用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

客戶至上,我們都希望服務(wù)好客戶,促進(jìn)銷售轉(zhuǎn)化,最好能對(duì)產(chǎn)品和品牌產(chǎn)生黏性,長(zhǎng)期購(gòu)買。

于是乎市場(chǎng)絞盡腦汁做活動(dòng)、上線新產(chǎn)品、結(jié)合熱點(diǎn)做營(yíng)銷,大燥大熱。銷售不斷電話、拜訪、維系客戶感情。但CRM里躺著的10W個(gè)客戶,鳥(niǎo)你的依舊只有10%。

為什么?因?yàn)椴煌目蛻粝M(fèi)需求不一樣:低消費(fèi)群體對(duì)價(jià)格敏感,老客戶對(duì)新品感到興奮,有些客戶只圖基本需求。大包大攬的營(yíng)銷,無(wú)感的依舊無(wú)感,活躍的仍就幾個(gè)。

至此,大家可能多多少少可以體會(huì)到需要“精細(xì)化運(yùn)營(yíng)”了。在面向客戶制定產(chǎn)品運(yùn)營(yíng)策略、營(yíng)銷策略時(shí),我們應(yīng)當(dāng)針對(duì)不同的客戶推行不同的策略,實(shí)現(xiàn)精準(zhǔn)化運(yùn)營(yíng),以期獲取最大的轉(zhuǎn)化率。精準(zhǔn)化運(yùn)營(yíng)的前提是客戶關(guān)系管理,而客戶關(guān)系管理的核心是客戶分類。

RFM模型是客戶價(jià)值管理里的“明星模型”。通過(guò)客戶分類,對(duì)客戶群體進(jìn)行細(xì)分,區(qū)別出低價(jià)值客戶、高價(jià)值客戶,對(duì)不同的客戶群體開(kāi)展不同的個(gè)性化服務(wù),將有限的資源合理地分配給不同價(jià)值的客戶,實(shí)現(xiàn)效益最大化。

再者,本著“市場(chǎng)預(yù)算透出產(chǎn)出比最高”的原則,其實(shí)我們不需要向所有客戶群體進(jìn)行邀請(qǐng),根據(jù)二八定律,我們只需要對(duì)20%的目標(biāo)優(yōu)質(zhì)客戶銷售,就能獲取80%的收益。

很自然地,這就需要我們?nèi)チ私馕覀儍?yōu)質(zhì)的客戶有哪些。但是如何判別優(yōu)質(zhì)客戶呢,評(píng)價(jià)的數(shù)據(jù)指標(biāo)是什么,大小又如何衡量?

通過(guò)本文,你能夠理解和學(xué)會(huì)RFM模型的基礎(chǔ)知識(shí),并且手把手教你用BI工具搭建RFM分析模型。

內(nèi)容大綱

1、RFM客戶價(jià)值模型的強(qiáng)大之處

  • RFM模型為什么能成為客戶價(jià)值管理里的“明星模型”?
  • RFM模型能夠解決哪些業(yè)務(wù)問(wèn)題?
  • RFM模型應(yīng)用的典型案例
  • RFM模型能夠應(yīng)用在以下行業(yè)領(lǐng)域和細(xì)分場(chǎng)景
  • 搭建RFM需要哪些基礎(chǔ)數(shù)據(jù)?

2、利用FineBI搭建RFM模型

  • 原始數(shù)據(jù)
  • RFM分箱
  • 用戶分類

3、RFM模型可視化DashBoard及應(yīng)用

4、RFM模型的擴(kuò)展

RFM客戶價(jià)值模型的強(qiáng)大之處

在深度認(rèn)識(shí)前,先來(lái)直觀認(rèn)識(shí)下這個(gè)場(chǎng)景能夠?yàn)槟銕?lái)什么?

RFM模型為什么能成為客戶價(jià)值管理里的“明星模型”?

  • 它很客觀 – 利用客觀的數(shù)字尺度,對(duì)客戶進(jìn)行簡(jiǎn)明而翔實(shí)的高水平描述。
  • 它很簡(jiǎn)單 – 只需要客戶的消費(fèi)時(shí)間和消費(fèi)金額兩個(gè)字段,業(yè)務(wù)人員就可以在不需要信息部門或復(fù)雜軟件的情況下就能有效使用它。
  • 它很直觀 – 這種分割方法的輸出很容易理解和解釋。

RFM模型能夠輕松地解答你業(yè)務(wù)上的這些問(wèn)題

  • 誰(shuí)是我最好的客戶?
  • 哪些客戶正處于流失的邊緣?
  • 誰(shuí)有可能轉(zhuǎn)化為更有利可圖的客戶?
  • 誰(shuí)是你不需要關(guān)注的無(wú)價(jià)值客戶?
  • 你必須保留哪些客戶?
  • 誰(shuí)是你的忠實(shí)客戶?
  • 哪些客戶最有可能對(duì)當(dāng)前的營(yíng)銷動(dòng)作做出回應(yīng)?

