B6>$F$1,"高","低")

給其他兩個打標(biāo)簽:

7. 用if函數(shù)自動計算出用戶層級

IF(AND(F2="高",G2="高",H2="高"),"重要價值用戶",
IF(AND(F2="高",G2="低",H2="高"),"重要保持用戶",
IF(AND(F2="低",G2="高",H2="高"),"重要發(fā)展用戶",
IF(AND(F2="低",G2="低",H2="高"),"重要挽留用戶",
IF(AND(F2="高",G2="高",H2="低"),"一般價值用戶",
IF(AND(F2="高",G2="低",H2="低"),"一般發(fā)展用戶",
IF(AND(F2="低",G2="高",H2="低"),"一般保持用戶",
IF(AND(F2="低",G2="低",H2="低"),"一般挽留用戶"))))))))

8. 做表,制定策略

做數(shù)據(jù)透視表,算出不同層級用戶的占比,針對其指定策略

本文由 @Even 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。

題圖來自Unsplash,基于CC0協(xié)議。

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. 制定什么策略呢

    回復(fù)
    1. 同問,分層的方法論很多了,很少見完整且具體的對應(yīng)策略

      回復(fù)
  2. 你這套算法是有問題,看似還很“科學(xué)”的用了個平均值作為“高”和“低”的切割。但是你第一步就錯了。你根據(jù)什么邏輯來切割R\F\M的1~5分對應(yīng)的區(qū)間的。
    你在這一步非常一廂情愿,所以最終基于所謂的“平均值”來分的高低也都是一廂情愿。

    來自上海 回復(fù)
    1. 你好,請問風(fēng)箱后根據(jù)區(qū)間得出的1-5分具體應(yīng)該如何應(yīng)用?我也不太理解文中僅根據(jù)r/f/m參照中值得出的層級后該如何進一步按照分值劃分用戶群

      來自廣東 回復(fù)
    2. 尷尬,這個你應(yīng)該質(zhì)疑作者本人吧。我也想知道啊。

      來自上海 回復(fù)
    3. 不是“質(zhì)疑”您,我是從文中不是很理解這部分內(nèi)容,所以想問問您來著~

      來自廣東 回復(fù)
    4. 我知道,我的意思是你去問作者啊。我又不是作者肚子里的蛔蟲。

      來自上海 回復(fù)
  3. 每個值分層5個層級的意義何在,你操作用的是每個值分成高低2個層級。

    回復(fù)
  4. 運營經(jīng)理

    回復(fù)
  5. 有所啟發(fā)

    來自浙江 回復(fù)
  6. 作家有步驟沒懂,可否微信問問

    來自廣東 回復(fù)
    1. 小白一枚,可以加一下微信問問嘛?有一個問題可以咨詢一下嗎?

      回復(fù)
    2. 你留微信我加你

      回復(fù)
  7. 有錯別字嗎?

    來自浙江 回復(fù)
  8. 是否應(yīng)該在定義高或低的時候 把二八法則考慮進去,都不是取均值

    回復(fù)
    1. 這里的中值指的是平均值還是中位數(shù)呀?我覺得這里如果也用二八分的話被判斷為高的一定非常高,但被判斷為低的不一定是真的低,可能只是普通或不是特別高

      回復(fù)
    2. 應(yīng)該是平均數(shù),中位數(shù)的小數(shù)點后就只可能是0或者5了,不會有這么長一串小數(shù)

      回復(fù)
    3. 額嗯 考慮的是閾值的合理性這個

      來自廣東 回復(fù)
  9. 請問可以告訴我一下數(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

    來自廣東 回復(fù)
  10. 已閱,感謝分享!

    來自廣東 回復(fù)
  11. 不是很清楚三個維度如何劃分成5個層級,每個層級的值是怎么定義的?

    來自浙江 回復(fù)
    1. 自己去把3個緯度按照(a,b,c) 看看可以產(chǎn)生多少中結(jié)果,或者你可以用十進制去表示。000代表3個緯度都低,010 100 101 還有不明白的嗎

      回復(fù)
    2. 也不是很明白 ??

      來自廣東 回復(fù)
专题
14575人已学习13篇文章
营销自动化是一个可用于自动执行营销任务的工具。本专题的文章分享了如何搭建自动化营销平台。
专题
15025人已学习12篇文章
再好的产品,没有优质的推广渠道加持和App投放增长的方法,也很难实现有效传播和增长。本专题的文章分享了App投放推广指南。
专题
12914人已学习12篇文章
随着互联网的不断发展,如今获客渠道及方式也有很多。本专题的文章分享了获客渠道及方法。
专题
12031人已学习13篇文章
Sora产品的爆火,给了我们不少的震撼,感叹AI在内容创作领域的进步实在是太快了。本专题的文章分享了对于Sora的解读和思考。
专题
15219人已学习14篇文章
在我们的生活中,因为大数据的应用,很多事情变得越来越便利。本专题的文章分享了大数据的应用场景。
专题
137803人已学习32篇文章
做一个好运营,技术和意识都得过硬。