搜索

登录

注册

  • 来自话题:MySQL2018-10-19 18:03:50
    Rita
    • 关注

      0

    • 问答

      8

    如何搭建RFM模型以及RFM模型扩展?

    请解释一下RFM模型的定义?搭建RFM模型的方法?以及RFM模型如何扩展?

回复
  • 如风

    111

    2018-10-22 09:17:23

    点赞 1 回复 1

    如风

    2018-10-22 09:19:52

    点错了
  • 数据海洋

    g但是我个人觉得,对于像汽车这种消费频率不那么高的行业。可能这个方面一定只是初步的探索,根据你的目标应该进一步的思考如何分析,光RFM不一定有价值。


    所以很重要的一点,以我的经验来说,可以消费频次更高的行业比较适合。但像这种比较低频的可以这几个指标初步的分析,在这几个指标基础上构建用户生命周期。围绕顾客的生命周期来构建各种相应的营销策略与用户的沟通策略。


    所以任何模型的应用一定要分场景,分适用性,不能“一招鲜,吃遍天”!

    2018-10-20 19:52:30

    点赞 2 回复 0
  • 数据海洋

    RFM模型如何扩展,我个人觉得就是在这个模型的基础上,已经把顾客划分成很多类型的,也就是分成不同的群,每个群在这三个指标 上是类型的,接下来应该:


    结合每个群的消费结构,例如:购买的金额分布,购买的商品分布,购买的品牌分布,购买的时间点分布,购买的设备分布等,来进一步对每个群的用户有更进一步的深入分析。


    例如:在R上属于休眠,F上属于活跃,M属于高价值的用户群,

    进一步分析他的购买的商品分布,购买的时间点,用户人群分布(像性别,年龄如果有这类用户,即时没有有一定样本量其实也是可以代表这个群的),是否有投诉,评论行为各种数据,进一步分布这群用户休眠的原因,给用户休眼原因打到具体的用户上,然后针对性快速做出相应的营销策略,进行针对性的营销,然后看后续的效果来分析。

    2018-10-20 19:44:22

    点赞 1 回复 0
  • 数据海洋

    搭建RFM的方法,上面已经回答,最重要的是对三个指标的切分标准,我个人建议是:

    1、结合你所在行业的经验;


    2、根据一些数据分布;如果不知道的行业经验的话;


    3、根据一些管理原则,例如:20/80原则等;

    2018-10-20 19:39:32

    点赞 1 回复 0
  • 数据海洋

    搭建RFM的方法,上面已经回答,最重要的是对三个指标的切分标准,我个人建议是:

    1、结合你所在行业的经验;


    2、根据一些数据分布;如果不知道的行业经验的话;


    3、根据一些管理原则,例如:20/80原则等;

    2018-10-20 19:39:32

    点赞 2 回复 0
  • 数据海洋

    RFM模型一般用户在零售领域比较多,用来衡量用户的活跃度、忠诚度、价值度。


    价值度:M,根据累计购买的金额,为企业购买的利润,可以很直观通过这个M这个值来反馈。可以例如:20/80原则,把M的划分为前累计销售贡献前80%,60%,划为一类,剩下划为一类。根据实际情况来确定。


    活跃度:R,根据最后一次购买的时间距离当前可以用来衡量当前某个顾客的活跃度如何。例如:超过多久你可以定义为顾客是休眠了,超过多久定义为流失了。根据你所处的业态的实际情况来定义,举个例子,一般是社区便利店,超过14天没有来购买就可以定义为用户休眠了,因为他的购买频次应该是非常高的。


    历史活跃度,在R的基础,再结合M来进行划分,可以看用户是新用户,还是老用户。

    只购买一次的用户,结合 R可以分成对应类型,再结合M可以知道用户的价值;

    购买多次的,结合 R可以得到用户是历史活跃,现在不活跃,再结合M又可以拆分成价值高低。

    所以这几个指标就可以把用户很快的分成不同类型,这也是一个最为基础的切入性的分析指标,在零售中,我们经常把这几个指标叫做“神奇三侠”。



    2018-10-20 19:38:16

    点赞 1 回复 0
  • 数据海洋

    R,最近一次购买。是像用户在最后一次购买时间距离当前计算所在的时间点。例如:某个用户最后一次购买时间是20180101,我们是在20180120在进行RFM模型构建,那R的值就是20;

    F,累计消费购买。就是在统计的时间范围内,某个用户累计的消费频次。例如:RFM模型构建的是20170701-201800120,一个用户购买了3次。那F的值 就是3;

    M,累计购买金额,就是在统计的时间范围内,某个用户累计的消费金额。例如:RFM模型构建的是20170701-201800120,一个用户购买了3次,一共花费了500,则M的值 就是500;



    2018-10-20 19:33:17

    点赞 2 回复 0