作者詳細(xì)闡述如何在項(xiàng)目中運(yùn)用RFM模型進(jìn)行行為細(xì)分，從而為產(chǎn)品、市場(chǎng)營(yíng)銷和支持投資提供信息。

大約100年多前，MBA項(xiàng)目剛創(chuàng)立不久，梅爾文T.科普蘭教授開始在哈佛商學(xué)院教授營(yíng)銷學(xué)。由于他的前期探索，市場(chǎng)營(yíng)銷已成為商學(xué)中的獨(dú)立學(xué)科。從那以后，商學(xué)院的學(xué)者和市場(chǎng)從業(yè)人員都認(rèn)識(shí)到客戶細(xì)分是增長(zhǎng)的關(guān)鍵。

這很關(guān)鍵，因?yàn)楫?dāng)您細(xì)分客戶時(shí)，您可以定制他們所需產(chǎn)品特性，改變傳遞給客戶的信息，調(diào)整他們所獲得的客戶支持的類型，甚至（更改）定價(jià)。當(dāng)您這樣做時(shí)，可以通過更高的轉(zhuǎn)化率和更高的單位用戶收入來(lái)提高增長(zhǎng)。而且，由于產(chǎn)品、營(yíng)銷和客戶支持花費(fèi)的每一美元對(duì)您來(lái)說回報(bào)更多，因此您可以提高盈利能力。

有時(shí)，人們認(rèn)為良好的細(xì)分過程復(fù)雜且耗時(shí)。以我的經(jīng)驗(yàn)，事實(shí)并非如此。實(shí)際上，僅需幾個(gè)簡(jiǎn)單的想法，您就可以構(gòu)建出色的細(xì)分市場(chǎng)，以指導(dǎo)您的產(chǎn)品，市場(chǎng)營(yíng)銷和客戶支持。

如果您的用戶是日常生活中的人們，您可能會(huì)傾向于根據(jù)人口統(tǒng)計(jì)信息對(duì)他們進(jìn)行細(xì)分 （性別，年齡，收入）。多年來(lái)，這一直是一種常用的方式，流行但懶惰。

基于人口統(tǒng)計(jì)學(xué)的細(xì)分實(shí)際上只是對(duì)他們是誰(shuí)的描述性細(xì)分，而不是根據(jù)他們的行為進(jìn)行的細(xì)分。

對(duì)于消費(fèi)者和企業(yè)用戶而言，行為細(xì)分比描述性細(xì)分更強(qiáng)大。當(dāng)您使用人們的行動(dòng)將他們分門別類時(shí)，您可以在產(chǎn)品、市場(chǎng)營(yíng)銷和客戶支持上的投入-產(chǎn)出之間建立更直接清晰的聯(lián)系。

如果您想在這方面做得更好，則需要做三件事：

1. 收集有關(guān)客戶實(shí)際使用產(chǎn)品或服務(wù)情況的數(shù)據(jù)；
2. 使用一些簡(jiǎn)單的人工和機(jī)器智能方法進(jìn)行分析；
3. 使用咨詢的洞察指導(dǎo)產(chǎn)品，市場(chǎng)營(yíng)銷和客戶支持方面的實(shí)際業(yè)務(wù)決策。

我喜歡的行為細(xì)分包括三個(gè)部分：

1. 第一種方法完全根據(jù)用戶的活動(dòng)對(duì)用戶進(jìn)行排序，它被稱為新近度-頻率-價(jià)值細(xì)分，或簡(jiǎn)稱RFM，它很容易手動(dòng)完成。
2. 第二種方法是基于機(jī)器的方法，稱為K-Means聚類，它可以發(fā)現(xiàn)行為上“最相近”但肉眼無(wú)法識(shí)別的用戶組。
3. 第三順序模式挖掘可以發(fā)現(xiàn)導(dǎo)致高價(jià)值用戶和低價(jià)值用戶形成方式的常見生命周期事件。

策略：R-F-M （Recency-Frequency-Monetary Value）

該技術(shù)是20世紀(jì)中葉在美國(guó)黃頁(yè)業(yè)務(wù)中發(fā)明的，但這在今天同樣有用，它分四個(gè)步驟進(jìn)行：

步驟1：收集數(shù)據(jù)

收集有關(guān)每個(gè)用戶活動(dòng)（每個(gè)實(shí)例都有日期）以及他們產(chǎn)生多少錢的數(shù)據(jù)，用您的判斷來(lái)定義 “活動(dòng)”（一次會(huì)話，一次某個(gè)特定功能的交互或一次購(gòu)買行為）和“金錢”（直接指標(biāo)，例如商品銷售總額，您的直接收益或間接指標(biāo)，他們看到的廣告潛在價(jià)值或攤余訂閱收入）。

步驟2：計(jì)算

為每個(gè)用戶計(jì)算以下各項(xiàng)的度量：

• R-新近度（自上一次活動(dòng)以來(lái)的時(shí)間）；
• F-頻率（活躍的天數(shù)/自注冊(cè)天數(shù)）；
• M-貨幣價(jià)值。

