在進(jìn)行客戶體驗(yàn)管理之前,通過對客戶本身全面、準(zhǔn)確的了解,藉由客戶分群的刻畫,針對不同客群提供與之高度相關(guān)的個(gè)性化體驗(yàn),能夠讓企業(yè)更加聚焦目標(biāo)客戶,有助于推動(dòng)更強(qiáng)的客戶轉(zhuǎn)化。
通過本文,你可以了解到:
- 1、客戶分群的意義
- 2、客戶分群 RFM 模型
- 3、選擇正確的評價(jià)指標(biāo)
- 4、RFM 的評分方式
- 5、RFM 的 8 個(gè)客戶類型
- 6、RFM 新零售案例實(shí)操 — Excel 計(jì)算
- 7、RFM 分析和評價(jià)
- 8、寫在最后
1、客戶分群的意義
目前,客戶分群常用于市場營銷部門,對于體驗(yàn)部門而言雖然分工不同,但目標(biāo)卻是一致的。都是希望找尋到各個(gè)客群的相似性,比如,行為模式、喜好等等。針對不同客群指定不同的策略,為客戶提供”恰當(dāng)?shù)捏w驗(yàn)“。
麥肯錫在研究報(bào)告指出,客戶分群對于提升業(yè)務(wù)收入有正向作用。
這里有一個(gè)案例,一家跨國發(fā)卡機(jī)構(gòu)面臨業(yè)務(wù)增長困難、消費(fèi)者流失率高、早期接觸點(diǎn)客戶忠誠度下降等挑戰(zhàn)。
面對挑戰(zhàn),機(jī)構(gòu)首先根據(jù)客戶行為,進(jìn)行客戶分群,全面調(diào)整客戶體驗(yàn)培訓(xùn)流程。
在分群后的研究中發(fā)現(xiàn)最大價(jià)值的最優(yōu)操作順序,以此設(shè)計(jì)出不同客群個(gè)性化的客戶旅程與互動(dòng)策略。
效果驗(yàn)證以 50 多個(gè)試點(diǎn)為依據(jù),讓每個(gè)客戶細(xì)分養(yǎng)成預(yù)期的行為。通過幾個(gè)禮拜的數(shù)據(jù)反饋,與對照組相比,交易量提升了 6% 。
2、客戶分群 RFM 模型
那么,該如何進(jìn)行有效的客戶分群呢?
RFM 模型是客戶分群及衡量客戶價(jià)值的重要模型之一。最早提出者 — 喬治?卡利南(George Cullinan)指出,在客戶資料庫中有 3 項(xiàng)重要指標(biāo)。
R(Recency)近度 → 客戶最近一次交易時(shí)間的間隔,交易時(shí)間越近的客戶價(jià)值越大。
F(Frequency)頻度 → 客戶在最近一段時(shí)間內(nèi)交易的次數(shù),經(jīng)常購買的客戶也就是熟客,價(jià)值比偶爾來一次的客戶價(jià)值大。
M(Monetary)額度 → 客戶在最近一段時(shí)間內(nèi)交易的金額,通常以客戶單次的平均消費(fèi)金額作為衡量指標(biāo),消費(fèi)越多的客戶價(jià)值越大。
通??蛻舴秩河袃煞N方式:一種是根據(jù)客戶的基本信息,另一種是根據(jù)客戶的行為數(shù)據(jù)。
而 RFM 模型利用的就是客戶的行為數(shù)據(jù)。
3、選擇正確的評價(jià)指標(biāo)
對于電商購物業(yè)務(wù)較為常用上述指標(biāo)進(jìn)行評價(jià),但對于不同行業(yè)、不同的業(yè)務(wù)目標(biāo),進(jìn)行客戶分群的維度會(huì)有所差異。
比如,電子郵件(EDM)營銷依據(jù) RFM 模型,可以劃分為「R = 上次郵件打開的時(shí)間」、「F = 一段時(shí)間內(nèi),郵件打開的次數(shù)」、「M = 一段時(shí)間內(nèi),根據(jù)每個(gè)客戶的獲取成本及利潤等因素估計(jì)的價(jià)值」。
