RFM模型的搭建細(xì)節(jié)以及適用場(chǎng)景有哪些?

7 評(píng)論 18597 瀏覽 58 收藏 12 分鐘
🔗 产品经理的核心价值是能够准确发现和满足用户需求,把用户需求转化为产品功能,并协调资源推动落地,创造商业价值

編輯導(dǎo)讀:RFM分析,一種將用戶分層、進(jìn)而針對(duì)不同用戶群體進(jìn)行精細(xì)化運(yùn)營(yíng)的方法。在應(yīng)用RFM分析模型中,實(shí)際操作中會(huì)存在很多問(wèn)題。本文作者圍繞RFM模型的搭建細(xì)節(jié)以及適用場(chǎng)景展開分析,希望對(duì)你有幫助。

“RFM分析,是用戶精細(xì)化運(yùn)營(yíng)中比較常見的分析方法了?!?/p>

今天和大家分享一下數(shù)據(jù)分析中比較常用的一個(gè)分析框架:RFM分析。該模型用的很多,說(shuō)明有模型自身的優(yōu)勢(shì);但同時(shí)也存在很多的問(wèn)題。今天和大家一起探討。

一、什么是RFM分析

RFM分析,其實(shí)是一種將用戶分層、進(jìn)而針對(duì)不同用戶群體進(jìn)行精細(xì)化運(yùn)營(yíng)的方法。

RFM的三個(gè)字母,分別代表了一個(gè)維度:

  • R(Recency):最近一次消費(fèi)時(shí)間。反映了用戶最近消費(fèi)的熱度,用以衡量用戶是否流失。理論上,最近一次消費(fèi)時(shí)間越長(zhǎng),流失概率越高
  • F(Frequency):用戶的消費(fèi)頻率。反映了用戶對(duì)于產(chǎn)品、品牌的忠誠(chéng)程度。理論上,一定時(shí)間內(nèi)的購(gòu)買頻率越高,用戶忠誠(chéng)度越高
  • M(Monetary):消費(fèi)金額。反映了用戶的購(gòu)買力。

通常來(lái)講,是針對(duì)每個(gè)維度設(shè)定一個(gè)閾值,將用戶群體劃分為二(高于閾值、低于閾值),三個(gè)維度齊下,則可以將用戶整體劃分為2^3=8個(gè)用戶細(xì)分群。如下圖:

有了用戶的細(xì)分,可以針對(duì)細(xì)分用戶進(jìn)行精細(xì)化的營(yíng)銷。比如針對(duì)【重要價(jià)值客戶】應(yīng)該做好用戶的權(quán)益維系,針對(duì)【重要保持客戶】做好客戶的流失挽回。

關(guān)于模型的大體含義和應(yīng)用價(jià)值,就簡(jiǎn)述一二,詳細(xì)的請(qǐng)繼續(xù)。

二、如何進(jìn)行RFM建模

RFM模型的建立,總結(jié)起來(lái)一般可以分為以下幾步。

1. 關(guān)于原始數(shù)據(jù)

從定義中我們可以看出來(lái),R、F、M其實(shí)都是和消費(fèi)相關(guān)的。因此,關(guān)于RFM模型的搭建,使用的原始數(shù)據(jù)很明確:訂單表交易表。

而且,使用的維度其實(shí)并不需要很復(fù)雜,只要有以下的維度就足夠了:

即我們只要有用戶唯一標(biāo)識(shí)、消費(fèi)時(shí)間、消費(fèi)金額,這三個(gè)字段的明細(xì),就可以來(lái)搭建RFM的分析模型了。

當(dāng)然,對(duì)于原始數(shù)據(jù)有一些數(shù)據(jù)清洗的工作,這里就不贅述了。比如選取的是成交的訂單,而不是下單未支付的;比如選取的是排除大機(jī)構(gòu)的訂單……等等。

2. 三個(gè)維度的加工計(jì)算

基于上面的原始訂單數(shù)據(jù),下一步就是RFM三個(gè)維度的加工。這里面,有很多細(xì)節(jié)的問(wèn)題。

首先,關(guān)于最近一次消費(fèi)時(shí)間的計(jì)算。這個(gè)指標(biāo)的定義比較明確,直接取最近一次消費(fèi)的時(shí)間和當(dāng)前時(shí)間做差就好。

關(guān)于消費(fèi)頻率的計(jì)算,必須有時(shí)間范圍的設(shè)定。那具體是設(shè)置最近一年的消費(fèi)頻率(即購(gòu)買了幾次),還是最近1個(gè)月的消費(fèi)頻率呢?這是有很大差別的。通常來(lái)講,這個(gè)范圍的設(shè)定和分析用戶的行業(yè)有很大關(guān)聯(lián)。比如快消品,統(tǒng)計(jì)用戶的幾個(gè)月的時(shí)間就夠了,但耐消品,顯然不是。統(tǒng)計(jì)一年的,可能用戶都沒(méi)有復(fù)購(gòu)。

關(guān)于消費(fèi)金額。這里和消費(fèi)頻率一樣,也是要有時(shí)間范圍設(shè)定的,道理也是一樣的。確定好了時(shí)間范圍,直接做sum就行,沒(méi)有太多的疑惑。