根據(jù)您的判斷，決定是否需要對(duì)F和M進(jìn)行時(shí)間限制（例如，60天而不是整個(gè)生命周期）。

步驟3：排序

將整個(gè)用戶群分為五級(jí)（五個(gè)相等大小的組），通過R度量。我的意思是按R列中的值對(duì)用戶群進(jìn)行排序，將其分為五個(gè)大小相等的組。

為第五分位數(shù)的每個(gè)成員分配“最差” 新近度1；第3個(gè)和第5個(gè)四分位數(shù)4；最后，給具有的五分位數(shù)的每個(gè)成員 “最佳”最新活動(dòng)評(píng)分5——您的用戶現(xiàn)在的R-新近度評(píng)分為1到5。

步驟4：重復(fù)

重復(fù)步驟3：

F-頻率，M-貨幣計(jì)量

1=最低表現(xiàn)-20％，5=最高表現(xiàn)+20％

RFM模型

如何理解您的RFM分?jǐn)?shù)

現(xiàn)在，每個(gè)用戶都被標(biāo)記了三位數(shù)的RFM分?jǐn)?shù)。這些數(shù)字定義了在RFM“空間”中每個(gè)用戶的哪個(gè)位置（由RFM軸定義的5x5x5立方體）。盡管此多維數(shù)據(jù)集中有125個(gè)單元，但這并不意味著您有125個(gè)可操作的細(xì)分用于不同的產(chǎn)品，市場(chǎng)營(yíng)銷或客戶支持。用于產(chǎn)品，市場(chǎng)營(yíng)銷或客戶支持目的的可操作細(xì)分由根據(jù)您的業(yè)務(wù)判斷分組的多個(gè)單元組成。

我保證在創(chuàng)建RFM多維數(shù)據(jù)集之后，您將再也不會(huì)以相同的方式想到用戶。

例如，一家使用RFM的電商App決定其最高價(jià)值用戶群（HVUs）包括5-5-5、5-4-5、5-4-4、5-5-4和4-4-5，僅這五個(gè)單元就占公司總收入的75％以上，他們決定將4-4-4和4-3-4分組為高潛力用戶群（HPUs）。

該公司對(duì)高凈值客戶畫像群體采用社交媒體獲客，對(duì)高潛力用戶群體直接做HVUs喜歡的產(chǎn)品特性營(yíng)銷，對(duì)這兩類客戶群體都加大了客戶支持力度，因?yàn)樗麄儾庞薪?jīng)濟(jì)效益。幾個(gè)月下來(lái)，基于用戶行為的新策略將總收入提高了8倍。

行為細(xì)分+出色的業(yè)務(wù)判斷能力=良好的結(jié)果

RFM模型

您可以自動(dòng)化執(zhí)行此操作，如果愿意，可以每天重新運(yùn)行計(jì)分，對(duì)其進(jìn)行調(diào)整和微調(diào)。無(wú)論您是手動(dòng)還是使用機(jī)器，我都保證您在創(chuàng)建RFM多維數(shù)據(jù)集后永遠(yuǎn)不會(huì)再以相同的方式想到用戶。

它引發(fā)以下問題：

• 我的業(yè)務(wù)集中在高價(jià)值細(xì)分市場(chǎng)上嗎？
• 隨時(shí)間變化邊界區(qū)域的用戶如何（2s，3s，4s）中？
• 我的5s區(qū)域用戶來(lái)自哪？我如何找到更多？
• 我可以讓3s和4s步步高升，并表現(xiàn)得更像5s嗎？
• 我是否在1s和2s上浪費(fèi)時(shí)間？有一些失效的5s嗎？我應(yīng)該進(jìn)行有針對(duì)性的投入后復(fù)盤？
• 為什么我要根據(jù)平均用戶價(jià)值來(lái)限制購(gòu)置支出？為什么不將支出用于我??的高價(jià)值和高潛力（可能會(huì)變成5s的3s和4s）？
• 最重要的問題：我如何才能區(qū)別（產(chǎn)品，營(yíng)銷，支持）對(duì)待它們，以便使它們的價(jià)值最大化？

RFM模型

如果您止步于此，您和99%的企業(yè)對(duì)細(xì)分市場(chǎng)的認(rèn)知如出一轍。

但是正如我的父母總是說： “低門檻是你的機(jī)會(huì)！”

僅憑RFM，您就可以進(jìn)行基于行為的強(qiáng)大細(xì)分市場(chǎng)，從而為產(chǎn)品、市場(chǎng)營(yíng)銷和支持投資提供信息。

作者：邁克爾·迪林 哈里森金屬，早期風(fēng)險(xiǎn)投資公司的創(chuàng)始人；譯者：范大勇，專注企業(yè)數(shù)字化轉(zhuǎn)型

本文由 @企服范大勇 翻譯發(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(lái)自 Unsplash，基于 CC0 協(xié)議