13.Excel业务建模——RFM模型
文章目錄
- 1.RFM模型介紹
- 1.1 基本簡介
- 1.1.1 最近一次消費R
- 1.1.2 消費頻率F
- 1.1.3 消費金額M
- 2.客戶分類
- 3.實現步驟
- 4.用戶分類模型RFM總結
- 5.分析報告
- 6.案列分析
- 7.商業報告撰寫注意點
1.RFM模型介紹
RFM模型是衡量客戶價值和客戶創利能力的重要工具和手段。在眾多的客戶關系管理(CRM)的分析模式中,RFM模型是被廣泛提到的。該機械模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢3項指標來描述該客戶的價值狀況。
1.1 基本簡介
根據美國數據庫營銷研究所Arthur Hughes的研究,客戶數據庫中有3個神奇的要素,這3個要素構成了數據分析最好的指標:
最近一次消費 (Recency)
消費頻率 (Frequency)
消費金額 (Monetary)
1.1.1 最近一次消費R
定義
最近一次消費意指上一次購買的時候顧客上一次是幾時來店里、上一次根據哪本郵購目錄購買東西、什么時候買的車,或在你的超市買早餐最近的一次是什么時候。
理論上,上一次消費時間越近的顧客應該是比較好的顧客,對提供即時的商品或是服務也最有可能會有反應。營銷人員若想業績有所成長,只能靠偷取競爭對手的市場占有率,而如果要密切地注意消費者的購買行為,那么最近的一次消費就是營銷人員第一個要利用的工具。歷史顯示,如果我們能讓消費者購買,他們就會持續購買。這也就是為什么,0至3個月的顧客收到營銷人員的溝通信息多于3至6個月的顧客。
1.1.2 消費頻率F
定義
消費頻率是顧客在限定的期間內所購買的次數。我們可以說最常購買的顧客,也是滿意度最高的顧客。如果相信品牌及商店忠誠度的話,最常購買的消費者,忠誠度也就最高。增加顧客購買的次數意味著從競爭對手處偷取市場占有率,由別人的手中賺取營業額。
分類
根據這個指標,我們又把客戶分成五等分,這個五等分分析相當于是一個"忠誠度的階梯"(loyalty ladder),如購買一次的客戶為新客戶,購買兩次的客戶為潛力客戶,購買三次的客戶為老客戶,購買四次的客戶為成熟客戶,購買五次及以上則為忠實客戶。其訣竅在于讓消費者一直順著階梯往上爬,把銷售想象成是要將兩次購買的顧客往上推成三次購買的顧客,把一次購買者變成兩次的。
數據分析
影響復購的核心因素是商品,因此復購不適合做跨類目比較。比如食品類目和美妝類目:食品是屬于"半標品",產品的標品化程度越高,客戶背叛的難度就越小,越難形成忠實用戶;但是相對美妝,食品又屬于易耗品,消耗周期短,購買頻率高,相對容易產生重復購買,因此跨類目復購并不具有可比性。
1.1.3 消費金額M
消費金額是所有數據庫報告的支柱,也可以驗證"帕雷托法則"(Pareto’s Law)–公司80%的收入來自20%的顧客。它顯示出排名前10%的顧客所花費的金額比下一個等級者多出至少2倍,占公司所有營業額的40%以上。如看累計百分比的那一欄,我們會發現有40%的顧客貢獻公司總營業額的80%;而有60%的客戶占營業額的90%以上。最右的一欄顯示每一等分顧客的平均消費,表現最好的 10%的顧客平均花費1195美元,而最差的10%僅有18美元 。
理論上M值和F值是一樣的,都帶有時間范圍,指的是一段時間(通常是1年)內的消費金額,在工作中我認為對于一般店鋪的類目而言,產品的價格帶都是比較單一的,比如:同一品牌美妝類,價格浮動范圍基本在某個特定消費群的可接受范圍內,加上單一品類購買頻次不高,所以對于一般店鋪而言,M值對客戶細分的作用相對較弱。
2.客戶分類
根據上面三個指標,我們將客服分為八大類
重要價值用戶
重要發展用戶
重要保持用戶
重要挽留用戶
一般價值用戶
一般發展用戶
一般保持用戶
一般挽留用戶
3.實現步驟
1.獲取R、F、M三個維度下的原始數據
2.定義R、F、M的評估模型與中值
3.進行數據處理,獲取R、F、M的值
4.參照評估模型與中值,對用戶進行分層
5.針對不同層級用戶制定運營策略
4.用戶分類模型RFM總結
1結合實際業務選取關鍵數據指標分析,不是千篇一律的最近一次消費時間、 消費頻次、消費金額
2定義R值、F值、 M值數據區間分隔時,發現明顯斷檔數據可以通過散點圖、透視表、占比圖等進行判斷
3對于劃分閾值的計算,除了平均值,還有二八法則,對于更加復雜的業務,可以尋求程序員或業務員協助確定。
4除了選取講解的3個核心業務指標進行交叉分析,也可以同時分析4個、5個指標,或者只需要分析2個指標
5針對不同分層用戶的運營策略的制定要結合實際,在制定了運營策略之后,結合公司現有資源和手段開展具體的落地工作。
5.分析報告
從數據中發現經營問題,且數據分析師需要主導分析內容,輸出業務問題發現。
由于數據維度的豐富性,使用第一類分析需求思路往往會 卡在第二步, 如果每個維度都嘗試下探非常耗時。這
時可以考慮從總體指標入手,逐層分解總體指標,形成下鉆式樹結構。分析思路如下:
1梳理行業內經常談及的指標;
2將指標拆解為另外兩個指標的和或乘積(或同一指標不同維度) ,逐層下鉆,直至無法分解;
3.將指標按拆解思路排放成樹狀結構,增加同比或環比值,通過觀察變化比率快速定位問題。
6.案列分析
背景:新年伊始,某零售商管理層希望查看過去一年公司的整體業績情況,并定位過去一年的經營問題
目標:希望提供過去一年的業績報告 ,報告內容完整、思路清晰
交付物形式: PPT
分析思路:
1結合零售業的行業背景,梳理最常用的總體業績指標:銷售額、毛利率、銷售量、客單價、來客數,其中銷售額更能體現整體經營狀況,并且銷售額可拆解為會員銷售額和非會員銷售額的總和,亦或銷售量與件單價的乘積,亦或來客數與人均銷售額的乘積,故選擇銷售額作為分析指標的起點;
2找到起點,選擇下鉆維度:用戶分類維度、區域維度或渠道維度等,這里選取用戶分類維度,可進一步拆解為銷售總額=會員銷售額+非會員銷售額,同理下面各層依次拆解指標,直至不可拆解結束;
3統計各指標的同比變化率或環比變化率,根據零售業特性,案例選擇同比變化率;選擇變化率可接受的變化范圍,超出此范圍強調顏色。
7.商業報告撰寫注意點
1.條理清晰
2.論點明確
3.有論必有數,有數必好懂
4.圖、表、文字結合
5.減少不必要的主觀推測
6.數據結論需準確全面
7.注意報告完整性,要能自上而下講一個完整的故事
8.雖然是數據報告,但也要注意語氣用詞過于生硬霸道
9.切勿為了投其所好而弄虛作假
總結
以上是生活随笔為你收集整理的13.Excel业务建模——RFM模型的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 12. Excel数据可视化看板--动态
- 下一篇: 01.Python基础_菜单_快捷键_基