13.Excel业务建模——RFM模型
文章目录
- 1.RFM模型介绍
- 1.1 基本简介
- 1.1.1 最近一次消费R
- 1.1.2 消费频率F
- 1.1.3 消费金额M
- 2.客户分类
- 3.实现步骤
- 4.用户分类模型RFM总结
- 5.分析报告
- 6.案列分析
- 7.商业报告撰写注意点
1.RFM模型介绍
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钱3项指标来描述该客户的价值状况。
1.1 基本简介
根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有3个神奇的要素,这3个要素构成了数据分析最好的指标:
最近一次消费 (Recency)
消费频率 (Frequency)
消费金额 (Monetary)
1.1.1 最近一次消费R
定义
最近一次消费意指上一次购买的时候顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车,或在你的超市买早餐最近的一次是什么时候。
理论上,上一次消费时间越近的顾客应该是比较好的顾客,对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长,只能靠偷取竞争对手的市场占有率,而如果要密切地注意消费者的购买行为,那么最近的一次消费就是营销人员第一个要利用的工具。历史显示,如果我们能让消费者购买,他们就会持续购买。这也就是为什么,0至3个月的顾客收到营销人员的沟通信息多于3至6个月的顾客。
1.1.2 消费频率F
定义
消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客,也是满意度最高的顾客。如果相信品牌及商店忠诚度的话,最常购买的消费者,忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率,由别人的手中赚取营业额。
分类
根据这个指标,我们又把客户分成五等分,这个五等分分析相当于是一个"忠诚度的阶梯"(loyalty ladder),如购买一次的客户为新客户,购买两次的客户为潜力客户,购买三次的客户为老客户,购买四次的客户为成熟客户,购买五次及以上则为忠实客户。其诀窍在于让消费者一直顺着阶梯往上爬,把销售想象成是要将两次购买的顾客往上推成三次购买的顾客,把一次购买者变成两次的。
数据分析
影响复购的核心因素是商品,因此复购不适合做跨类目比较。比如食品类目和美妆类目:食品是属于"半标品",产品的标品化程度越高,客户背叛的难度就越小,越难形成忠实用户;但是相对美妆,食品又属于易耗品,消耗周期短,购买频率高,相对容易产生重复购买,因此跨类目复购并不具有可比性。
1.1.3 消费金额M
消费金额是所有数据库报告的支柱,也可以验证"帕雷托法则"(Pareto’s Law)–公司80%的收入来自20%的顾客。它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍,占公司所有营业额的40%以上。如看累计百分比的那一栏,我们会发现有40%的顾客贡献公司总营业额的80%;而有60%的客户占营业额的90%以上。最右的一栏显示每一等分顾客的平均消费,表现最好的 10%的顾客平均花费1195美元,而最差的10%仅有18美元 。
理论上M值和F值是一样的,都带有时间范围,指的是一段时间(通常是1年)内的消费金额,在工作中我认为对于一般店铺的类目而言,产品的价格带都是比较单一的,比如:同一品牌美妆类,价格浮动范围基本在某个特定消费群的可接受范围内,加上单一品类购买频次不高,所以对于一般店铺而言,M值对客户细分的作用相对较弱。
2.客户分类
根据上面三个指标,我们将客服分为八大类
重要价值用户
重要发展用户
重要保持用户
重要挽留用户
一般价值用户
一般发展用户
一般保持用户
一般挽留用户
3.实现步骤
1.获取R、F、M三个维度下的原始数据
2.定义R、F、M的评估模型与中值
3.进行数据处理,获取R、F、M的值
4.参照评估模型与中值,对用户进行分层
5.针对不同层级用户制定运营策略
4.用户分类模型RFM总结
1结合实际业务选取关键数据指标分析,不是千篇一律的最近一次消费时间、 消费频次、消费金额
2定义R值、F值、 M值数据区间分隔时,发现明显断档数据可以通过散点图、透视表、占比图等进行判断
3对于划分阈值的计算,除了平均值,还有二八法则,对于更加复杂的业务,可以寻求程序员或业务员协助确定。
4除了选取讲解的3个核心业务指标进行交叉分析,也可以同时分析4个、5个指标,或者只需要分析2个指标
5针对不同分层用户的运营策略的制定要结合实际,在制定了运营策略之后,结合公司现有资源和手段开展具体的落地工作。
5.分析报告
从数据中发现经营问题,且数据分析师需要主导分析内容,输出业务问题发现。
由于数据维度的丰富性,使用第一类分析需求思路往往会 卡在第二步, 如果每个维度都尝试下探非常耗时。这
时可以考虑从总体指标入手,逐层分解总体指标,形成下钻式树结构。分析思路如下:
1梳理行业内经常谈及的指标;
2将指标拆解为另外两个指标的和或乘积(或同一指标不同维度) ,逐层下钻,直至无法分解;
3.将指标按拆解思路排放成树状结构,增加同比或环比值,通过观察变化比率快速定位问题。
6.案列分析
背景:新年伊始,某零售商管理层希望查看过去一年公司的整体业绩情况,并定位过去一年的经营问题
目标:希望提供过去一年的业绩报告 ,报告内容完整、思路清晰
交付物形式: PPT
分析思路:
1结合零售业的行业背景,梳理最常用的总体业绩指标:销售额、毛利率、销售量、客单价、来客数,其中销售额更能体现整体经营状况,并且销售额可拆解为会员销售额和非会员销售额的总和,亦或销售量与件单价的乘积,亦或来客数与人均销售额的乘积,故选择销售额作为分析指标的起点;
2找到起点,选择下钻维度:用户分类维度、区域维度或渠道维度等,这里选取用户分类维度,可进一步拆解为销售总额=会员销售额+非会员销售额,同理下面各层依次拆解指标,直至不可拆解结束;
3统计各指标的同比变化率或环比变化率,根据零售业特性,案例选择同比变化率;选择变化率可接受的变化范围,超出此范围强调颜色。
7.商业报告撰写注意点
1.条理清晰
2.论点明确
3.有论必有数,有数必好懂
4.图、表、文字结合
5.减少不必要的主观推测
6.数据结论需准确全面
7.注意报告完整性,要能自上而下讲一个完整的故事
8.虽然是数据报告,但也要注意语气用词过于生硬霸道
9.切勿为了投其所好而弄虚作假
13.Excel业务建模——RFM模型相关推荐
- 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 ...
