簡介： 為什么說Quick Audience是集數(shù)據(jù)資產(chǎn)構(gòu)建、用戶分析、精準(zhǔn)營銷投放、跨端社交互動(dòng)和全域會(huì)員管理為一體的全域消費(fèi)者運(yùn)營平臺(tái)，其中一個(gè)很大的原因是置入了經(jīng)典營銷模型，如RFM模型與AIPL模型，由方法論支撐消費(fèi)者運(yùn)營，實(shí)現(xiàn)高效增長與拉新。

背景

在營銷過程中需要思考如何分析數(shù)據(jù)以及如何呈現(xiàn)數(shù)據(jù)，因?yàn)檫@是發(fā)揮數(shù)據(jù)價(jià)值很重要的環(huán)節(jié)。通過數(shù)據(jù)的分析與可視化可以更加直觀的洞察，發(fā)現(xiàn)數(shù)據(jù)背后的價(jià)值，從而輔助業(yè)務(wù)決策，實(shí)現(xiàn)真正的數(shù)據(jù)賦能業(yè)務(wù)。

Quick Audience是集數(shù)據(jù)資產(chǎn)構(gòu)建、用戶分析、精準(zhǔn)營銷投放、跨端社交互動(dòng)和全域會(huì)員管理為一體的全域消費(fèi)者運(yùn)營平臺(tái)。Quick Audience置入了經(jīng)典營銷模型：RFM模型與AIPL模型，由方法論支撐消費(fèi)者運(yùn)營，實(shí)現(xiàn)高效增長與拉新。

RFM模型

RFM模型基本概念：

RFM模型是一種通過客戶的R消費(fèi)間隔（Recency）、F消費(fèi)頻率（Frequency）、M消費(fèi)金額（Monetary）三項(xiàng)指標(biāo)來衡量客戶價(jià)值的手段。

RFM模型對(duì)客戶的三項(xiàng)指標(biāo)的值分別進(jìn)行量化評(píng)分，然后通過單個(gè)客戶的得分與對(duì)比值相比較，得出該客戶在群體中的相對(duì)價(jià)值水平，進(jìn)而綜合三項(xiàng)指標(biāo)將客戶群體劃分為多種類型，從而便于為不同類型的客戶采取有針對(duì)性的運(yùn)營手段。

RFM用戶類型劃分規(guī)則

將用戶的RS、FS、MS得分分別與RS對(duì)比值、FS對(duì)比值、MS對(duì)比值相比較，得出該用戶在群體中的相對(duì)價(jià)值水平：

• 用戶得分大于對(duì)比值，價(jià)值較高。
• 用戶得分小于對(duì)比值，價(jià)值較低。

說明：

RS、FS、MS分別為用戶的消費(fèi)間隔、消費(fèi)頻率、消費(fèi)金額得分。

RS對(duì)比值、FS對(duì)比值、MS對(duì)比值分別為RFM模型中所有用戶的消費(fèi)間隔、消費(fèi)頻率、消費(fèi)金額得分的平均值（即統(tǒng)計(jì)學(xué)中的加權(quán)平均值），或?yàn)樽远x值。

用戶在R、F、M任意一項(xiàng)中的價(jià)值可被分為高、低兩類，綜合R、F、M三項(xiàng)的表現(xiàn)，用戶可被劃分為8種類型，詳細(xì)類型及分類規(guī)則如下表所示。