比如,互聯(lián)網(wǎng)社交業(yè)務(wù)依據(jù) RFM 模型,可以劃分為「R = 最近一次登錄時(shí)間」、「F = 一段時(shí)間內(nèi),登錄頻率」、「M = 一段時(shí)間內(nèi),在線時(shí)長」。
選擇正確的指標(biāo),才能得到有效的結(jié)果。
4、RFM 的評分方式
RFM 客群劃分以電商購物業(yè)務(wù)為例,常見的劃分方式有以下 2 種。
1) 依據(jù)行業(yè)規(guī)則劃分
R 指標(biāo)可以依據(jù)間隔天數(shù)分段,如:大于 90 天未購買屬于低價(jià)值,反之為高價(jià)值。F 指標(biāo)可以依購買次數(shù)分段,如:購買小于 2 次屬于低價(jià)值,反之為高價(jià)值。M 指標(biāo)可以依客單價(jià)分段,如:平均客單價(jià)以下屬于低價(jià)值,反之為高價(jià)值。
2) 依據(jù)百分位規(guī)則劃分
這種方式是將數(shù)據(jù)轉(zhuǎn)換成 1~5 分計(jì)分方式,轉(zhuǎn)化后分值越高代表價(jià)值越高,一般可以按 20%/40%/60%/80% 分位數(shù)將數(shù)據(jù)計(jì)為 1~5 分。
計(jì)分方式如下表所示:
R 指標(biāo)是時(shí)間間隔越短越好,所以 <20% 分位數(shù)分值為 5 分。時(shí)間間隔指的是上次消費(fèi)是 5/1,今天是 5/3,則相隔 2 天。F 指標(biāo)是頻次越高越好,所以 >80% 分位數(shù)分值為 5 分。M 指標(biāo)是金額越高越好,所以 >80% 分位數(shù)分值為 5 分。
想要進(jìn)行客戶劃分,還需要把分值進(jìn)行轉(zhuǎn)換。
將 1~5 分值,按分別對應(yīng)的平均值進(jìn)行劃分,劃分為 0 和 1,數(shù)字 0 代表低價(jià)值群體,數(shù)字 1 代表高價(jià)值群體。
計(jì)分方式如下表所示:
5、RFM 的 8 種客戶類型
RFM 模型通過將 3 項(xiàng)行為數(shù)據(jù)指標(biāo)分別作為坐標(biāo)軸的 x,y,z 軸,可以將客戶劃分為 8 種類型客戶,進(jìn)一步指導(dǎo)客戶體驗(yàn)管理的下一步工作。分別是:重要價(jià)值、重要挽留、重要發(fā)展、重要維持、一般價(jià)值、一般挽留、一般發(fā)展和一般保持。
圖片來自《經(jīng)理人月刊 第 187 期》 | Guofu 重繪
R↑F↑M↑:對于一家企業(yè)來說,獲得更多的「重要價(jià)值客戶」是維系企業(yè)健康發(fā)展的源動(dòng)力,客戶體驗(yàn)管理應(yīng)優(yōu)先關(guān)注「重要價(jià)值客戶」的需求點(diǎn)??梢灾贫蛻糁艺\度計(jì)劃,為他們提供相應(yīng)的福利。可以發(fā)送問卷,關(guān)注重視他們的聲音,加強(qiáng)與他們與企業(yè)的關(guān)系。
?? 如果企業(yè)在客戶群體分布中,大多為價(jià)值很低的「一般保持客戶」,那么企業(yè)業(yè)務(wù)會(huì)隨時(shí)有經(jīng)營危機(jī)。
R↓F↑M↑:在過去業(yè)務(wù)發(fā)展過程中,作出過重要貢獻(xiàn)的客戶群,是消費(fèi)頻率和金額都很高的客戶為「重要保持客戶」,但是最近一次消費(fèi)時(shí)間距離現(xiàn)在已經(jīng)很久,企業(yè)需要重新花時(shí)間了解他們目前的需求,以及為什么近期不再消費(fèi)。
