APP推广合作
联系“鸟哥笔记小乔”
够清楚!用户分层与RFM模型可以这么做
2021-08-15

大家好,我是爱学习的小xiong熊妹。


在各类型数据分析中,事前策划分析,是最容易让人摸不着头脑的。经常遇到运营的小伙伴跑来问:“小熊妹,领导让分析分析用户,找找营销机会,这怎么找呀??”


实际上,这种情况也确实很难办。俗话说:“字数越少,问题越大”。


如果在事前策划的时候,领导有很清晰的指示,比如:“对过去一年内累计消费1万元以上,且最近30天都没有登录的用户,每人免费送一个礼品,在登录APP后可领取”那分析就简单多了。只要按照条件,把符合领取资格的人的名单统计出来即可。


但如果没有这么细的要求,甚至只有一句话:分析分析看看。那很有可能我们辛辛苦苦做出来的东西,领导也不满意,最后白费力气。


因此,这个时候最重要的是:做好分类,把每种情况列清楚,然后针对具体情况给出我们的建议。至于领导采不采纳,让他们自己决定。

比如最常见的:“分析分析用户”,我们可以用RFM模型做分类。



RFM模型由三个基础指标组成:


R:最近一次消费至今时间


F:一定时间内重复消费频率


M:一定时间内累计消费金额




RFM模型里,三个变量的含义是很具体的:


M:消费越多,用户价值越高。


R:离得越远,用户越有流失可能。


F:频次越低,越需要用一次性手段(比如促销、赠礼),频次越高,越可以用持续性手段(积分) 来维护



因此RFM能直接从数据推导出行动建议,是一种非常好用的办法。

实例分析

一起来看个具体例子:某个打车出行APP,已按RFM格式,统计好用户数据(如下图,仅为示例数据100条),现领导要求:分析分析用户情况。要怎么分析呢?


够清楚!用户分层与RFM模型可以这么做

第一步

第一步:先看M。区分用户价值是第一位的,先认清谁是大客户,谁是小客户,后边工作思路才清晰。这里只有100个例子,因此可以直接用excel的排序功能。


但假如数据有10000条,再排序一条条看就很不方便了,因此推荐一个通用的分类方法:十等分法。


十等分法背后的原理是:二八定律。相当多的业务,都是消费排名前20%的用户贡献80%的消费。因此可以先把用户按消费高低,分成10组,然后再看每一组的消费占整体比例,找出大客户。具体操作如下图所示


够清楚!用户分层与RFM模型可以这么做

第二步

分好组以后,可以打开数据透视表,看一下每组的消费占比


够清楚!用户分层与RFM模型可以这么做


哇!第一组用户就贡献了40%+的消费,前三组合起来,共30%的用户贡献额74%的消费,真是大客户呢,因此可以分类如下:



第一组:VIP3(最高级VIP)


第二组、第三组:VIP2(每组消费占整体大于10%)


第四、第五组:VIP1(每组消费占整体大于5%,小于10%)


剩下5组:VIP0(单组消费占整体不足5%)



这里可以用一个IF语句,来做好分类(如下图)


够清楚!用户分层与RFM模型可以这么做

第三步

分类完以后可以观察每组的消费门槛在哪里,比如第一组的门槛是798元/月。在运营制定策略的时候,很有可能为了方便,找一个最近的整数。因此可以做一个手动调整,把VIP3的门店改到:一个月内消费800元。类似地,其他门槛也能做同样调整。


调整好了以后,我们已经分离出了大客户/小客户,可以做下一步的分类了。下一步可以做R。谁会一个月打车打几百上千块元呢?可能是有刚需以车代步的人(比如经常出差的白领,有交通费的管理层等等)。


这些人应该一直会有用车需求,我们要防备的,就是他们被别家打车软件勾引走。此时R值就很重要了,如果一个大客户长时间不来,很有可能已经被人挖走了,我们要赶紧挖回来。


那么如何确定R的分类呢?可以直接根据业务特点来定。比如打车,即使再需要坐车的人,也不可能天天出门,因此R值不需要设定的太短,否则天天在人家耳朵边喊:“来坐车来坐车”,也太过度骚扰用户了。


R值可以以周为单位分类。除了十一厂家,一周内有工作日和休息日,因此再迟1周也该来坐车了(如下图)


够清楚!用户分层与RFM模型可以这么做

分好类以后,可以做交叉表,观察不同VIP的客户在R值分布情况(如下图)