因此參數(shù)的設(shè)定,沒(méi)有固定的標(biāo)準(zhǔn),要多結(jié)合自己所處的行業(yè)規(guī)律。加工完是這樣的表:

3. 閾值的劃分

加工好了基礎(chǔ)的三個(gè)維度的統(tǒng)計(jì)指標(biāo),接下來(lái)就是進(jìn)行劃分閾值的確定。即確定基于多大的數(shù)值,將每個(gè)維度的用戶進(jìn)行分段劃分。

通常來(lái)講,每個(gè)維度只需要確定一個(gè)閾值即可,這樣可以將總體用戶劃分為8個(gè)分段。但現(xiàn)在還有一種套路是每個(gè)維度劃分為5段,將總體劃分為5^3共計(jì)125個(gè)分層,美其名曰【細(xì)分】。但我個(gè)人是不認(rèn)可的。我覺得RFM分析的重要意義就是用戶細(xì)分的可解釋及可落地性,劃分成125個(gè)用戶群體,你該如何精細(xì)化運(yùn)營(yíng)呢?最終還是要進(jìn)行合并。

OK,我們還是按照正常8分層來(lái)講。我們看到上面的統(tǒng)計(jì)聚合表了,往往分布是下圖的樣子(以R為例):

如何劃分為兩群用戶呢?這時(shí)有很多種不同的方法了。

第一種方法,采取均值的方法。我個(gè)人是不太建議用均值作為閾值的。因?yàn)楝F(xiàn)實(shí)情況經(jīng)常有一些異常值,會(huì)影響均值的計(jì)算。而數(shù)據(jù)清洗的時(shí)候很難都排掉異常。

第二種方法,是采取中位數(shù)(或者其他分位數(shù),比如20%分位)的方法。這種方法直接將排序后的用戶按照數(shù)量進(jìn)行劃分,中位數(shù)可以將人群一分為均等兩份,其他分位數(shù)也可以有合理的業(yè)務(wù)解釋:20%的用戶貢獻(xiàn)了80%的作用,等等。

這種方法個(gè)人覺得比較簡(jiǎn)單易行,比較推薦。

關(guān)于偏態(tài)分布(以右偏為例)下,眾數(shù)、中位數(shù)、均值有以下關(guān)系:

除了用統(tǒng)計(jì)量直接作為閾值外,第三種方法,也是市面上看到比較多的方法,就是打分法。

所謂的打分法,就是先將原始的R、F、M數(shù)值劃分為1~5的分?jǐn)?shù),然后求分?jǐn)?shù)均值,作為劃分閾值。例如下圖:

這種方法吧,挺忙活,又是打分又是求均值的。但我個(gè)人不太建議。一方面,原本只需要計(jì)算一個(gè)閾值就好了,現(xiàn)在需要先劃分成5段,那這5段該怎么劃分才合理呢?其次,這種打分的意義在哪,還增加了計(jì)算復(fù)雜度。

如果是解決異常值或者分布不均的問(wèn)題,用分位數(shù)的方法就好了,我并沒(méi)有太想明白市面上大行其道的打分法的意義在哪。我想到了一種可能,就是打分為了使三個(gè)維度可以在同一量綱上,進(jìn)行衡量,以此可以計(jì)算一個(gè)用戶的綜合RFM得分,進(jìn)行綜合得分的排名。如下圖:

如果是這樣,那我覺得,是不是用打分法就主要依賴于模型目標(biāo)了。若為了劃分為8個(gè)離散的用戶層,就沒(méi)必要打分;若為了求用戶的綜合RFM得分,需要打分。除此之外,我確實(shí)想不到打分的意義了。希望大神指點(diǎn)。

4. 用戶分層計(jì)算

經(jīng)歷了上面不同閾值劃分方法的紛爭(zhēng),下面就比較順暢了,那就是用戶分層的計(jì)算。

這一步比較容易理解,直接根據(jù)定好的三個(gè)閾值,判斷每個(gè)用戶屬于哪個(gè)區(qū)間,然后打標(biāo)即可。不贅述了。

5. 模型優(yōu)化

所謂的模型優(yōu)化,主要還是在于閾值的調(diào)整。

要隨著最終劃分的人群以及相關(guān)的運(yùn)營(yíng)效果、活動(dòng)規(guī)律,調(diào)整閾值的設(shè)定,最終達(dá)到一個(gè)最合理的劃分。

三、RFM模型的優(yōu)缺點(diǎn)

本文開頭也提到了,RFM模型的應(yīng)用廣泛,是有很大優(yōu)點(diǎn)的,但缺點(diǎn)也是不少,現(xiàn)在來(lái)和大家一起探討一下。

1. 模型的優(yōu)點(diǎn)

最大的優(yōu)點(diǎn),應(yīng)該是數(shù)據(jù)的可獲得性。

目前在互聯(lián)網(wǎng)中,基本對(duì)于數(shù)據(jù)的收集做的還是比較完備了,采集了用戶的各種行為數(shù)據(jù)等,可以更好的進(jìn)行用戶打標(biāo)簽、分層的操作。但是在傳統(tǒng)行業(yè)中,沒(méi)有太多的行為數(shù)據(jù),其實(shí)能用的數(shù)據(jù)比較有限。

