來源：接地氣的陳老師
大家好，我是接地氣的陳老師，今天分享的是RFM模型。RFM網(wǎng)上有很多網(wǎng)紅文章在講，但是大部分都是人云亦云，也沒有和業(yè)務(wù)實(shí)操結(jié)合。今天就做個(gè)深度解讀，從底層邏輯講起。
RFM模型的底層邏輯
在漏斗模型篇，我們講過：大部分業(yè)務(wù)都是按流程推進(jìn)，可以做漏斗分析。但是，大家有沒有想過一個(gè)問題：
1、如果沒有轉(zhuǎn)化過程記錄，該怎么辦？
2、如果用戶行為頻率很高，有幾十個(gè)漏斗，怎么辦？
3、如何用戶之間行為差異很大，有人幾十個(gè)漏斗，有人只有1個(gè)，咋辦？
此時(shí)，你本能地會(huì)想到：能不能不要每次都統(tǒng)計(jì)漏斗，而是直接看行為結(jié)果的發(fā)生頻率、發(fā)生數(shù)量、發(fā)生時(shí)間，這樣就能快速區(qū)分出高低用戶之間的差異。是滴，這是個(gè)正確的思路，RFM模型的設(shè)計(jì)思路正是如此。
RFM模型計(jì)算方式
RFM一般用于統(tǒng)計(jì)用戶消費(fèi)行為
R（recency）最后一次消費(fèi)距今多久
F（frequency）最近1段時(shí)間內(nèi)消費(fèi)頻率
M（monetary）最近1段時(shí)間內(nèi)累計(jì)消費(fèi)金額
以上就能統(tǒng)計(jì)出RFM指標(biāo)，統(tǒng)計(jì)后形式如下表所示，每個(gè)用戶有對(duì)應(yīng)的RFM指標(biāo)數(shù)值。
這里有5個(gè)要點(diǎn)注意：
1、RFM以用戶ID為單位進(jìn)行統(tǒng)計(jì)，如果是傳統(tǒng)零售，沒記錄用戶ID，只有訂單小票的流水號(hào)，則沒法用這個(gè)模型，至少得有個(gè)手機(jī)號(hào)做ID。
2、F值統(tǒng)計(jì)規(guī)則要看業(yè)務(wù)場(chǎng)景，如果一天內(nèi)可能多筆、反復(fù)交易，可以直接統(tǒng)計(jì)有交易天數(shù)，如果一個(gè)天之內(nèi)一般只交易一筆，或者好多天一筆，可以直接統(tǒng)計(jì)筆數(shù)。
3、最近1段時(shí)間，到底看多久？和業(yè)務(wù)特點(diǎn)有直接關(guān)系。原則上，越高頻的業(yè)務(wù)，看得時(shí)間越短，比如都是零售，如果是生鮮可以以周為單位統(tǒng)計(jì)（人每天要吃飯）如果是日雜可以以月為單位統(tǒng)計(jì)。
4、新用戶因?yàn)闀r(shí)間太短（比如注冊(cè)不足1周/不足1個(gè)月）則單獨(dú)統(tǒng)計(jì)，RFM適用于有一定時(shí)間的老用戶。
5、R的分段原理同上，越高頻的業(yè)務(wù)，R分段越短。如果是生鮮可能以天來看。越低頻的業(yè)務(wù)，比如理財(cái)、貸款，可能以月甚至季度為單位來看。
在計(jì)算完RFM數(shù)值以后，網(wǎng)紅文章一般會(huì)讓你把RFM三個(gè)值丟進(jìn)kmean聚類，然后捏成4~5個(gè)分類?；蛘咧苯影裄FM每個(gè)指標(biāo)分成高中低，然后砍成3*3*3=27類。實(shí)際上這樣做并不好使喚，現(xiàn)實(shí)中你真分27類，業(yè)務(wù)估計(jì)會(huì)氣得跳起來：你讓我咋配27個(gè)完全不一樣的策略。
因?yàn)檎驹跇I(yè)務(wù)的角度，R值的意義就是喚醒，R越遠(yuǎn)，越需要喚醒越大且喚醒難度越大。所以業(yè)務(wù)一般更重視M+F的分類結(jié)果。
比如在零售/電商業(yè)務(wù)中，M值高的用戶一般后續(xù)購(gòu)買動(dòng)力也高，因此要重點(diǎn)提升其F值，把他先留住。而F高、M低的用戶則意味著機(jī)會(huì)，可以嘗試做增量/交叉營(yíng)銷，以提升M。因此實(shí)操的時(shí)候，一般如下分類：
