引用RFM模型进行会员分析

一、项目概要

1、出现问题

平台近来发现自20年7月起，其销售额一直呈下降趋势，须排查下降原因解决问题。

2、问题排查

3、问题出现在老客身上

上图为商场1-10月销售额折线图，其中：

销售额上升原因：平台4月开始每周有大促；
大促重点：满减和新会员抽奖活动
宣传渠道：外部新媒体推广。针对老会员仅短信和公众号通知.

问题点：

活动单调，老客免疫；
缺乏老客户长期维护计划与精细化营销。

解决方法

会员分析。

二、制定分析计划

三、会员长期维护——RFM模型

1、模型准备

R(recency)：客户最近购买距今天数
F(frequency)：客户最近一段时间购买次数
M(monetary)：客户最近一段时间购买金额

特征向量	值	条件
R	1	当前客户消费时间差<总体客户消费平均时间差
R	0	当前客户消费时间差>总体客户消费平均时间差
F	1	当前客户消费频率>总体客户平均消费频率
F	0	当前客户消费频率<总体客户平均消费频率
M	1	当前客户消费平均金额>总体客户消费平均金额
M	0	当前客户消费平均金额<总体客户消费平均金额

客户分类	客户特征
重要价值客户(111)	最近消费时间近,消费频率和消费金额高,属vip客户
重要发展客户(101)	消费时间近,金额高,但频次一般,忠诚度不够,却有发展潜力
重要保持客户(011)	最近消费时间远,消费频率和消费金额高
重要挽留客户(001)	最近消费时间远,消费频率不高,但消费金额高,属于将要流失或已流失客户,应当急于采取挽留措施
一般价值客户(110)	最近消费时间近,频率高消费金额低,可提高客单价
一般发展客户(100)	最近消费时间近,频率和金额不高,一般多为新客户
一般保持客户(010)	时间远,频率次高,但金额不高
一般挽留客户(000)	都不高,一般多为流失客户

2、数据清理

相关数据：销售明细、会员卡类型。
运用SQL语言输出每个会员的RFM值

select *,
if(avd<dav,1,0) as r,
if(smq>qav,1,0) as f,
if(avs>sav,1,0) as m,
case concat(
if(avd<dav,1,0),
if(smq>qav,1,0),
if(avs>sav,1,0)
)
when '111' then '重要价值客户'
when '101' then '重要发展客户'
when '011' then '重要保持客户'
when '001' then '重要挽留客户'
when '110' then '一般价值客户'
when '100' then '一般发展客户'
when '010' then '一般保持客户'
else '一般挽留客户'
end as '客户价值类型'
from(
select *,
sum(quantity) as smq,
avg(sales) as avs,
datediff(now(),date(max(date))) as avd,
(select avg(sales) from `sale`) as sav,
(select sum(quantity)/COUNT(DISTINCT cardID) from `sale`) as qav,
(select avg(DATEDIFF(now(),date(date))) from `sale`) as dav
from `sale`
group by cardid) as t

3、数据可视化

各类型会员客户数量分析
各类型会员消费金额分析
不同会员卡各类型客户数量分析

总结：
1、存在问题
a.低价值一般客户人数过多，反应前期人数扩张但后期维护未及时跟上；
b.顶级黑钻客户出现了较高比例的价值一般性客户，可能存在一卡多用或会员倒卖的现象，需要重点排查。
2、客户分类措施
a.重要价值客户：倾斜更多资源、VIP服务、个性化服务，附加销售；b.重要保持客户：分析往期消费习惯，进行针对性推荐，打造爆款商品重新赢回客户；c.重要发展客户：开展会员忠诚计划，通过更高等级会员的福利作为激励，促进消费；d.重要挽留客户：重点联系，提高留存率；e.一般价值客户：通过关联销售、捆绑套餐活动，向上销售价格更高产品；f.一般发展客户：提供免费使用，提高客户兴趣，创建品牌知名度，促进复购增加消费；g.一般保持客户和一般挽留客户：几乎流失，可尝试发放大额消费券重新激活，若无回应，可放弃。