RFM模型教給你的那些典型業(yè)務(wù)決策

客戶價(jià)值有幾種常用的分類規(guī)則,6種、8種和11種, 下面講述最為常見(jiàn)的8類分類法及對(duì)應(yīng)的典型業(yè)務(wù)決策。話不多說(shuō),直接上干貨。收藏保一年系列,表格列得十分清楚。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

加粗的是更值得我們關(guān)注的客戶群體,不過(guò)不同的企業(yè)重點(diǎn)關(guān)心的客戶群可能不同,所以對(duì)應(yīng)的業(yè)務(wù)決策也不是絕對(duì)的。

RFM模型能夠應(yīng)用在以下行業(yè)領(lǐng)域和細(xì)分場(chǎng)景

互聯(lián)網(wǎng)、零售、電商、通信、 銀行、旅游、餐飲、 交通運(yùn)輸、保險(xiǎn)、證券、 基金、醫(yī)藥、采購(gòu)/供應(yīng)商評(píng)估……

這么經(jīng)典的模型,搭建RFM需要什么?

3個(gè)數(shù)據(jù)庫(kù)的原始字段記錄:客戶名稱(或者客戶ID/客戶電話/客戶郵箱)、消費(fèi)時(shí)間、消費(fèi)金額。

進(jìn)而整理出4個(gè)字段:

  • 客戶名稱
  • 近度(Recency,最近一次消費(fèi)到當(dāng)前的時(shí)間間隔)
  • 頻度(Frequency,最近一段時(shí)間內(nèi)的消費(fèi)次數(shù))
  • 額度(Monetory,最近一段時(shí)間內(nèi)的消費(fèi)金額總額/均額)。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

利用FineBI搭建RFM模型

RFM搭建的原理很簡(jiǎn)單,用Excel就能搭建。但是用Excel需要寫很多函數(shù)和代碼,過(guò)程相對(duì)復(fù)雜。近幾年,不少數(shù)據(jù)分析師已經(jīng)開(kāi)始用BI可視化工具來(lái)搭建這樣的分析模型。

在這里推薦一個(gè)BI工具——FineBI。FineBI是一個(gè)能快速洽搭建各種業(yè)務(wù)模型的自助式分析平臺(tái),企業(yè)級(jí)商業(yè)分析工具,常用于各種業(yè)務(wù)的數(shù)據(jù)分析。圖表美觀、上手簡(jiǎn)單,搭建模型也不需要很專業(yè)的數(shù)據(jù)挖掘技能??梢詭椭鷺I(yè)務(wù)人員用系統(tǒng)化的方法來(lái)規(guī)劃、執(zhí)行、測(cè)量和優(yōu)化一個(gè)完整的、高度個(gè)性化的客戶需求管理計(jì)劃。

下面用FineBI為工具,手把手教給大家搭建RFM模型的過(guò)程。

原始數(shù)據(jù)

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

如圖,通過(guò)客戶名稱、消費(fèi)時(shí)間、消費(fèi)金額來(lái)處理出上次交易間隔R、交易頻率F、交易金額M三個(gè)原始字段。

RFM分箱

給記錄增加R、F、M三個(gè)字段,給這三個(gè)分級(jí)字段設(shè)定打分規(guī)則,然后分別算出三個(gè)字段值的過(guò)程,就叫分箱。

首先是打分級(jí)別,即可以把數(shù)據(jù)分成幾層,通常為5的倍數(shù)級(jí)別,可以根據(jù)自己客戶體量來(lái)調(diào)整;其次是具體打分規(guī)則,有兩種:

  • 簡(jiǎn)單的固定范圍

如果有人在過(guò)去24小時(shí)內(nèi)購(gòu)買過(guò),則將其分配5,在過(guò)去3天內(nèi),對(duì)其進(jìn)行評(píng)分4,如果他們?cè)诒驹聝?nèi)購(gòu)買,則分配3,過(guò)去6個(gè)月內(nèi)分配2,其他人為1。范圍的閾值取決于業(yè)務(wù)的性質(zhì),由你自己定義頻率和貨幣值的范圍,更多的適用于對(duì)個(gè)人的客戶。但是對(duì)于RFM分?jǐn)?shù)的固定周期/范圍計(jì)算存在挑戰(zhàn),因?yàn)殡S著業(yè)務(wù)的增長(zhǎng),分?jǐn)?shù)范圍可能需要經(jīng)常進(jìn)行調(diào)整。