RFM模型的使用方式
注意！RFM只是簡(jiǎn)單把輕中重區(qū)分出來，并不能推導(dǎo)出很切實(shí)可行的業(yè)務(wù)行動(dòng)。網(wǎng)紅文章一般會(huì)忽視這一點(diǎn)，導(dǎo)致有些同學(xué)盲目抄一個(gè)RFM的計(jì)算案例，結(jié)果面試被質(zhì)疑。
對(duì)業(yè)務(wù)而言，知道用戶的輕中重是一回事，能影響用戶是另一個(gè)回事。作為一個(gè)消費(fèi)者，你關(guān)注的始終是：這個(gè)東西我需不需要？這個(gè)東西我喜不喜歡？這個(gè)東西要花多少錢？因此，需要在RFM做了分類的基礎(chǔ)上，進(jìn)一步考慮用戶購(gòu)買品類、折扣等因素。
比如，即使用戶RFM值完全一樣：
都是購(gòu)買了3000元，買1臺(tái)空調(diào)VS買1件衣服的不一樣
都是購(gòu)買了500元的酒，買1瓶?jī)r(jià)格500 VS買50瓶10元的不一樣
都是購(gòu)買了3000元衣服，一次買5件上衣和一次買整套穿搭的不一樣
都是購(gòu)買了3000元，原價(jià)購(gòu)買3000與打8折下實(shí)際花3000不一樣
因此，一般對(duì)M或F值較高的用戶群體，會(huì)進(jìn)一步分群。分群時(shí)，考慮自己公司的產(chǎn)品特點(diǎn)，區(qū)分價(jià)格敏感度高低，對(duì)新品、搭配的偏好。從而推導(dǎo)可落地的影響策略。
至于MF值較低的用戶，一般與我司還沒有建立啥感情，直接用當(dāng)季新品、大折扣商品、爆款產(chǎn)品、引流產(chǎn)品輪番轟炸，試著提升M、F以后再做分群（如下圖）。
RFM的擴(kuò)展應(yīng)用
當(dāng)你理解了RFM的原理之后，你會(huì)發(fā)現(xiàn)它非常好用，試問，除了零售消費(fèi)外，還有沒有其他業(yè)務(wù)場(chǎng)景，也符合以下情況：
1、用戶行為頻率很高
2、用戶之間行為差異很大
3、需要考察一段時(shí)間內(nèi)累計(jì)行為
有！比如典型的互聯(lián)網(wǎng)產(chǎn)品分析，特別是內(nèi)容型產(chǎn)品（短視頻、小說、社區(qū)論壇）、工具型產(chǎn)品（在線文檔、OA等SAAS產(chǎn)品）和社交產(chǎn)品，都符合這個(gè)特點(diǎn)。比如逛知乎，用戶瀏覽行為非常多，且看一篇文章時(shí)間很短，轉(zhuǎn)發(fā)點(diǎn)贊也都是一瞬間的事。此時(shí)可以仿效RFM模型，構(gòu)造一個(gè)分析用戶行為的模型。
比如統(tǒng)計(jì)：
R（recency）最后一次登錄距今多久
F（frequency）最近1周內(nèi)登錄頻率
Q（quantity）最近1周內(nèi)累計(jì)登錄時(shí)長(zhǎng)
此時(shí)，就可以區(qū)分出輕中重度用戶，并且根據(jù)R值大小，制定召回計(jì)劃。我們姑且管它叫RFQ模型好了（如下圖）。
同RFM的弱點(diǎn)一樣，RFQ并沒有考慮用戶的內(nèi)容類型偏好，因此需要結(jié)合內(nèi)容類型來看。特別是針對(duì)F、Q較高的用戶，要關(guān)注其是否對(duì)某一個(gè)垂直內(nèi)容/特殊功能特備有需求。對(duì)于FQ都很低的用戶，處理原理同樣是：用爆款內(nèi)容去轟炸，先撩起興趣再說。
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 都是 業(yè)務(wù) 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
