×

RFM模型的思考

96
老邓V
2016.06.12 17:43* 字数 1292

1. 什么是RFM模型

R是Recency,最近一次消费。一般来说,最近一次消费时间越近,说明用户再次消费的可能性越大,因为用户对产品正处在关注中,对产品传递的内容和活动更容易响应。通过这个指标,可以划分出用户的活跃度。

F是Frequency,消费频率。也就是一定时间内的消费次数。通常,用户对产品关顾的次数越多,也就意味着对产品越熟悉,接受度越高。通过这个指标,可以划分出用户的成熟度。

M是Monetary,消费金额。就是一定时间内用户总的消费金额。从这个指标可简单的看出一个用户对产品的贡献度。

2. RFM模型有什么用

可以通过RFM模型将用户划分到不同的象限中,针对不同象限的用户,可以有不同的运营策略。例如,对活跃度不高,但相对成熟的用户,可以定制一些活动进行激活和促活;对活跃度高的新用户,设法保持其消费频率,向成熟度更高的阶段转化;对既活跃又成熟,但贡献度不高的用户,设法引导其进行大额消费……

简单来说,我们以后在做活动的时候,可以做到千人千面。在合适的时候,给合适的人,用合适的方式进行互动和激励。比如,给活跃度高的新用户发代金券,给目前不活跃的老用户推送平台优惠信息,引导贡献度低的成熟用户购买会员卡。这不仅能帮助我们更好的了解用户,还能有效的提高活动运营的ROI。

其二,RFM模型可以作为反作弊系统的参考。例如,可以找出成熟度不高但贡献度极高的用户,说明他在短时间内进行了非正常的大额消费;还可以找出成熟度极高但贡献度不高的用户,他有可能在帮助某些商家刷榜。

3. RFM模型如何建立:

其关键点在于如何划分用户级别,是5天内消费的用户算活跃用户呢,还是10天内?是一个月消费3次的用户是忠诚客户,还是半年内10次?是一个月消费满200元的用户算金牌客户,还是3个月满1000元?

业内某些大师给过些建议,例如通过对以往数据的分析,将用户的复购天数,与对应人数按照3:3:3:1进行切分,就可以得到活跃期、沉默期、睡眠期、流失期用户对应的复购天数。这种算法的出处不得而知,看上去比较科学和客观。但是别忘了,这个需要基于你的产品的历史数据做分析。所以,前提是第一你的产品足够成熟和稳定,第二你的产品已经稳定运营了足够长的时间,各个阶段的用户分布都已形成。否则,刚上线一两个月的产品怎么可能分析出谁是沉睡用户?还在不断做大改版找方向的产品,怎么可能有忠诚用户?

所以,要确定各个维度的参数就很难根据自有数据做判断。如果用数据,也应该是行业内其他成熟产品或权威产品的数据。否则,就要拍脑袋。拍脑袋不是不可以的,一个好的产品经理一定要敢于并善于拍脑袋。这里拍脑袋并不是说毫无根据的瞎拍,例如活跃期、沉默期、睡眠期、流失期的划分,我们可以放在用研的过程中,对采样用户做需求调研的时候,一并做了。如果你的产品做的足够好足够成熟,用户产生需求的频率基本就是活跃的频率,也就是多久会产生一次消费。反之,加入一些其他因素或算法,就可以粗略的得出其他阶段的用户对应的复购天数。成熟度和贡献度的划分方法同样如此。

拍脑袋也罢,有数据支撑也罢,一定要保持对自己所下结论的怀疑,在产品运营过程中不断的查看数据,对参数进行纠偏。没有绝对正确的公式,也没有绝对客观的方法,关键还要看我们能不能合理运用。

日记本
Web note ad 1