R↑F↓M↑:最近剛剛接觸公司并進(jìn)行高額消費(fèi)的客戶群,但是消費(fèi)頻率不高為「重要發(fā)展客戶」。企業(yè)可以嚴(yán)格審視服務(wù)流程的每一個(gè)體驗(yàn)環(huán)節(jié),為他們輸出良好的品牌形象,加深客戶對品牌的印象。
R↓F↓M↑:最近一次消費(fèi)時(shí)間較遠(yuǎn)、消費(fèi)頻率不高,但消費(fèi)金額高的客戶為「重要挽留客戶」。他們對企業(yè)缺乏了解或信任,企業(yè)要主動(dòng)與這類客群進(jìn)行交互,看看有哪些體驗(yàn)不滿意的地方,避免失去這群客戶。
還有對于「一般保持客戶」、「一般發(fā)展客戶」、「一般價(jià)值客戶」、「一般挽留客戶」客群來說,企業(yè)在業(yè)務(wù)上無法為所有的客群都提供高質(zhì)量的體驗(yàn),有”舍”才有”得”。
企業(yè)應(yīng)該專注在核心客群的體驗(yàn)打造,減少重要挽留客戶,活化重要保持客戶,挖掘重要發(fā)展客戶。
6、RFM 新零售案例實(shí)操
RFM 客戶分群會(huì)使用某新零售電商平臺(2021/10–2022/04)訂單真實(shí)數(shù)據(jù)。演示數(shù)據(jù)集已經(jīng)過數(shù)據(jù)脫敏,本數(shù)據(jù)集僅可用于學(xué)習(xí)。
公眾號后臺回復(fù) [RFM] 可獲取案例演示數(shù)據(jù)集- 訂單數(shù)據(jù).xlsx
在觀察此數(shù)據(jù)表時(shí),發(fā)現(xiàn)「訂單號、用戶編號、支付時(shí)間」存在”空值“,這些都是分析中需要使用的欄位,需要對進(jìn)行數(shù)據(jù)填充。另外,為便于計(jì)算,支付時(shí)間需轉(zhuǎn)為匹配的日期格式。
操作步驟如圖所示
數(shù)據(jù)集一共有 8 個(gè)欄位,其中使用 RFM 模型只需用到:訂單號、用戶編號、支付時(shí)間、實(shí)付金額 4 個(gè)欄位。
注意:你們自有原數(shù)據(jù)前處理,需要檢查缺失值、剔除訂單中含已取消/退款訂單數(shù)據(jù)。
下面進(jìn)入 RFM 計(jì)算演示。
步驟 1:
全選原數(shù)據(jù) → 插入/數(shù)據(jù)透視表 → 新工作表。
在數(shù)據(jù)透視表字段中,將[用戶編號]拉入行,將[訂單號]、[實(shí)付金額]、[支付時(shí)間]拉入值。通過設(shè)定[訂單號]計(jì)算方式為”計(jì)數(shù)項(xiàng)“、[實(shí)付金額]]計(jì)算方式為”求和項(xiàng)“、[支付時(shí)間]]計(jì)算方式為”最大值項(xiàng)“,得到以用戶編號進(jìn)行區(qū)分的計(jì)算值。
步驟 2:
將計(jì)算后的數(shù)據(jù)復(fù)制到新工作表,想要得到可用的 RFM 數(shù)據(jù),還需要做一些加工。
對表頭稍加調(diào)整后,由于 R 指標(biāo)需要的值是上次消費(fèi)距離現(xiàn)在的時(shí)間,目前的是最后一次消費(fèi)時(shí)間,需要進(jìn)行再次計(jì)算。
筆者想知道最近消費(fèi)時(shí)間距離 2022/5/12 間隔天數(shù),使用 =$E$2-D2 計(jì)算。
如果你是想知道距離今天為止間隔多少天,可以使用函數(shù) =TODAY()-D2。
在這個(gè)步驟,可以得到用于 RFM 模型客戶分群目標(biāo)數(shù)值。
步驟 3:
