一个最简单的用户分层模型RFM

今天是我每天一篇文章的第117篇。

    RFM模型,熟悉电商数据分析的同学都很清楚,该模型是用来进行用户分组的,通过对用户在R(Recency,最近一次消费)F(Frequency,消费频率)M(Monetary,消费金额)三方面的表现进行分类,然后对分类分组进行定性描述的。


图片发自App

做了5个组的下级分类划分,对应产生5*5*5=125种RFM分类属性。给RFM三个指标不同的分类赋予不同的成长值,对应的125种RFM分类产生125中成长值组合。品牌商可以根据业务需要对组距可以进行自定义增减。

消费激励策略成长值配置

    消费激励策略,对会员的消费行为进行成长值量化。除了对消费金额进行成长值量化外,还会员的消费金额进行分级对待,突出单次消费贡献度。

    考虑品牌运营实际需要,将充值作为用户的一种特殊消费行为,对会员的充值力度进行成长量化,某种程度上反应了会员对品牌的认可和忠诚度。

    消费激励策略,其成长值的是会员消费行为的单向累计的统计,只有增加,没有减少。

会员活跃策略成长值配置

      会员活跃策略,通过会员与品牌商的互动行为(签到、分享、评价、领卡等)进行量化,互动一次,增加一次相应的成长值,反应了会员对品牌的好感度和兴趣度。

    会员活跃策略,其成长值的是会员与品牌互动行为的单向累计的统计,只有增加,没有减少。

    以上对会员价值多维度指标的综合成长值,虽然尚有不足之处,但能够一定程度反应用户对品牌的忠诚度、贡献度、活跃度,能够体现用户对品牌的价值。

    站在平台角度,成长值也能够反应用户对平台产品的活跃度、认可度。

  这个模型可以指导对用户进行量化分类分级,然后根据商家的业务关注点进行策略落地。值得好好学习。

  后面的消费激励和会员行为激励就是根据用户分级量化以后,由商家所关注的维度进行叠加的量化,最终形成一个统一的系统。

  RFM模型适合以日常销售为主的业务,你可以用这个思维改造任何业务,针对消费者核心行为模式做的模型。值得参考!

你可能感兴趣的:(一个最简单的用户分层模型RFM)