RFM用戶類型	RS	FS	MS	說明
高價(jià)值客戶	大于等于RS對(duì)比值(高)	大于等于FS對(duì)比值(高)	大于等于MS對(duì)比值(高)	將最近消費(fèi)日期較近、消費(fèi)頻次較高、消費(fèi)金額較高的人群定義為高價(jià)值人群
重點(diǎn)保持客戶	小于RS對(duì)比值(低)	大于等于FS對(duì)比值(高)	大于等于MS對(duì)比值(高)	將最近消費(fèi)日期較遠(yuǎn)，但是消費(fèi)頻次和消費(fèi)金額較高的人群定義為重點(diǎn)保持客戶。
重點(diǎn)發(fā)展客戶	大于等于RS對(duì)比值(高)	小于FS對(duì)比值(低)	大于等于MS對(duì)比值(高)	將最近消費(fèi)日期較近，消費(fèi)金額較高，但是消費(fèi)頻次不高的人群定義為重點(diǎn)發(fā)展客戶。
重點(diǎn)挽留客戶	小于RS對(duì)比值(低)	小于FS對(duì)比值(低)	大于等于MS對(duì)比值(高)	將最近消費(fèi)日期較遠(yuǎn)，消費(fèi)頻次較低，但是消費(fèi)金額較高的人群定義為重點(diǎn)挽留客戶。
一般價(jià)值客戶	大于等于RS對(duì)比值(高)	大于等于FS對(duì)比值(高)	小于MS對(duì)比值(低)	將最近消費(fèi)日期較近，消費(fèi)頻次較高，但是消費(fèi)金額不高的人群定義為一般價(jià)值客戶。
一般保持客戶	小于RS對(duì)比值(低)	大于等于FS對(duì)比值(高)	小于MS對(duì)比值(低)	將最近消費(fèi)日期較遠(yuǎn)，消費(fèi)金額不高，但是消費(fèi)頻次較高的人群定義為一般保持客戶。
一般發(fā)展客戶	大于等于RS對(duì)比值(高)	小于FS對(duì)比值(低)	小于MS對(duì)比值(低)	將最近消費(fèi)日期較近，但是消費(fèi)頻次和消費(fèi)金額不高的人群定義為一般發(fā)展客戶。
潛在客戶	小于RS對(duì)比值(低)	小于FS對(duì)比值(低)	小于MS對(duì)比值(低)	將最近消費(fèi)日期較遠(yuǎn)、消費(fèi)頻次不高、消費(fèi)金額不高的人群定義為潛在客戶。

RFM模型構(gòu)建過程及應(yīng)用：

RFM模型構(gòu)建過程:

RFM模型應(yīng)用：

RFM模型在Quick Audience中，可以用于分析用戶的核心指標(biāo)及用戶的分類占比情況。根據(jù)不同的用戶類型進(jìn)行不同營銷活動(dòng)的投放。

RFM模型交易數(shù)據(jù)分析

核心指標(biāo)

展示交易用戶數(shù)、交易金額、人均交易金額、人均交易頻次的具體數(shù)值及趨勢(shì)圖。在Quick Audience中RFM分析界面效果如下：

RFM用戶構(gòu)成（用戶類型）

根據(jù)RFM模型的用戶分類定義，展示受眾的用戶類型分布情況。在Quick Audience中RFM分析界面效果如下：

?

RFM用戶構(gòu)成（消費(fèi)分布）

根據(jù)用戶的消費(fèi)間隔、消費(fèi)頻率、消費(fèi)金額,展示消費(fèi)潛能分布。在Quick Audience中RFM分析界面效果如下：

?消費(fèi)能力分布（MF-R）：橫坐標(biāo)為F交易頻率，縱坐標(biāo)為M交易金額，點(diǎn)大小為R上次交易間隔。通過MF分布來直觀看到客戶的消費(fèi)能力分布，進(jìn)而通過R的大小來鎖定哪些客戶更為忠誠。點(diǎn)越大，客戶忠誠度越高。

消費(fèi)潛能分布（MR-F）：橫坐標(biāo)為R最近一次交易間隔，縱坐標(biāo)為M交易金額，點(diǎn)大小為F交易頻率。通過MR分布來直觀看到客戶的消費(fèi)潛能情況，進(jìn)而通過F的大小來挖掘更有價(jià)值的客戶。點(diǎn)越大，客戶越有挖掘價(jià)值。

消費(fèi)分布（RF-M）：橫坐標(biāo)為F交易頻率，縱坐標(biāo)為R上次交易間隔，點(diǎn)大小為M交易金額。通過RF分布來直觀看到客戶的消費(fèi)異動(dòng)情況，進(jìn)而通過M的大小來判斷哪些客戶更有必要挽回。點(diǎn)越大，客戶越有必要挽回。

通過上面的分析，可以為相對(duì)應(yīng)的客戶打上客戶特征標(biāo)簽，這樣就可以針對(duì)某類客戶指定不同的營銷策略。

RFM模型構(gòu)建過程中的問題：

1、對(duì)于千萬級(jí)數(shù)據(jù)量的客戶分析數(shù)據(jù)加載過慢

解決方案：在創(chuàng)建RFM模型的時(shí)候進(jìn)行預(yù)計(jì)算，使用模型id作為緩存key。

2、對(duì)于同一個(gè)RFM模型對(duì)于不同的部門權(quán)限的行列級(jí)權(quán)限控制及分析的處理

解決方案：在創(chuàng)建RFM預(yù)計(jì)算和行列級(jí)配置生成sql，根據(jù)sql進(jìn)行md5計(jì)算加上模型id作為緩存key

