也想出现在这里? 联系我们 吧!
淘主播区块AD-淘主播区块

如何使用RFM进行用户分群?

释放双眼,带上耳机,听听看~!

1、什么是用户分群

很多产品中我们都能看到用户分群,比如最明显的会员体系,就是将用户分为了非会员和会员两个群体。

又比如我们现在经常听到的AARRR模型,也可以说是一种分群方式。

用户分群,简单的说就是按照某些维度,可以是一个或者多个维度交集,按照一定的规则将用户划分成不同的群体。例如按照年龄划分:

如何使用RFM进行用户分群?

用户分群可以分成2种,明分群和暗分群。

明分群指的是分群规则和对应群体的运营策略都是公开的,目的是利用更高群体的优质服务来吸引用户进行升级。

比如说会员体系,所有产品的会员规则和每一个级别的会员优惠都是明确公开的,商家就是使用更优质的服务来吸引用户不断升级会员等级。

相反,暗分群指的是分群规则和对应的运营策略都是不透明的,用户并不知道自己被分为了什么群体。

比如价格歧视策略,所谓的大数据杀熟,就属于这一类。

除了用户分群,我们还经常听到另一个概念:用户分层。这两者有什么区别吗?

简单来说,用户分群,不同的群体之间可能是平行关系,也可能是递进关系,也可能是其他关系。

而用户分层,是一种特殊的用户分群,不同的群体之间存在递进关系。

例如,如果按照性别,可以将用户划分为男女两个群体,这两个群体之间是平行关系,所以这是分群而不是分层。

而如果我们按照AARRR模型将用户分成5个群体,那么这就是用户分层,因为AARRR五个群体之间是存在递进关系的。

同样,会员体系也是一种用户分层。

所以,用户分层是一种特殊的用户分群方式。

那么,为什么要进行用户分群呢?

随着我们用户规模的不断扩大,单一的运营策略不再能满足所有用户的需求。

例如适用价格敏感型用户的优惠运营策略,就不一定适用于注重高品质的用户。

另外,用户群体大了以后,我们会发现其中20%的用户贡献了80%的价值,而公司的资源(包括人力、财力等)是有限的,不可能照顾到所有的用户,所以就需要筛选出高价值的20%用户进行重点运营。

2、如何进行用户分群

常用的用户分群方法,包括用户价值区隔分层、用户身份区隔、用户需求区隔和AARRR模型。

用户价值区隔分层,又分为两个维度:第一,依靠用户生命周期定义对用户进行价值区隔;第二,依靠用户关键行为对用户进行价值区隔。

而今天我们重点要给大家分享的RFM模型,就属于依靠用户关键行为对用户进行价值区隔的方法。(4种方法助你轻松完成用户分层)

RFM分别代表用户三种关键行为:

  • R(Recency),距离最近一次交易,衡量用户的流失情况
  • F(Frequency),交易频次,衡量用户的忠诚度
  • M(Monetary),交易金额,衡量用户的贡献度

RFM三个值只分为高低两种情况,结合起来就是8中情况:

如何使用RFM进行用户分群?
如何使用RFM进行用户分群?

使用RFM模型的一般步骤:

如何使用RFM进行用户分群?

下面,用一个实例来分享下具体的操作方法。

3、RFM分群实例

例如,从网上获取了40多万条电商订单数据,时间是2010年12月1日到2011年12月9日。

如何使用RFM进行用户分群?

3.1 R值

首先我们计算R值,R值指的是用户距离最近的一次交易,使用最近一次购买日期到现在时间的差距来衡量。

所以,第一步:我们要找出每个用户,最近一次购买的日期

选择所有订单数据,插入数据透视表,行选择客户,列选择购买日期,然后设置购买日期汇总方式为最大值(因为最近的日期肯定是最大的)。

如何使用RFM进行用户分群?

找出所有用户最近一次购买日期,下一步计算这些日期距今的时间间隔。

使用公式:DAYS360(开始日期,结束日期),计算出时间间隔。

如何使用RFM进行用户分群?

然后,我们要选择一个中值,时间间隔小于中值的用户表示R值为高,大于中值的用户表示R值为低。

那我们如何选择中值呢?一般有几种常见的方法:

  • 所有数据的平均值或中值
  • 基于一个业务节点的重要值,例如投资理财类的R值,一般是1个月,因为发工资才有钱投资
  • 以二八法则进行推算,80%的用户集中在低频低金额区间,20%的用户集中在高频高金额区间
  • Means聚类算法,这个如果数据分析师小姐姐懂得话,就最好了

这里,我们使用20/80法则,发现使用众数作为中值更好。于是我们使用众数和如下公式,为每个客户的R值进行高低标记:=IF(C2<30,”高”,”低”)。

如何使用RFM进行用户分群?