- 如何落地业务建模(1) 业务建模、DDD
业务建模 解决问题还是定义问题 业务建模首先是一个定义问题的方法,其次才是解决问题的方法.我们很容易理解解决问题带来的价值,但也很容易忽略定义问题的力量.如果问题定义得准确,那么实现起来也不会太复杂: ...
- Excel搭建RFM模型
1.RFM模型 RFM是3个指标的缩写通:过这3个指标对用户分类的方法称为RFM模型. 最近一次消费时间间隔(Recency) 对于最近一次消费时间间隔(R),上一次消费离得越近(R值越小),用户价值 ...
- 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 ...
- 迭代3:UC1,UC2的2.1 业务建模 2.2 UC2用例模型 2.3 UC2补充性规格说明
2019独角兽企业重金招聘Python工程师标准>>> (1) 完成UC1,UC2的2.1 业务建模(分析员完成) 1.业务流程建模 (2) 2.2 UC2用例模型(详述文本) 主成 ...
- 软件模型之业务建模|对象建模
很多时候我们在去客户现场进行业务调研或业务分析时,不能够很好的识别客户的很业务以及有效的业务对象,本章主要围绕如何进行业务对象建模展开讨论 业务对象的概念 业务对象(Business Object): ...
- 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) ...
- 软件模型之业务建模|概述
业务建模又称业务领域建模.业务模型能够帮助人们理解现行业务,也有助于改进现行业务,业务建模也是需求建模和分析建模的基础.业务模型是对业务领域的抽象描述,包括业务愿景模型.涉众模型.业务过程模型.业务对 ...
- 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 ...
最新文章
- ENJOYLink欢联,以独创技术满足数据中心布线
- DIV遮罩层--数据缓冲效果的实现
- Universal Windows Platform(UWP)应用的窗口特性
- ubuntu软件位置(安装位置, 运行文件位置, 缓存位置)
- netty冲突 play sbt_netty4 实现一个断点上传大文件功能
- 什么是java dom_java web--DOM
- Docker教程(三) Docker网络访问和数据管理
- 前端零基础 JS 教学 第六天 06 - 静态实例成员与 Date日期,包装类型,字符串方法...
- nginx linux脚本,控制 nginx shell脚本语言
- 图像识别实战——天气分类
- 解决git clone时报错fatal: HTTP request failed
- 自然语言处理(八)——语言模型性能评价
- 偏微分方程数值解程序设计与实现——数学基础
- 简单明了的网站结构设计呦!
- 恒指赵鑫:07.09今日实盘喊单记录与小结
- (三)lvs负载均衡详解--lvs-DR+keepalived配置
- hadoop kerberos java_hadoop kerberos认证
- 《JavaScript权威指南第7版》第11章 JavaScript标准库
- 人体的神经元有多少个,人体的神经元有多少支
- 被用户满意度坑的经历
热门文章
- ubuntu卡在载入初始化内存盘_Intel傲腾内存揭秘:八路系统可达36TB!
- QT的安装以及测试是否成功
- python分类算法的应用_07-机器学习_(lineage回归分类算法与应用) ---没用
- mysql 有empty_blob()_【原创】操作Blob类型的方法
- linux shell 切割文件,linux shell 将文件按照行数以及顺序拆分成多个文件
- 锁定计算机的mad命令,本次操作由于这台计算机的限制而被取消
- 学校拥有计算机清单和所放位置说明,大学计算机基础期末考试指南(2011)
- Java接口和Java抽象类有什么不同
- JavaScript取出字符串中括号里的内容
- 查看win10版本方法,及win10升级方法