AIPL模型

AIPL模型基本概念：

AIPL模型是一種將品牌人群資產(chǎn)定量化、鏈路化運(yùn)營的手段。其中：

• A（Awareness）：品牌認(rèn)知人群，一般指與品牌被動(dòng)發(fā)生接觸的人群，例如品牌廣告觸達(dá)和品類詞搜索的人。
• I（Interest）：品牌興趣人群，一般指與品牌主動(dòng)發(fā)生接觸的人群，例如廣告點(diǎn)擊、瀏覽品牌/店鋪主頁、參與品牌互動(dòng)、瀏覽產(chǎn)品詳情頁、品牌詞搜索、領(lǐng)取試用、訂閱/關(guān)注/入會(huì)、加購收藏的人。
• P（Purchase）：品牌購買人群，包括發(fā)生過購買行為的人。
• L（Loyalty）：品牌忠誠人群，例如購買人群中，發(fā)生了復(fù)購行為或?qū)ζ放朴姓嬖u(píng)價(jià)、分享的人。

AIPL模型構(gòu)建過程及應(yīng)用：

AIPL模型在Quick Audience中，將品牌人群劃分為認(rèn)知人群、興趣人群、購買人群、忠誠人群。可以查看消費(fèi)者總數(shù)及消費(fèi)者的變化趨勢(shì)。根據(jù)不同的人群進(jìn)行營銷活動(dòng)投放，及回流的數(shù)據(jù)查看不同人群的營銷效果。

AIPL模型構(gòu)建過程:

?

AIPL模型應(yīng)用：

AIPL用戶分析：

基于計(jì)算基準(zhǔn)日期的認(rèn)知、興趣、購買、忠誠四類用戶的具體人數(shù)，及消費(fèi)者的變化趨勢(shì)。如在Quick Audience中AIPL用戶分析界面效果：

?AIPL流轉(zhuǎn)分析：

用戶數(shù)量

展示認(rèn)知、興趣、購買、忠誠四類用戶在日期區(qū)間結(jié)束時(shí)的用戶數(shù)以及環(huán)比差額。如在如在Quick Audience中AIPL流轉(zhuǎn)界面效果：

在營銷過程中,用戶可根據(jù)不同營銷結(jié)果查看用戶的轉(zhuǎn)換情況。查看每個(gè)等級(jí)用戶的轉(zhuǎn)化情況。

用戶轉(zhuǎn)化

用戶轉(zhuǎn)化量為某一類用戶轉(zhuǎn)換為其他類型用戶的數(shù)量。

以下圖中的認(rèn)知人群為例，用戶轉(zhuǎn)化量為1，代表認(rèn)知人群中有1人轉(zhuǎn)化為興趣、忠誠或購買人群。下圖中，1人轉(zhuǎn)化為興趣。

起始日期的認(rèn)知人數(shù)等于仍保持為認(rèn)知的人數(shù)，加上認(rèn)知的用戶轉(zhuǎn)化量（即從認(rèn)知轉(zhuǎn)化為興趣、忠誠、購買的人數(shù)），再加上認(rèn)知流失的人數(shù)之和。

AIPL模型構(gòu)建過程中的問題：

1、如何防止數(shù)據(jù)量的膨脹減少數(shù)據(jù)的存儲(chǔ)

解決方案：在每天計(jì)算完A、I、P、L的用戶只保持增量數(shù)據(jù)，如第一天有500w的數(shù)據(jù)，第二天有501w的數(shù)據(jù)，其中2w的新增和1w的流失，再原來數(shù)據(jù)的基礎(chǔ)上只有3w數(shù)據(jù)量的變更。

在商業(yè)活動(dòng)中，營銷實(shí)戰(zhàn)沉淀下了多種經(jīng)典的方法論，指導(dǎo)著企業(yè)業(yè)務(wù)的發(fā)展。隨著數(shù)智化進(jìn)程的加快，Quick Audience產(chǎn)品在封裝技術(shù)能力之外，更將方法論融入其中，以幫助企業(yè)更好的利用數(shù)據(jù)，獲取持續(xù)的增長。

原文鏈接

本文為阿里云原創(chuàng)內(nèi)容，未經(jīng)允許不得轉(zhuǎn)載。

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的【产品干货】经典营销模型的产品化介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。