基于計(jì)分規(guī)則進(jìn)行 RFM 得分計(jì)算,筆者這里使用的是百分位規(guī)則進(jìn)行數(shù)值轉(zhuǎn)換。
計(jì)分計(jì)算需要使用到 Excel 的多條件判斷 IFS 函數(shù),百分位使用 PERCENTILE 函數(shù),RFM 指標(biāo)計(jì)算依序使用下列算式
=IFS(B2<O21,5,B2<PERCENTILE(B:B,0.4),4,B2<PERCENTILE(B:B,0.6),3,B2<PERCENTILE(B:B,0.8),2,B2>=PERCENTILE(B:B,0.8),1)
=IFS(C2<PERCENTILE(C:C,0.2),1,C2<PERCENTILE(C:C,0.4),2,C2<PERCENTILE(C:C,0.6),3,C2<PERCENTILE(C:C,0.8),4,C2>=PERCENTILE(C:C,0.8),5)
=IFS(D2<PERCENTILE(D:D,0.2),1,D2<PERCENTILE(D:D,0.4),2,D2<PERCENTILE(D:D,0.6),3,D2<PERCENTILE(D:D,0.8),4,D2>=PERCENTILE(D:D,0.8),5)
復(fù)制代碼
通過計(jì)分計(jì)算,可以知道客戶對應(yīng)的代碼值,如 115008 RFM 對應(yīng)的代碼值為 111。這個(gè)代碼值可用于后續(xù)客戶類型匹配。
通過計(jì)分計(jì)算,可以知道客戶對應(yīng)的代碼值,如 115008 RFM 對應(yīng)的代碼值為 111。這個(gè)代碼值可用于后續(xù)客戶類型匹配。
有資料研究表明:對 RFM 模型各變量的指標(biāo)權(quán)重問題,Hughes&Arthur 認(rèn)為 RFM 在衡量一個(gè)問題上的權(quán)重是一致的,因而并沒有給予不同的劃分。筆者在本次演示計(jì)算不涉及 RFM 加權(quán)計(jì)算。
另外,Stone&Bob 通過對信用卡案例的實(shí)證分析,提出了更能適應(yīng)產(chǎn)業(yè)特性的計(jì)算方式。認(rèn)為各個(gè)指標(biāo)的權(quán)重并不相同,在研究中發(fā)現(xiàn)應(yīng)該給予頻度最高,近度次之,額度最低的系數(shù)加權(quán)有助于客戶分群的準(zhǔn)確性。
RFM 權(quán)重: WR=2,WF=3,WM=1
如果需要采用 RFM 加權(quán)計(jì)算,需要與專家和體驗(yàn)管理人員共同進(jìn)行商定,因?yàn)闄?quán)重的系數(shù)會(huì)直接影響客戶分群的表現(xiàn)。
步驟 4:
依據(jù) RFM 得分進(jìn)行指標(biāo)價(jià)值類別劃分,筆者本次劃分以平均值作為基準(zhǔn)值。
價(jià)值類別劃分需要使用到 Excel 的 IF 函數(shù),RFM 價(jià)值類別劃分依序使用下列算式
=IF(F2>=AVERAGE(F:F),"高","低")
=IF(G2>=AVERAGE(G:G),"高","低")
=IF(H2>=AVERAGE(H:H),"高","低")
復(fù)制代碼
通過價(jià)值類別劃分,可以知道客戶對應(yīng)的值,如 115008 RFM 對應(yīng)的價(jià)值類別代號為”低低低“。
步驟 5:
最后通過比對”客戶分群評級表“,對 RFM 價(jià)值類別進(jìn)行最終分群。
RFM 客戶分群對照使用下列算式
=VLOOKUP(I2&J2&K2,$N$2:$O$9,2,FALSE)
依此類推...
