99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話:13121318867

登錄
首頁精彩閱讀客戶細分:如何找到最有價值的TA?
客戶細分:如何找到最有價值的TA?
2016-08-08
收藏



關(guān)于客戶分類的內(nèi)容早就想寫卻不知道怎么動筆,因為客戶分類沒有統(tǒng)一方法和規(guī)則,行業(yè)之間分類的方法、角度完全不同,今天可能犯神經(jīng)病了,突然想清楚該怎么寫啦~~


上一篇文章介紹了用定位理論打造公眾號(http://t.cn/RtS7OPY),其中簡單說明了定位理論的核心——打入客戶的心智,客戶有千千萬萬,要打入顧客的心智,不能所有的顧客都用同一種方法吧?

以下是我所理解的客戶分類方法框架


業(yè)務(wù)角度

不同行業(yè)之間沒有固定的標(biāo)準(zhǔn)和規(guī)則,并且都要和業(yè)務(wù)高度相關(guān),同一種方法在不同的業(yè)務(wù)情景要進行相應(yīng)的調(diào)整,RFM模型和2X2矩陣是最好用也最容易復(fù)制的方法。

數(shù)據(jù)角度

有分類方法和聚類方法兩種。


那區(qū)別可大了去了!

舉個栗子,新學(xué)期分班,一大坨陌生的尼瑪們坐在教室里,老師進來后說:“女生坐在第一排,男生坐在第二排,人妖坐在第三排”,人為的通過某種方式或角度,這就叫分類方法,具體有決策樹、神經(jīng)網(wǎng)絡(luò)等。

尼瑪們過了幾天,互相熟悉之后自發(fā)的分為了很多小群體,比如李雷、韓梅梅、吉姆格林他們?nèi)齻€就喜歡天天膩在一起玩,因為他們的性格、愛好都比較相近。沒有人為給定規(guī)則、完全由數(shù)據(jù)本身屬性自發(fā)的分類,這就叫聚類方法,具體有層次分析、K均值等。

等真正開始動筆,才發(fā)現(xiàn)把一個方法真正說清楚都要很大的篇幅,公眾號圖文太長的話,你們沒看完就關(guān)掉了....我也不容易啊....所以....

第1季講2X2矩陣(容易理解和應(yīng)用)

第2季講RFM模型及改進(需要一點智商)

第3季講分類和聚類(需要兩斤智商)



第一季

東半球第二好用的分類模型 ,沒有之一

為什么說2X2矩陣是東半球第二好用的分類模型?原因是簡單直觀、易于理解和解釋、操作簡便、適用范圍廣,但效力強大、幾乎可以做任何事情(沒有夸張)。



平時或多或少都聽過,思路和用法各位大爺們都清楚,主要在于使用2X2矩陣的意識,它可以讓你遇見問題時腦子變得非常清晰,而且能做的事情遠遠超過你的想象,能做的事情遠遠超過你的想象,能做的事情遠遠超過你的想象。下面是一大波栗子。

栗子1:客戶價值分類

用數(shù)據(jù)分別對兩個維度分類,可以使用分位數(shù)或者固定數(shù)據(jù)范圍


第1象限:高價值客戶,注重維護關(guān)系

第2象限:重點客戶,為什么合作次數(shù)少?跟競爭對手合作多嗎?怎么提升合作頻率?

第3象限:為什么客單價低?是客戶業(yè)務(wù)性質(zhì)導(dǎo)致還是?怎么提升客單價?

第4象限:沒空搭理...自生自滅吧...

栗子2:時間管理已經(jīng)見的太多了


栗子3:員工的分類



第1象限,能力強又忠誠,重點培養(yǎng)對象,優(yōu)先考慮升職加薪,多給培訓(xùn)機會,培養(yǎng)成左右手

第2象限,能力弱但忠誠,企業(yè)中更多的是平凡的事情,需要平凡的人去做,要多給培訓(xùn)機會,提升能力和素質(zhì),小幅度加薪

第3象限,能力強但不忠誠,又愛又恨啊,了解忠誠度低的原因,待遇?環(huán)境?

第4象限,能力弱還不忠誠,讓他滾粗

栗子4:波士頓矩陣(產(chǎn)品規(guī)劃)



第1象限,明星產(chǎn)品,加大投入支持發(fā)展,適合的管理者應(yīng)為對產(chǎn)品和銷售都很內(nèi)行的專家

第3象限,現(xiàn)金牛產(chǎn)品,處于成熟期,壓縮投入、榨取產(chǎn)出,為其他產(chǎn)品發(fā)展提供資金,但要在維持市場地位的基礎(chǔ)上,其管理者最好為市場營銷型人物。

