來(lái)源|接地氣的陳老師
很多同學(xué)表示想看RFM，今天它來(lái)了。RFM是很傳統(tǒng)的數(shù)據(jù)分析模型，幾乎所有文章都會(huì)提到它，然而市面上流傳的各種亂用、錯(cuò)用也非常多。今天我們系統(tǒng)講一下。
1 RFM基本原理
RFM是三個(gè)單詞的縮寫：
最近一次消費(fèi)時(shí)間 (Recency)，取數(shù)的時(shí)候一般取最近一次消費(fèi)記錄到當(dāng)前時(shí)間的間隔，比如7天、30天、90天未到店消費(fèi)。直觀上，一個(gè)用戶太久不到店消費(fèi)，肯定是有問(wèn)題，得做點(diǎn)什么事情。很多公司的用戶喚醒機(jī)制都是基于這個(gè)制定的。
一定時(shí)間內(nèi)消費(fèi)頻率 (Frequency)，取數(shù)時(shí)，一般是取一個(gè)時(shí)間段內(nèi)用戶消費(fèi)頻率。比如一年內(nèi)有多少個(gè)月消費(fèi)，一個(gè)月內(nèi)有多少天到店等等。直觀上，用戶消費(fèi)頻率越高越忠誠(chéng)。很多公司的用戶激勵(lì)機(jī)制都是基于這個(gè)制定的，買了一次還想讓人家買第二次。
一定時(shí)間內(nèi)累計(jì)消費(fèi)金額(Monetary) ，取數(shù)時(shí)，一般是取一個(gè)時(shí)間段內(nèi)用戶消費(fèi)金額。比如一年內(nèi)有多少消費(fèi)金額。直觀上，用戶買的越多價(jià)值就越大。很多公司的VIP機(jī)制是基于這個(gè)指定的，滿10000銀卡，滿20000金卡一類。
所以，即使單獨(dú)看這三個(gè)維度，都是很有意義的。當(dāng)然，也有把三個(gè)維度交叉起來(lái)看的（如下圖）。
因?yàn)镽FM與時(shí)間有關(guān)，因此很多同學(xué)在取數(shù)的時(shí)候會(huì)糾結(jié)時(shí)間怎么分。嚴(yán)格來(lái)說(shuō)，越柴米油鹽，消費(fèi)頻次本身越高的業(yè)務(wù)，取的時(shí)間應(yīng)該越短。最典型的就是生鮮，人天天都要吃飯，7天不來(lái)可能就有問(wèn)題。普通的快消品零售可能取30天，類似服裝百貨零售可能取90天。
當(dāng)然，更多的做法是按月取。比如R按月取，F(xiàn)、M算最近一年內(nèi)的數(shù)值。這樣做單純是因?yàn)楸容^方便理解而已。
RFM本質(zhì)上是一種用三個(gè)分類維度，找判斷標(biāo)準(zhǔn)方法。通過(guò)三個(gè)維度的組合計(jì)算，能判定出用戶的好壞，然后采取對(duì)應(yīng)措施。
RFM的真正意義，在于：這是一種從交易數(shù)據(jù)反推用戶價(jià)值的方法，因此可行性非常高！要知道：做數(shù)據(jù)分析的最大瓶頸是數(shù)據(jù)采集，而只要是個(gè)正常企業(yè)，交易數(shù)據(jù)是肯定有的。
因此只要企業(yè)建立了用戶ID統(tǒng)一認(rèn)證機(jī)制，就能將用戶ID與交易數(shù)據(jù)關(guān)聯(lián)起來(lái)，就能用RFM來(lái)分析用戶了。即使沒(méi)有埋點(diǎn)、沒(méi)有網(wǎng)站、沒(méi)有基礎(chǔ)信息也能做，簡(jiǎn)直是方便好用的神器。
當(dāng)然，所有方便好用的工具，都自帶一些不足，RFM模型也是如此。
2 RFM的最大短板
RFM最大的短板，在于用戶ID統(tǒng)一認(rèn)證。不要小看這幾個(gè)字，在相當(dāng)多的企業(yè)里非常難實(shí)現(xiàn)。比如你去超市、連鎖店、門店買東西，往往收銀小妹會(huì)機(jī)械的問(wèn)一句：有會(huì)員卡嗎？如果回答沒(méi)有，她也放你過(guò)去了。導(dǎo)致的結(jié)果，是線下門店的訂單，一般有70%-90%無(wú)法關(guān)聯(lián)到用戶ID，進(jìn)而導(dǎo)致整個(gè)用戶數(shù)據(jù)是嚴(yán)重缺失的，直接套R(shí)FM很容易誤判用戶行為。