  • 按層次分級(jí)(AHQ分級(jí))

如果數(shù)據(jù)飽滿并且數(shù)據(jù)質(zhì)量不錯(cuò)的話,更推薦這種分級(jí)方法,即把所有記錄按照從小到大排序,然后按照大小的位置來(lái)給分。因?yàn)榉秶菑臄?shù)據(jù)本身中挑選出來(lái)的,它們均勻分配客戶并且沒(méi)有跨越等級(jí)。

這里以簡(jiǎn)單的固定范圍為例,來(lái)演示下用FineBI給R、F、M值分箱的過(guò)程,基本只要鼠標(biāo)點(diǎn)擊就能完成。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

用戶分類

各個(gè)記錄有了對(duì)應(yīng)的R、F、M的值后,接下來(lái)需要對(duì)各記錄的R、F、M值具體判斷處在所有記錄中的水平高低。

  • 1.計(jì)算參考值

要判斷水平高低肯定要有一個(gè)判斷標(biāo)準(zhǔn),可以是R、F、M的平均值/中位數(shù)/以標(biāo)準(zhǔn)差校正后的值。這里以平均值為例,同樣地,在FineBI也只要拖拉就可以計(jì)算出平均值。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

  • 2. 和參考值比較

和計(jì)算出的參考值進(jìn)行比較,判斷每個(gè)客戶的得分是高于平均分還是不高于(低于等于)平均分,對(duì)應(yīng)賦值為1和0表示。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

  • 3.根據(jù)和參考值比較結(jié)果進(jìn)行用戶分類

最終根據(jù)上述比較就會(huì)得到8個(gè)分類的結(jié)果(R2種結(jié)果*F2種結(jié)果*M2種結(jié)果=8),即按照下列分類規(guī)則對(duì)用戶進(jìn)行分類。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

以”重要價(jià)值客戶“為例,是R、F、M都大于均值的客戶,其它同理。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

最終大功告成,得到下面RFM客戶細(xì)分模型結(jié)果。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

RFM模型可視化DashBoard及應(yīng)用

進(jìn)一步應(yīng)用RFM模型對(duì)客戶進(jìn)行細(xì)分的結(jié)果,可以開(kāi)發(fā)出許多可視化數(shù)據(jù)分析模板。來(lái)通過(guò)一張相當(dāng)經(jīng)典的DashBoard來(lái)簡(jiǎn)要分析下RFM模型的具體應(yīng)用。

用FineBI搭建RFM客戶價(jià)值模型,讓客戶和銷量 “黑客增長(zhǎng)”

1.矩形樹(shù)圖-客戶價(jià)值分類:是整個(gè)RFM模型的核心,直觀顯示了8個(gè)客戶群的人數(shù)及占比,可以聯(lián)動(dòng)到其它組件來(lái)查看具體某客戶群下的情況。

2.試管型儀表盤-客戶類型人數(shù):顯示各客戶類型的具體人數(shù)

3.餅圖-交易金額組成:由于我們最關(guān)心的是各客戶群的價(jià)值貢獻(xiàn),所以研究不同人群的交易金額占比,可以得到哪個(gè)人群的貢獻(xiàn)值較大,對(duì)于我們的價(jià)值更大。

4.點(diǎn)圖-MF-R分布: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(guò)MF分布來(lái)直觀看到客戶的消費(fèi)能力分布,進(jìn)而通過(guò)R的大小來(lái)鎖定哪些客戶更為忠誠(chéng)。

5.點(diǎn)圖-RF-M分布: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(guò)RF分布來(lái)直觀看到客戶的消費(fèi)異動(dòng)情況,進(jìn)而通過(guò)M的大小來(lái)判斷哪些客戶更有必要挽回。

6.點(diǎn)圖-MR-F分布:橫坐標(biāo)為M交易金額,縱坐標(biāo)為R上次交易間隔,點(diǎn)大小為F交易頻率。通過(guò)MR分布來(lái)直觀看到客戶的消費(fèi)潛能情況,進(jìn)而通過(guò)F的大小來(lái)挖掘更有價(jià)值的客戶。

