根據(jù)用戶歷史行為數(shù)據(jù)，結(jié)合業(yè)務(wù)理解， 實(shí)現(xiàn)用戶分類，助力用戶的精準(zhǔn)營(yíng)銷。

RFM模型背后的方法論

根據(jù)業(yè)務(wù)場(chǎng)景找到場(chǎng)景下的關(guān)鍵核心指標(biāo)

統(tǒng)計(jì)出用戶維度商品維度特性，在每個(gè)指標(biāo)下劃分不同的程度

設(shè)計(jì)程度下的模型樣式

根據(jù)統(tǒng)計(jì)出來的數(shù)值劃分到特定的類別下

方法核心：數(shù)據(jù)分類

RFM作用 幫助企業(yè)判斷哪些用戶有異動(dòng)，是否有流失的預(yù)兆，從而 增加相應(yīng)的運(yùn)營(yíng)措施

維度選擇 3個(gè)維度

Recency 最近一次消費(fèi) 基于當(dāng)前時(shí)點(diǎn)，統(tǒng)計(jì)用戶最近一 次消費(fèi)時(shí)點(diǎn)和當(dāng)前時(shí)點(diǎn)的時(shí)間差

時(shí)間差越短越好

Frequency 消費(fèi)頻次 指定時(shí)間區(qū)間內(nèi)統(tǒng)計(jì)用戶的 購(gòu)買次數(shù)

次數(shù)越大越好

Money 消費(fèi)金額 指定時(shí)間區(qū)間內(nèi)統(tǒng)計(jì)用戶的 消費(fèi)總金額 越大越好

判斷用戶異動(dòng)，比如用戶忠誠(chéng)度

劃分不同用戶類別 價(jià)值 發(fā)展 保持 挽留

實(shí)現(xiàn)步驟

獲取R、F、M三個(gè)維度下的原始數(shù)據(jù)

平均值 作為參考

定義R、F、M的評(píng)估模型與中值

進(jìn)行數(shù)據(jù)處理，獲取R、F、M的值

參照評(píng)估模型與中值，對(duì)用戶進(jìn)行分層

針對(duì)不同層級(jí)用戶制定運(yùn)營(yíng)策略

詳細(xì)案例詳見EXCEL 19RFM模型練習(xí)數(shù)據(jù).xlsx