至于用戶一人多張會(huì)員卡輪流薅羊毛，多個(gè)用戶共同一張VIP卡拿最大折扣，店員自己用親戚的卡把無(wú)ID訂單的羊毛給薅了之類的事，更是層出不窮，而且在實(shí)體企業(yè)、互聯(lián)網(wǎng)企業(yè)都普遍存在。
所以做RFM模型的時(shí)候，如果你真看到111類用戶，別高興太早，十有八九是有問(wèn)題的?，F(xiàn)在的企業(yè)往往在天貓、京東、自有微商城、有贊等幾個(gè)平臺(tái)同時(shí)運(yùn)作，更加大了統(tǒng)一認(rèn)證的難度。如果沒(méi)有規(guī)劃好，很容易陷入無(wú)窮無(wú)盡的補(bǔ)貼大坑。
3 RFM的深層問(wèn)題
即使做好了用戶ID統(tǒng)一認(rèn)證，RFM還有一個(gè)更深層的問(wèn)題。
讓我們回顧一下，RFM模型的三個(gè)基本假設(shè)：
R：用戶離得越久就越有流失風(fēng)險(xiǎn)
F：用戶頻次越高越忠誠(chéng)
M：用戶買的越多越有價(jià)值
反問(wèn)一句：這三個(gè)假設(shè)成立嗎？如果不結(jié)合具體行業(yè)、具體產(chǎn)品、具體活動(dòng)來(lái)看，似乎是成立的。但是一旦具體討論就會(huì)發(fā)現(xiàn)：很多場(chǎng)景不滿足這三個(gè)假設(shè)。因此：?jiǎn)渭冎vRFM，不結(jié)合產(chǎn)品、活動(dòng)，是很容易出BUG的。
R：用戶離得越久就越有流失風(fēng)險(xiǎn)
如果是服裝這種季節(jié)性消費(fèi)，用戶間隔2-3個(gè)月是很正常
如果是手機(jī)、平板這種新品驅(qū)動(dòng)產(chǎn)品，間隔時(shí)間基本跟著產(chǎn)品更新周期走
如果是家居、住房、汽車這種大件耐用品，R就沒(méi)啥意義，用戶一輩子就買2次
如果是預(yù)付費(fèi)，后刷卡的模式，R就不存在了，需要用核銷數(shù)據(jù)代替
所以R不見得就代表著用戶有流失風(fēng)險(xiǎn)，特別是現(xiàn)在有了埋點(diǎn)數(shù)據(jù)以后，用戶互動(dòng)行為更能說(shuō)明問(wèn)題。
F：用戶頻次越高越忠誠(chéng)
如果用戶消費(fèi)是事件驅(qū)動(dòng)的，比如賽事、節(jié)假日、生日、周末……
如果用戶消費(fèi)是活動(dòng)驅(qū)動(dòng)的，比如啥時(shí)候有優(yōu)惠啥時(shí)候買……
如果用戶消費(fèi)是固定模式的，比如買藥的用量就是30天……
以上情況都會(huì)導(dǎo)致F的數(shù)值不固定，可能是隨機(jī)產(chǎn)生的，也可能是人為操縱的。很多企業(yè)僵硬地執(zhí)行RFM模型，往往會(huì)定一個(gè)固定的F值，比如促使用戶買4次，因?yàn)閿?shù)據(jù)上看買了4次以上的用戶就很忠誠(chéng)。結(jié)果就是引發(fā)用戶人為拆單，最后F值做上去了，利潤(rùn)掉下來(lái)了。
M: 用戶買的越多越有價(jià)值
如果用戶是圖便宜，趁有折扣的時(shí)候囤貨呢？
如果用戶買了一堆，已經(jīng)吃膩了、用夠了呢？
如果用戶買的是耐用品，買完這一單就等十幾二十年呢？
如果用戶消費(fèi)本身有生命周期，比如母嬰，游戲，已經(jīng)到了生命周期末尾呢？
很多情況下，用戶過(guò)去買的多，不代表未來(lái)買的多。這兩者不劃等號(hào)。因此真看到011、001、101的客人，別急著派券，整明白到底出了啥問(wèn)題才是關(guān)鍵。
除了單獨(dú)維度的問(wèn)題外，三個(gè)維度連起來(lái)看，也容易出問(wèn)題。因?yàn)楹芏喙镜挠脩艚Y(jié)構(gòu)不是金字塔形，而是埃菲爾鐵塔型：底部聚集了太多的不活躍用戶，且不活躍用戶大多只有1單，或者只有幾次登錄便流失，因此RFM真按八分類化出來(lái)，可能000的用戶比例特別多。
這意味著現(xiàn)有存活的用戶，可能是幸存者偏差的結(jié)果，現(xiàn)有的111不是000的未來(lái)。要更深層次地分析為啥會(huì)沉淀大量不活躍用戶，甚至從根上改變流程，才能解決問(wèn)題。真按照RFM生搬硬套?？赡芫桶褬I(yè)務(wù)帶到死胡同里了。