够清楚!用户分层与RFM模型可以这么做

看起来,VIP等级越高,R值越小,而VIP0的用户,居然有80%已经2周以上都没来了,要么真的没需求,要么已经流失了。这样,对VIP0的分析建议,也很清楚了:结合天气、节假日、活动等具体场景,给小额优惠,配合单次打车优惠券唤醒用户。



对于很高价值的:掏真金白银,维护好关系


对于很低价值的:定时唤醒,捞回来一个是一个


对于不高不低的,则要区分行为来看。



比如本案例中VIP1型用户,两级分化很明显,一波人很活跃,一波人很沉默,而其消费能力都是差不多的。此时可以有两个基本策略:


针对高活跃的,推出一个捆绑XX天的优惠套餐,锁定后续消费


针对低活跃的,在其沉睡一段时间以后,推出大额激励,拉动二次消费


这样的思路下,F就可以作为参考,从VIP1里,用F值区分出两类人,之后制定具体策略。


够清楚!用户分层与RFM模型可以这么做


当然,以上都是我们的建议,很有可能领导不认同。


比如在领导心中:



频繁用车的大客户都是刚需,所以不要维护了,重点挽留很久没有用过APP的


只用1次以后就再也不来的,不是核心客户,所以不要唤醒了,重点挽留大客户

总结

这些结论,都是基于同一个数据的不同解读,在没有经历过测试之前,没有对错之分。因此领导他老人家高兴就好。作为提供建议的人,我们做好分类,有充足的数据即可。


以上就是一个简单的示例。需要特别提醒的是:很多做运营的小伙伴,脑子里没有啥套路。对于活动、文案、设计的各种玩法甚至还没有小熊妹懂得多。那可不!我可是各大APP薅羊毛高手,光手机号就有5个呢,哼!。


在懂得太少的情况下,就不能把运营上的做法,转化成一个可以分析的数据,也就没法做分析了。


就比如RFM,本身它只是一个计算方法,没有人教过结合到具体场景该怎么分(比如买菜就和打车不一样),因此还是得靠小伙伴们自己多掌握一些方法,结合实际思考,才能解决问题哦。


-END-

码工小熊
分享到朋友圈
收藏
收藏
评分
评论

综合评分:

我的评分

参与评论(0)

评论规则

暂无评论,快来抢沙发吧~
登录后参与评论
发布评论

鸟哥笔记限定畅饮吸管杯600ml
超大容量,让你爱上喝水
2000羽毛
立即兑换
【新品】办公/外出两用静音充电小电扇
办公桌必备小电扇!
2000羽毛
立即兑换
Xinstall 10天会员特权
Xinstall是专业的数据分析服务商,帮企业追踪渠道安装来源、裂变拉新统计、广告流量指导等,广泛应用于广告效果统计、APP地推与CPS/CPA归属统计等方面。
20羽毛
立即兑换
码工小熊
码工小熊
专注于数据结构、数据分析,程序员爱啥我爱啥。
确认要消耗 0羽毛购买
够清楚!用户分层与RFM模型可以这么做吗?
考虑一下
很遗憾,羽毛不足
我知道了

为了促进广大用户对鸟哥笔记网站的干货文章做出更加客观、真实、优质的评论,为其他读者在学习干货时提供参考,特地制定本评论规则。

一、什么样的评论内容会被通过

15字以上的、基于文章内容的优质评论。

二、什么样的评论内容不会被通过

1、15字以下的评论;
2、“已阅”,“1”,“11”,”666”,“学习”,“学习了”等明显划水的内容;
3、重复评论,即在多篇文章下面发布同样的内容;
4、带广告性质的内容(含网址、电话、微信等);
5、评论内容与本文无关的;
6、带诋毁,辱骂,色情,赌博、暴力等不符合社会主义核心价值观的内容,及一切法律法规不允许的内容。

最后,你的评论在审核通过的同时,还可以获得5羽毛的奖励,羽毛可在 "羽毛精选" 兑换各类小礼品哦~

我知道了
恭喜你~答对了
+5羽毛
下一次认真读哦
成功推荐给其他人
+ 10羽毛
评论成功且进入审核!审核通过后,您将获得10羽毛的奖励。分享本文章给好友阅读最高再得15羽毛~
(羽毛可至 "羽毛精选" 兑换礼品)
好友微信扫一扫
复制链接