7.分組表-交易明細(xì):顯示各客戶類型下的客戶交易明細(xì)。

這個(gè)DashBoard可以快速鎖定我們關(guān)心的客戶群體,確定他們的具體特征及名單。最后只要根據(jù)這個(gè)分析的結(jié)果來(lái)采取針對(duì)性的業(yè)務(wù)決策。

具體常用的業(yè)務(wù)決策可以參見(jiàn)上述“RFM模型教給你的那些典型業(yè)務(wù)決策”。

RFM模型的擴(kuò)展

RFM模型是對(duì)客戶細(xì)分的直接而強(qiáng)大的方法。但是,RFM模型只考慮三個(gè)具體因素(盡管重要的因素)也就意味著該方法可能會(huì)排除同等或更重要的其他變量(例如購(gòu)買的產(chǎn)品,之前的活動(dòng)響應(yīng),人口統(tǒng)計(jì)信息)。

同時(shí),RFM營(yíng)銷本質(zhì)上是一種歷史方法:它研究過(guò)去的客戶行為,這些行為可能會(huì)或可能不會(huì)準(zhǔn)確地表明未來(lái)的活動(dòng),偏好和反應(yīng)。更先進(jìn)的客戶細(xì)分技術(shù)基于數(shù)據(jù)預(yù)測(cè)分析技術(shù),這些技術(shù)在預(yù)測(cè)未來(lái)客戶行為時(shí)往往更為準(zhǔn)確。

RFM是量化客戶行為的簡(jiǎn)單框架。許多人已經(jīng)擴(kuò)展了RFM模型進(jìn)行了變體:

RFD(近度,頻度,持續(xù)時(shí)間) – 此處所用時(shí)間是花費(fèi)的時(shí)間。在分析觀眾/讀者/沖浪導(dǎo)向產(chǎn)品的消費(fèi)者行為時(shí)特別有用。

RFE(近度,頻度,參與度) – 參與度可以是基于頁(yè)面上的時(shí)間,每次訪問(wèn)的頁(yè)面,跳出率,社交媒體參與度等綜合價(jià)值,對(duì)于在線業(yè)務(wù)尤其有用。

寫在最后

RFM客戶價(jià)值模型是一種有著幾十年發(fā)展和應(yīng)用的業(yè)務(wù)分析模型,實(shí)際上的R、F、M在進(jìn)行計(jì)算時(shí),還要進(jìn)行歸一化和標(biāo)準(zhǔn)化的處理。這些都是傳統(tǒng)典型的RFM模型,盡管現(xiàn)在依舊在被廣泛地使用,不過(guò)在發(fā)展到最新的RFM模型中,分箱和客戶分類的過(guò)程都可以由工具自動(dòng)完成,F(xiàn)ineBI 5.0的數(shù)據(jù)挖掘功能也很好地支持了客戶聚類分類的功能,接洽RFM模型的自動(dòng)搭建,這些技術(shù)在對(duì)客戶細(xì)分特征時(shí)更為準(zhǔn)確。

文:唐興強(qiáng)@帆軟數(shù)據(jù)應(yīng)用研究院(fr_research)

首席增長(zhǎng)官CGO薦讀:

京東的會(huì)員會(huì)員體系:通過(guò)「京享值」的用戶精細(xì)化運(yùn)營(yíng)
只有“不安分”,才能做增長(zhǎng)黑客時(shí)代的優(yōu)秀市場(chǎng)營(yíng)銷人
打造一支義工精銳之師,撬動(dòng)產(chǎn)品增長(zhǎng)

更多精彩,關(guān)注:增長(zhǎng)黑客(GrowthHK.cn)

增長(zhǎng)黑客(Growth Hacker)是依靠技術(shù)和數(shù)據(jù)來(lái)達(dá)成各種營(yíng)銷目標(biāo)的新型團(tuán)隊(duì)角色。從單線思維者時(shí)常忽略的角度和高度,梳理整合產(chǎn)品發(fā)展的因素,實(shí)現(xiàn)低成本甚至零成本帶來(lái)的有效增長(zhǎng)…

本文經(jīng)授權(quán)發(fā)布,不代表增長(zhǎng)黑客立場(chǎng),如若轉(zhuǎn)載,請(qǐng)注明出處:http://gptmaths.com/quan/11760.html

(0)
打賞 微信掃一掃 微信掃一掃 支付寶掃一掃 支付寶掃一掃
上一篇 2018-06-21 13:52
下一篇 2018-06-21 21:25

增長(zhǎng)黑客Growthhk.cn薦讀更多>>

發(fā)表回復(fù)

登錄后才能評(píng)論