4 RFM的典型亂用
RFM本身并沒(méi)有錯(cuò)，在數(shù)據(jù)匱乏（特別是缺少埋點(diǎn)數(shù)據(jù)）的情況下，用RFM比不用RFM好太多了。RFM的三個(gè)維度，每一個(gè)都很好用。RFM的整體架構(gòu)，也適合用于評(píng)估用戶經(jīng)營(yíng)的整體質(zhì)量。錯(cuò)的，是生搬硬套R(shí)FM，不做深入分析。錯(cuò)的是看到買了大單的就叫爸爸，看到用戶不買就急著發(fā)券的無(wú)腦做法。一味派券不但嚴(yán)重透支營(yíng)銷成本，更會(huì)培養(yǎng)出更多薅羊毛用戶，破壞了正常經(jīng)營(yíng)，只為了RFM的數(shù)值好看。
特別是網(wǎng)上文章、網(wǎng)課最喜歡教的：按RFM，每個(gè)拆分成5段，分成5*5*5=125類，然后再用K均值聚類聚成5-8類的做法，更是大錯(cuò)特錯(cuò)。
一來(lái)，經(jīng)過(guò)K均值聚類以后，連RFM原有的含義清晰的優(yōu)點(diǎn)都沒(méi)有了，到底這8類咋解讀，非?；靵y。
二來(lái)，這樣做沒(méi)有考慮數(shù)據(jù)滾動(dòng)更新，過(guò)了一周或者一個(gè)月，RFM指標(biāo)都變了呀！難道你還天天把全量用戶拿出來(lái)聚類嗎。
三來(lái)，k均值聚類不是一個(gè)穩(wěn)定的分類方法，無(wú)監(jiān)督的分類更適合做探索性分析。隔了一周，一個(gè)用戶被分成完全不同的兩類，這會(huì)讓市場(chǎng)營(yíng)銷、運(yùn)營(yíng)策劃執(zhí)行政策的時(shí)候非常抓狂：一天一個(gè)樣，到底要推什么！
本質(zhì)上看，因?yàn)榫W(wǎng)課、網(wǎng)文給的都是一張清洗得完美的靜態(tài)數(shù)據(jù)表，一不需要跟別的部門合作，二不需要考慮連續(xù)場(chǎng)景，所以才選了一個(gè)模型+算法的做法。嗯，能不能用不重要，顯得自己牛逼最關(guān)鍵！
5如何讓RFM更有用
綜合RFM失效的場(chǎng)景，可以看出：季節(jié)性、商品特征、促銷活動(dòng)、節(jié)假日事件、用戶生命周期，這五大要素，都會(huì)影響到用戶的行為。因此不局限于RFM，深入研究用戶場(chǎng)景非常關(guān)鍵。
注意，這五大要素研究起來(lái)，并沒(méi)有想象中的難。比如很多商品有內(nèi)在的關(guān)聯(lián)性，只要熟悉業(yè)務(wù)就能整明白。比如季節(jié)性、節(jié)假日事件，本質(zhì)上都和時(shí)間有關(guān)，因此，對(duì)用戶登錄、消費(fèi)的時(shí)間打上標(biāo)簽，就能進(jìn)行分析（如下圖）。促銷活動(dòng)也是同理，促銷活動(dòng)可以直接從訂單識(shí)別出來(lái)，因此也很容易給用戶貼上：促銷敏感型的標(biāo)簽。
用戶生命周期，需要數(shù)據(jù)采集，而且是采集一個(gè)最關(guān)鍵的數(shù)據(jù)即可。最典型的用戶生命周期是母嬰行業(yè)做法，企業(yè)一定會(huì)采集一個(gè)最關(guān)鍵的數(shù)據(jù)：懷孕多少周了。這個(gè)數(shù)據(jù)爸爸們不見得清楚，媽媽們一定很清楚。知道了起點(diǎn)，后續(xù)就可以推算了。類似的還有藥店連鎖做慢病管理，K12教育等等。
6 小結(jié)
任何模型都有其產(chǎn)生的歷史背景、數(shù)據(jù)基礎(chǔ)、使用范圍，也不是所有模型的目的都是精準(zhǔn)。簡(jiǎn)單、好用、省事，是更多時(shí)候的考慮。
看完覺得寫得好的，不防打賞一元，以支持藍(lán)海情報(bào)網(wǎng)揭秘更多好的項(xiàng)目。
標(biāo)簽： 用戶 消費(fèi) 數(shù)據(jù) 隨筆
感謝您的支持，我會(huì)繼續(xù)努力的!
打開支付寶掃一掃，即可進(jìn)行掃碼打賞哦
手機(jī)直接保存圖片,掃一掃識(shí)別二維碼,即可進(jìn)行掃碼打賞哦