四、大促优化

此处直接通过tableau软件分层、集等功能完成可视化;
相关数据：销售明细，品牌明细。

1、会员监控

会员卡数量漏斗图
各会员卡会员流失情况

总结：
1、商场9月以来有效消费会员人数为40890；
2、会员漏斗结构不合理，贵宾卡人数大于积分卡人数，该问题为前期快速扩张导致，后期需要积分卡升级比例，保障会员卡的价值性；
3、各等级会员卡流失率大于市场平均水平（10%）。

2、会员消费偏好

各品类会员消费情况
不同会员卡消费数量TOP3品牌
各会员卡TOP2消费金额区间

总结
1、不同级别的会员，偏好的消费品类和品牌有区别。后续营销时，可根据不同等级会员消费偏好，定向推送其偏好的品类和品牌。比如针对积分卡用户，重点以化妆品类的兰蔻、香奈儿等作为大促主推点；
2、积分卡和贵宾卡会员的消费区间主要落在0-300和500-1000的区间，建议每期大促可针对该二类会员定向推送300元和500元的满减优惠券；钻石卡会员建议大促推送300元和2000元的满减优惠券；黑钻卡会员建议大促推送1000元和2000元的满减优惠券

最后——DASHBOARD

引用RFM模型进行会员分析相关推荐

RFM模型（用户分析）
模型定义 RFM模型是衡量客户价值和客户创利能力的重要工具和手段.在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的.该机械模型通过一个客户的近期购买行为.购买的总体频率以及花了多少 ...
RFM分析：如何进行有效的RFM模型搭建和分析？
本文转自公众号首席数据科学家 RFM分析,是用户精细化运营中比较常见的分析方法了. 今天和大家分享一篇历史文章,内容做了微调.是数据分析中比较常用的一个分析框架:RFM分析.该模型用的很多,说明有模型 ...
python 估值模型_利用RFM模型建模，并通过聚类分析、分类，分别算出8中不同的价值会员...
RFM-Clustering 利用RFM模型建模,并通过聚类分析.分类,分别算出8中不同的价值会员 RFM模型构建会员价值标签 R:最近一次消费(Recency) F:消费频率(Frequency) ...
【python数据运营】Task02 会员RFM模型的学习和运用
文章目录前言 1 RFM模型介绍 2 代码实践 (1) 导入库 (2) 读取数据 (3) 数据审查 (4) 数据预处理,去除缺失值和异常值 (5) 确定RFM划分区间 (6)计算RFM因子权重 (7 ...
如何用EXCEL实现RFM模型分析
FM模型:R(Recency)表示客户最近一次购买的时间有多远,F(Frequency)表示客户在最近一段时间内购买的次数,M (Monetary)表示客户在最近一段时间内购买的金额.一般原始数据为3 ...
rfm模型分析与客户细分_如何使用基于RFM的细分来确定最佳客户
rfm模型分析与客户细分 With some free time at hand in the midst of COVID-19 pandemic, I decided to do pro bono ...
电商用户行为分析与挖掘（MYSQL数据分析+SPSS构建RFM模型）
前言毫不夸张的说在中国除了婴幼儿及七八十以上的老年人,都有过网购经历.电商公司就如雨后春笋般迅速发展.了解用户的网购行为,有助于商家定品类,定营销方案等.利用数据分析与挖掘,争取做到比顾客自己还了解 ...
客户价值和客户创利能力分析（基于改进RFM模型）
业务背景: 1.⽤户价值细分是了解⽤户价值度的重要途径,针对交易数据分析的常⽤模型是 RFM 模型 2.业务对 RFM 的结果要求对⽤户做分组将每个组的⽤户特征概括和总结出来,便于 ...
数据分析常用五个方法三个模型（逻辑分析、多维度拆解、对比分析、假设验证、相关性分析、RFM模型、漏斗分析模型、AARRR模型）
目录一.逻辑树分析法二.多维度拆解分析法三.对比分析法四.假设检验法/归因分析法五. 相关性分析法六. RFM分析模型七. 漏斗分析模型八. AARRR模型一.逻辑树分析法定义:将 ...

引用RFM模型进行会员分析

一、项目概要

1、出现问题

2、问题排查

3、问题出现在老客身上

二、制定分析计划

三、会员长期维护——RFM模型

1、模型准备

2、数据清理

3、数据可视化

四、大促优化

1、会员监控

2、会员消费偏好

最后——DASHBOARD

引用RFM模型进行会员分析相关推荐

最新文章

热门文章