復(fù)制代碼
從下圖可以看出,價(jià)值類別代號”低低低“對應(yīng)的分群為「8 一般挽留客戶」、代號”低低高“對應(yīng)的分群為「4 重要挽留客戶」…
到這里,客戶分群的工作算基本完成了。但是基于客戶分群,找到當(dāng)前企業(yè)的客戶結(jié)構(gòu)分布狀況以及該如何應(yīng)對,才是我們需要關(guān)注的重點(diǎn)。
7、RFM 分析和評價(jià)
筆者對該零售電商公司當(dāng)前的客戶結(jié)構(gòu)分布進(jìn)行計(jì)數(shù)和百分比計(jì)算,了解客戶的分布情況。
使用 COUNTIF 函數(shù)進(jìn)行匹配,算式如下 。
=COUNTIF(A:A,"1重要價(jià)值客戶")
依此類推...
復(fù)制代碼
從分布情況可以看出,該零售公司「重要價(jià)值的客戶群」占比近 30%,基本算中等水平,仍需要進(jìn)一步通過體驗(yàn)優(yōu)化,通過“供給創(chuàng)造需求”深挖高凈值客戶的不同需求,可以提高該比例。
另外,「一般保持客戶」群體占比高達(dá) 18% ,需要采取緊急行動(dòng),這類型客戶目前還沒有流失,需要好好把握,要不這部分客戶流失將會(huì)造成大麻煩。
分布情況如下圖所示
體驗(yàn)管理對于不同的客戶群體,可以參照下表的客戶基本特征和行動(dòng)策略進(jìn)行體驗(yàn)優(yōu)化工作。
比如,針對「一般保持客戶」就可以參行動(dòng)策略,利用一些優(yōu)惠吸引客戶再次消費(fèi)。
寫在最后
RFM 模型的核心概念是要在正確的指標(biāo)和合適的評分方式下,應(yīng)對不同階段的體驗(yàn)管理目標(biāo),動(dòng)態(tài)調(diào)整客戶體驗(yàn)管理計(jì)劃。
企業(yè)要想健康可持續(xù)的發(fā)展,需要依賴客戶的長期、有價(jià)的支持。
對于客戶體驗(yàn)管理來說,客戶分群是我們開展工作的第一步,只有對客戶的相關(guān)屬性進(jìn)行歸類,體驗(yàn)管理和提升工作才能有矢放地。
還有,建立健康的客戶結(jié)構(gòu),做好客戶分群劃分,體驗(yàn)部門需要時(shí)刻洞察客戶遷移的動(dòng)態(tài)變化背后的原因。
在面對重要的客戶流失時(shí),客戶體驗(yàn)的著力點(diǎn),應(yīng)在有限的資源的情況下,提出最適的計(jì)劃,積聚最大能量針對關(guān)鍵客群提供最”恰當(dāng)“的體驗(yàn)。
觀察 R、F 的變化,可以推測客戶消費(fèi)的異動(dòng)狀況,根據(jù)客戶流失的可能性,列出客戶,再從 M(消費(fèi)金額)的角度來分析,把重點(diǎn)放在貢獻(xiàn)度高且流失機(jī)會(huì)也高的客戶上,重點(diǎn)拜訪或聯(lián)系,以最有效的方式挽回更多的商機(jī)。
在平穩(wěn)期,應(yīng)從中、低凈值客戶群體切入,將他們培養(yǎng)成忠誠客戶,優(yōu)化客戶結(jié)構(gòu),分散風(fēng)險(xiǎn),擴(kuò)大企業(yè)護(hù)城河。
要知道力往一處使是非常重要的,企業(yè)在激烈的商業(yè)環(huán)境中,成敗往往就在一念之間。
這里有一個(gè)需要特別注意的點(diǎn),凡事需要觸達(dá)客戶的交互,都需要控制好”度“,不能無節(jié)制的對客戶進(jìn)行打擾,應(yīng)該設(shè)計(jì)一個(gè)客戶接觸頻率規(guī)則,確保把打擾控制在一個(gè)合理的閾值。
那么,如果你們公司還沒開始進(jìn)行客戶分群,現(xiàn)在開始動(dòng)手吧!??!相信會(huì)對你的客戶體驗(yàn)管理工作有很大的助益。
本文經(jīng)授權(quán)發(fā)布,不代表增長黑客立場,如若轉(zhuǎn)載,請注明出處:http://gptmaths.com/quan/68753.html