顺便分享下,计算众数的公式为:=MODE();计算中位数的公式为:=MEDIAN()

3.2 F值

F值指的是用户的购买频次,即在此期间用户下了多少单,所以我们只需要统计每个用户的去重订单数即可。

同样可以使用数据透视表来实现。

如何使用RFM进行用户分群?

行使用客户ID,列使用订单号进行计数。

这里我发现了一个WPS很狗的地方,WPS不提供订单号去重计数,这个在excel里是支持的。。。

如何使用RFM进行用户分群?

计算出每个用户的F值后,我们发现,F值的众数和最小值是一样的,并且中位数小于平均值,说明有几个很大的数值拉高了平均值。

为了使数据尽量符合20/80法则,我们选择5(接近平均值)作为F值的比较中值。

3.3 M值

看原始数据发现,没有订单金额的数据,所以首先,要计算出每一笔订单的金额。

然后同样使用数据透视表,统计每个用户在此时间段内的购买总金额。

如何使用RFM进行用户分群?

然后,我们计算出订单金额的平均值,众数和中位数,发现平均值远大于中位数,这表明其中存在一些很大的订单金额数据,拉高了平均值,所以我们直接使用平均值作为F的中值即可。

如何使用RFM进行用户分群?

这样,我们就把每个用户的RFM三个值的高低取值确定了。

通过统计人数后,我们得到:

如何使用RFM进行用户分群?

4、RFM运营策略

最后,只需要根据具体的业务情况和得到的分群,针对每一个分群制定特定的运营策略即可。

对于重要价值用户,我们是维持和留存为主,是我们运营的重点。对于重要发展用户,要想方设法提升其交易频次。

对于重要保持用户,要防止其流失掉,重要挽回用户就需要进行重点召回。

一般价值用户,这些可能是价格敏感型的用户,需要挖掘这些用户感兴趣的高单价商品品类,刺激他们消费更高单价的商品。

一般发展用户一般是新来的用户,我们需要挖掘他们的需求,给他们推荐感兴趣的商品,提高消费频次。

一般保持用户,需要采取措施召回,但是力度不用太大,看公司具体的资源来定。

一般挽留用户,如果公司精力不够,可以放弃治疗。

RFM方法的核心逻辑是找出影响用户价值高低的关键行为,然后进行交叉分析和用户划分。所以RFM模型并不一定就是上述的含义,在不同领域可以是不同的定义。例如:

  • 金融领域,R代表最近一次投资的时间,F代表投资频率,M代表投资金额;
  • 直播领域,R代表最近一次观看直播的时间,F代表观看频次,M代表观看总时长;
  • 游戏领域,R代表最近一次玩游戏的时间,F代表游戏频次,M代表游戏时长。还可以定义为,R代表最近一次游戏充值的时间,F代表充值频率,M代表充值金额。

RFM只是代表一种分层的思维方式,任何产品,我们都可以定义影响用户的关键行为,然后定义出这些行为的指标,再对这些指标进行交叉分析,来完成对用户的分层。

5、总结

最后我们来总结一下:

用户分群是按照某些维度将用户分为不同的群体,旨在对用户进行精细化运营。用户分层是一种具有递进关系的用户分群。

用户分群的方式一般有四种:用户价值分群,用户身份分群、用户需求分群以及AARRR模型。

其中RFM是用户价值分群中非常典型的根据用户关键行为进行分群的方法。R是最近一次交易时间,F是交易频次,M是交易金额,以上都需要限定在一段时间内。RFM只有高低两种情况,三者两两交叉将用户分为8个群体。

RFM模型分为四个步骤:拿到数据,计算RFM值,选取中值确定RFM高低,分群,制定运营策略。

RFM中值的选取方式:选取平均值、使用20/80法则,means聚类算法,或根据具体的业务来定。

使用需知
淘主播稿件内容仅为传递更多信息之目的,不代表本站赞同其观点或证实其内容的真实性,更不对您的投资构成建议。
淘主播所有资源均是用户投稿及网上搜集,仅供网友学习交流,本站不作文件存储,版权归原作者所有,请勿作他用。
若您的权利被侵害,请发送邮件至[email protected] 或者 留言反馈 ,我们将尽快删除处理。
这些信息可能会帮助到你: 隐私政策 | 用户协议 | 进圈交流 | 服务市场 | 帮助中心

给TA买糖
共{{data.count}}人
人已赞赏
数据运营

让用户画像见效,我找到了这个突破口……

2021-8-12 22:45:22

数据运营

只需五步,实现数据分析闭环

2021-8-13 0:46:19

也想出现在这里? 联系我们 吧!
淘主播区块AD-淘主播区块
2 条回复 A文章作者 M管理员
  1. 高山天真

    我只是随便看看

个人中心
购物车
优惠劵
搜索