但是,無(wú)論公司的數(shù)據(jù)做的有多不完備,也一定是有成交數(shù)據(jù)的(除非這個(gè)公司沒(méi)收入……)。只要有成交數(shù)據(jù),就能進(jìn)行RFM的分析,這是最大的優(yōu)勢(shì)。而且,基于成交數(shù)據(jù)做的RFM模型,還是比較有效的。

其次,模型的分層可解釋性強(qiáng)。

其他很多算法模型、機(jī)器學(xué)習(xí)模型,往往通過(guò)聚類進(jìn)行用戶的分層,對(duì)于業(yè)務(wù)來(lái)講,不是很好解釋。但RFM模型分成的8個(gè)用戶類別,是非常好理解的。

2. 模型的缺點(diǎn)

RFM模型其實(shí)是滯后性的分析模型,只有當(dāng)用戶發(fā)生了購(gòu)買行為后,才能進(jìn)行RFM的分析。而且模型的前提假設(shè)就是用戶的前后行為是無(wú)差別的。

另外,使用該模型需要注意的是,不同行業(yè)的應(yīng)用,是有差別的。

最典型的是就是快消品和耐消品的差別。對(duì)于耐消品而言,RFM分析并不是一個(gè)很行之有效的模型。例如冰箱的購(gòu)買,用戶購(gòu)買一臺(tái)冰箱后可能十幾年都沒(méi)有購(gòu)買了,這是沒(méi)辦法用RFM分析的。如果強(qiáng)搬硬套,是沒(méi)有任何意義的。

以上是今天和大家分享的內(nèi)容,歡迎大家繼續(xù)關(guān)注~

 

本文由 @冬至 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。

更多精彩內(nèi)容,請(qǐng)關(guān)注人人都是產(chǎn)品經(jīng)理微信公眾號(hào)或下載App
評(píng)論
評(píng)論請(qǐng)登錄
  1. 第一張圖里的一般挽留客戶的變化特點(diǎn)是錯(cuò)的吧,應(yīng)該是R低F低M低?

    來(lái)自上海 回復(fù)
  2. 打分法是不是可以用數(shù)據(jù)的標(biāo)準(zhǔn)化來(lái)解決,標(biāo)準(zhǔn)化后,數(shù)據(jù)也就是可以相加的同一維度了

    來(lái)自江蘇 回復(fù)
  3. RFM模型一般劃分2-3層級(jí),其中R會(huì)是依據(jù)行業(yè)回購(gòu)經(jīng)驗(yàn)、F依據(jù)中位數(shù)、M依據(jù)二八法則。

    來(lái)自上海 回復(fù)
  4. 您好,請(qǐng)問(wèn)“耐消品”行業(yè)應(yīng)該用什么模型對(duì)用戶進(jìn)行分層呢?求教,盼復(fù)!

    來(lái)自北京 回復(fù)
    1. 耐消品可以在RFM基礎(chǔ)上進(jìn)行「變種」,RFV模型(最近一次交互/登錄、交互/登錄頻次、價(jià)值預(yù)測(cè)),所以考慮到耐消品的消費(fèi)者決策鏈路復(fù)雜(長(zhǎng))、觸點(diǎn)多,一般都是找大數(shù)據(jù)公司搞一套“RFV預(yù)測(cè)模型”,有機(jī)器學(xué)習(xí)的更好了。

      來(lái)自上海 回復(fù)
  5. 你好,如果按照用戶rfm值分箱劃分成125種用戶群體,那其實(shí)是不是也可以將這125種用戶群歸類為常規(guī)的8類用戶類型?在分箱后給用戶打分,打完分這一塊如何應(yīng)用我理解的還不是很清晰。期待您的回答

    來(lái)自廣東 回復(fù)
    1. 打分之后,不會(huì)直接按5*5*5分成125類,一般會(huì)算個(gè)平均分,然后用分值和平均分對(duì)比,分出高和低,最終還是會(huì)回到2*2*2,一共8種分類方法;

      感覺和找到閾值,分成兩類沒(méi)本質(zhì)區(qū)別(樓主也剔除類似疑問(wèn))

      來(lái)自廣東 回復(fù)
专题
14999人已学习12篇文章
CDP,即客户数据平台,是企业用来集中管理和整合客户数据的工具。本专题的文章分享了什么是CDP和如何搭建CDP平台。
专题
42756人已学习21篇文章
优惠券的知识点非常丰富,而且随着运营方式的增多, 不同运营目标所使用的优惠券也是不一样的。
专题
11725人已学习16篇文章
“老板记账”,这个词相信大家都不陌生,其实这个词就等同与我们现在的“消费金融”,就是把钱借给有消费需求的人用于消费,融合场景:消费时选择分期或借一笔钱去直接消费。
专题
14253人已学习13篇文章
本专题的文章分享了小红书营销指南。