第2象限,問題產(chǎn)品,前景好但由于各種原因未打開市場(新產(chǎn)品),適合交給有規(guī)劃能力,敢冒風(fēng)險的人才。

第4象限,瘦狗產(chǎn)品,淘汰或合并

栗子5:女神挑漢子



第1象限,俗稱高富帥

第2象限,俗稱鉆石王老五

第3象限,俗稱小白臉

第4現(xiàn)象,俗稱屌絲

2X2矩陣的原理和方法都很簡單,不只有客戶分類,它絕大多數(shù)需要多維度考慮的事情上都適用,只要找到兩個維度畫出象限,你就可以看的更清、做到更多。



第二季

RFM模型在客戶分類方面要比2X2矩陣細致的多。。。數(shù)據(jù)時代總得懂點數(shù)據(jù),不然怎么裝逼呢。

客戶細分是用于比較的,比較是為了反映差異進而做出調(diào)整優(yōu)化,所以細分的目的最終還是指導(dǎo)運營決策。

上一回書說到2X2矩陣,簡便易行且適用范圍非常廣,但同時2X2矩陣的分類也有缺點,分類的維度只有2個,當(dāng)業(yè)務(wù)指標(biāo)大于2個時無能為力,總體而言2X2矩陣不失為一種快速有效的分類方法。

今天要介紹的RFM模型在客戶分類方法中的地位舉足輕重,是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段,本篇文章會詳細講解RFM模型及改進方法,主要內(nèi)容包括RFM介紹和AHP層次分析法,各位看官您請看。

還記得2X2矩陣的第一個栗子么?



在矩陣基礎(chǔ)上再增加一個維度R(Recently,意為最近一次消費時間),這就是我們今天要講的RFM模型,上圖給你看。


其中R近度(Recency) 代表最近購買時間,指上次購買至現(xiàn)在的時間間隔; F 頻度(Frequency)代表購買頻率,指的是某一期間內(nèi)購買的次數(shù);M額度(Monetary) 代表總購買金額,指的是某一期間內(nèi)購買商品的金額。

美國數(shù)據(jù)庫營銷研究所Arthur Hughe研究表明

R值越小,越可能再次購買
F值越大,越可能再次購買
M值越大,越可能再次購買

每個維度分為5個梯度,這就有5*5*5=125種客戶類型,看圖。



這就是典型的RFM模型,很簡單吧,嘿嘿嘿

什么什么?你以為這就是全部?做夢!!典型的RFM有很多缺點,根本不能直接照搬使用!

創(chuàng)造RFM模型的Arthur Hughe認為三個指標(biāo)的權(quán)重是一致的,但Stone Bob經(jīng)過實證驗證權(quán)重不一致,實際上由于業(yè)務(wù)的不同,各個行業(yè)之間的權(quán)重都是不一樣的

典型的RFM把客戶分為125類,尼瑪啊,這么多類型在營銷實戰(zhàn)中根本做不到差異化的運營策略好嘛!!

典型的RFM只有分類,但卻不知道各個類別之間的客戶到底哪個更有忠誠度和價值



接下來用層次分析法確定權(quán)重

先請一大坨業(yè)務(wù)磚家來坐著



然后讓他們填表,唉,有點枯燥,估計今天這篇文章發(fā)出去得掉粉啊...傷心...




填表的規(guī)則是這樣,拿每一行兩兩對比每一列,如果磚家判斷行比列的重要性由右上圖,就填相應(yīng)的數(shù)字,反過來就填相應(yīng)數(shù)字的倒數(shù),什么意思呢舉個栗子

磚家認為F值比M值重要,在3行4列填5,那么4行3列填1/5

磚家認為M值比R值重要的多,在4行2列填7,那么2行4列填1/7

以此類推

磚家填完之后,我們就拿到了一份數(shù)據(jù)表格,命名為矩陣A



你以為這就完了?耐心點看完,上班了好裝X

接下來就數(shù)據(jù)進行歸一化處理,先對每一列求和,然后算出每一列各個元素的占比,得到矩陣B



再對每一行求和,就得到特征向量W



再對特征向量歸一化處理,每個元素除以列之和(就是除以3嘛),就得到了各指標(biāo)的權(quán)重!



真不好意思...還沒完...耐心...

權(quán)重是不是對的呢?鬼知道磚家填表有沒有邏輯錯誤,比如A>B,B>C,那么A肯定>C啊,但是磚家填C>A,很明顯不符合邏輯,所以要做一致性驗證

計算矩陣最大特征

用矩陣A乘以權(quán)重列W%,得到一個列向量,然后用列向量中每一個元素除以矩陣階數(shù)和相對應(yīng)的權(quán)重乘積,公式如下



結(jié)果為



計算一致性指標(biāo)C.I,n為矩陣階數(shù)



C.I=(3.00182-3)/(3-1)=0.00062

計算隨機一致性比率



R.I.是固定的,根據(jù)矩陣階數(shù)查表為0.52



隨機一致性比率C.R.=0.00062/0.52=0.001186<0.1,注意只有當(dāng)隨機一致性比率小于0.1時,才說明磚家填的表是沒有邏輯錯誤...,

那么我們就可以確定,R\F\M指標(biāo)的權(quán)重是



我知道你們都要暈了,說實話我也暈的不行...

第三季

重點介紹下數(shù)據(jù)挖掘中的聚類,完成客戶分類的最后一步,并且對各個類別的客戶進行忠誠度和價值評分,這才是我們的最終目的。也是最重要的部分,之前的內(nèi)容都在為本季做鋪墊,終于到出最終結(jié)果的時候,有一種蛋蛋的憂傷...

找到最有價值的TA(一)

介紹2X2矩陣的各種常見或不常見用法,幾乎能做任何事情

找到最有價值的TA(二)

客戶價值分類中使用最廣泛的RFM模型和改進、以及層次分析法確定權(quán)重

找到最有價值的TA(三)

用聚類(K-means)方法完成客戶分類并評估各類客戶價值



聚類到底是什么鬼

從數(shù)據(jù)層面劃分的方法有兩種:分類和聚類

舉個栗子,新學(xué)期分班,一大坨陌生的尼瑪們坐在教室里,老師進來后說:“女生坐在第一排,男生坐在第二排,人妖坐在第三排”,人為的通過某種方式劃分,這就叫分類方法,具體有決策樹、神經(jīng)網(wǎng)絡(luò)

尼瑪們過了幾天,互相熟悉之后自發(fā)的分為很多小群體,比如李雷、韓梅梅、吉姆格林他們?nèi)齻€就喜歡天天膩在一起玩,因為他們的性格、愛好都比較相近。沒有人為給定規(guī)則、完全由數(shù)據(jù)本身自發(fā)的分類,這就叫聚類方法,具體方法有層次聚類、K-means等

我們今天要做的,就是使用K-means聚類方法完成最終的客戶分類,各位大爺您請往下看

幫隔壁老王做客戶分類

隔壁老王有一家淘寶小店,一天他來找你幫忙



為了老王的家庭和諧,勉為其難的答應(yīng)吧...

我們先來研究下老王的銷售數(shù)據(jù),分為5個字段,正好滿足RFM模型的數(shù)據(jù)要求(R-最近一次購買時間,F(xiàn)-購買次數(shù),M-購買金額)



先處理老王的基礎(chǔ)銷售數(shù)據(jù),使其符合RFM模型的數(shù)據(jù)格式,變成下面這樣



接著對數(shù)據(jù)加權(quán)和標(biāo)準(zhǔn)化。

K-means聚類

K-means的聚類思想非常簡單

首先確定聚成n類

隨機指定n個初始點,計算所有點到這n個點的距離,距離最近的歸為一類

計算每一類的平均坐標(biāo),以此為新的初始點,循環(huán)以上過程直至中心點位置不再變化為止

看下面動態(tài)圖圖,很直觀的展示聚類的過程



圖片來源 www.digital-geography.com

現(xiàn)在回到老王的數(shù)據(jù)上,我們首先確定聚類的數(shù)量,通過每類顧客RFM平均值和總RFM平均值相比較,而單個指標(biāo)比較只有兩種情況:>=平均值或者<平均值,這樣就有2*2*2=8種類別。

操作上用SAS或SPSS一分鐘搞定~~

聚類分析結(jié)果


通過RFM聚類,我們把客戶分為了重要保持、一般保持、一般發(fā)展、無價值四類,終于可以打發(fā)隔壁老王這個王八蛋,但是他又有意見了。



老王說的是個問題,所以我們要做顧客價值評分,聚類前做了數(shù)據(jù)標(biāo)準(zhǔn)化和加權(quán),所以每類顧客的價值評分只需要把RFM三個指標(biāo)的均值相加就可以啦~~~



對每一類做價值評分可以量化各類客戶的價值差別,彌補客戶分類的不足,由于受到成本制約,老王只能將資源集中在更高價值的客戶身上,有助于制定更為可行的決策。



公眾號內(nèi)回復(fù)51,下載隔壁老王的銷售記錄來練手,一共26000+條記錄,夠你玩啦~~

后記 | RFM的缺陷

在實際的業(yè)務(wù)情景中,傳統(tǒng)RFM分類方法有很多的缺陷,例如分類較多、R權(quán)重太大、F和M強相關(guān)等等,以上的方法在改善了一些問題,但仍有不嚴(yán)謹(jǐn)?shù)牡胤?,例如F指標(biāo)較大的客戶,M指標(biāo)有很大程度也偏大;R指標(biāo)較早時有可能是由于客戶本身業(yè)務(wù)性質(zhì)的原因,并不代表價值小,此種分類方法可改進的地方仍然很多。


順便透漏一下這么膩害的麻大濕也是我們CDA學(xué)員哦,想?yún)⒓覥DA課程,歡迎微信掃碼,直達店鋪!

 

 (CDA微店二維碼)                  (CDA數(shù)據(jù)分析師服務(wù)號)

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼,搜微信號:CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進行初始化 // 參數(shù)1:配置參數(shù) // 參數(shù)2:回調(diào),回調(diào)的第一個參數(shù)驗證碼對象,之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須,不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機 new_captcha: data.new_captcha, // 用于宕機時表示是新驗證碼的宕機 product: "float", // 產(chǎn)品形式,包括:float,popup width: "280px", https: true // 更多配置參數(shù)說明請參見:http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'!'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'!'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }