中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

編輯導(dǎo)語：RFM是很傳統(tǒng)的數(shù)據(jù)分析模型，幾乎所有文章都會提到它，然而市面上流傳的各種亂用、錯用也非常多；本文作者對RMF做出了詳細(xì)的分析，我們一起來了解一下。

上一篇講了【用戶畫像高大上，但90%的人都做失敗了】以后，很多同學(xué)表示想看RFM，今天它來了。

一、RFM基本原理

RFM是三個單詞的縮寫：

最近一次消費時間（Recency），取數(shù)的時候一般取最近一次消費記錄到當(dāng)前時間的間隔，比如7天、30天、90天未到店消費；直觀上，一個用戶太久不到店消費，肯定是有問題，得做點什么事情，很多公司的用戶喚醒機制都是基于這個制定的。

一定時間內(nèi)消費頻率（Frequency），取數(shù)時，一般是取一個時間段內(nèi)用戶消費頻率。比如一年內(nèi)有多少個月消費，一個月內(nèi)有多少天到店等等；直觀上，用戶消費頻率越高越忠誠；很多公司的用戶激勵機制都是基于這個制定的，買了一次還想讓人家買第二次。

一定時間內(nèi)累計消費金額（Monetary），取數(shù)時，一般是取一個時間段內(nèi)用戶消費金額，比如一年內(nèi)有多少消費金額；直觀上，用戶買的越多價值就越大；很多公司的VIP機制是基于這個指定的，滿10000銀卡，滿20000金卡一類。

所以，即使單獨看這三個維度，都是很有意義的。

當(dāng)然，也有把三個維度交叉起來看的（如下圖）：

因為RFM與時間有關(guān)，因此很多同學(xué)在取數(shù)的時候會糾結(jié)時間怎么分；嚴(yán)格來說，越柴米油鹽，消費頻次本身越高的業(yè)務(wù)，取的時間應(yīng)該越短。

最典型的就是生鮮，人天天都要吃飯，7天不吃可能就有問題；普通的快消品零售可能取30天，類似服裝百貨零售可能取90天；當(dāng)然，更多的做法是按月取，比如R按月取，F(xiàn)、M算最近一年內(nèi)的數(shù)值——這樣做單純是因為比較方便理解而已。

RFM本質(zhì)上是一種用三個分類維度，找判斷標(biāo)準(zhǔn)方法；通過三個維度的組合計算，能判定出用戶的好壞，然后采取對應(yīng)措施。

RFM的真正意義在于：這是一種從交易數(shù)據(jù)反推用戶價值的方法，因此可行性非常高！

要知道：做數(shù)據(jù)分析的最大瓶頸是數(shù)據(jù)采集，而只要是個正常企業(yè)，交易數(shù)據(jù)是肯定有的；因此只要企業(yè)建立了用戶ID統(tǒng)一認(rèn)證機制，就能將用戶ID與交易數(shù)據(jù)關(guān)聯(lián)起來，就能用RFM來分析用戶了；即使沒有埋點、沒有網(wǎng)站、沒有基礎(chǔ)信息也能做，簡直是方便好用的神器。

當(dāng)然，所有方便好用的工具，都自帶一些不足，RFM模型也是如此。

二、RFM的最大短板

RFM最大的短板，在于用戶ID統(tǒng)一認(rèn)證；不要小看這幾個字，在相當(dāng)多的企業(yè)里非常難實現(xiàn)。

比如你去超市、連鎖店、門店買東西，往往收銀小妹會機械的問一句：有會員卡嗎？如果回答沒有，她也放你過去了；導(dǎo)致的結(jié)果，是線下門店的訂單，一般有70%-90%無法關(guān)聯(lián)到用戶ID；進(jìn)而導(dǎo)致整個用戶數(shù)據(jù)是嚴(yán)重缺失的，直接套RFM很容易誤判用戶行為。

至于用戶一人多張會員卡輪流薅羊毛，多個用戶共同一張VIP卡拿最大折扣，店員自己用親戚的卡把無ID訂單的羊毛給薅了之類的事，更是層出不窮；而且在實體企業(yè)、互聯(lián)網(wǎng)企業(yè)都普遍存在。

所以做RFM模型的時候，如果你真看到111類用戶，別高興太早，十有八九是有問題的；現(xiàn)在的企業(yè)往往在天貓、京東、自有微商城、有贊等幾個平臺同時運作，更加大了統(tǒng)一認(rèn)證的難度；如果沒有規(guī)劃好，很容易陷入無窮無盡的補貼大坑。

三、RFM的深層問題

即使做好了用戶ID統(tǒng)一認(rèn)證，RFM還有一個更深層的問題。

讓我們回顧一下，RFM模型的三個基本假設(shè)：

• R：用戶離得越久就越有流失風(fēng)險
• F：用戶頻次越高越忠誠
• M：用戶買的越多越有價值

反問一句：這三個假設(shè)成立嗎？

如果不結(jié)合具體行業(yè)、具體產(chǎn)品、具體活動來看，似乎是成立的；但是一旦具體討論就會發(fā)現(xiàn)：很多場景不滿足這三個假設(shè)；因此：單純講RFM，不結(jié)合產(chǎn)品、活動，是很容易出BUG的。

R：用戶離得越久就越有流失風(fēng)險

• 如果是服裝這種季節(jié)性消費，用戶間隔2-3個月是很正常；
• 如果是手機、平板這種新品驅(qū)動產(chǎn)品，間隔時間基本跟著產(chǎn)品更新周期走；
• 如果是家居、住房、汽車這種大件耐用品，R就沒啥意義，用戶一輩子就買2次；
• 如果是預(yù)付費，后刷卡的模式，R就不存在了，需要用核銷數(shù)據(jù)代替。

所以R不見得就代表著用戶有流失風(fēng)險，特別是現(xiàn)在有了埋點數(shù)據(jù)以后，用戶互動行為更能說明問題。

F：用戶頻次越高越忠誠

• 如果用戶消費是事件驅(qū)動的，比如賽事、節(jié)假日、生日、周末；
• 如果用戶消費是活動驅(qū)動的，比如啥時候有優(yōu)惠啥時候買；
• 如果用戶消費是固定模式的，比如買藥的用量就是30天。

以上情況都會導(dǎo)致F的數(shù)值不固定，可能是隨機產(chǎn)生的，也可能是人為操縱的。

很多企業(yè)僵硬地執(zhí)行RFM模型，往往會定一個固定的F值，比如促使用戶買4次，因為數(shù)據(jù)上看買了4次以上的用戶就很忠誠；結(jié)果就是引發(fā)用戶人為拆單，最后F值做上去了，利潤掉下來了。

M: 用戶買的越多越有價值

• 如果用戶是圖便宜，趁有折扣的時候囤貨呢？
• 如果用戶買了一堆，已經(jīng)吃膩了、用夠了呢？
• 如果用戶買的是耐用品，買完這一單就等十幾二十年呢？
• 如果用戶消費本身有生命周期，比如母嬰，游戲，已經(jīng)到了生命周期末尾呢？

很多情況下，用戶過去買的多，不代表未來買的多，這兩者不劃等號；因此真看到011、001、101的客人，別急著派券，整明白到底出了啥問題才是關(guān)鍵。

除了單獨維度的問題外，三個維度連起來看，也容易出問題；因為很多公司的用戶結(jié)構(gòu)不是金字塔形，而是埃菲爾鐵塔型——底部聚集了太多的不活躍用戶，且不活躍用戶大多只有1單，或者只有幾次登錄便流失；因此RFM真按八分類化出來，可能000的用戶比例特別多。

這意味著現(xiàn)有存活的用戶，可能是幸存者偏差的結(jié)果，現(xiàn)有的111不是000的未來；要更深層次地分析為啥會沉淀大量不活躍用戶，甚至從根上改變流程，才能解決問題；真按照RFM生搬硬套?？赡芫桶褬I(yè)務(wù)帶到死胡同里了。

四、RFM的典型亂用

RFM本身并沒有錯，在數(shù)據(jù)匱乏（特別是缺少埋點數(shù)據(jù)）的情況下，用RFM比不用RFM好太多了。

RFM的三個維度，每一個都很好用；RFM的整體架構(gòu)，也適合用于評估用戶經(jīng)營的整體質(zhì)量。

錯的是生搬硬套RFM，不做深入分析；錯的是看到買了大單的就叫爸爸，看到用戶不買就急著發(fā)券的無腦做法；一味派券不但嚴(yán)重透支營銷成本，更會培養(yǎng)出更多薅羊毛用戶，破壞了正常經(jīng)營，只為了RFM的數(shù)值好看。

特別是網(wǎng)上文章、網(wǎng)課最喜歡教的：按RFM，每個拆分成5段，分成5*5*5=125類，然后再用K均值聚類聚成5-8類的做法，更是大錯特錯。

• 經(jīng)過K均值聚類以后，連RFM原有的含義清晰的優(yōu)點都沒有了，到底這8類咋解讀，非?；靵y。
• 這樣做沒有考慮數(shù)據(jù)滾動更新，過了一周或者一個月，RFM指標(biāo)都變了呀！難道你還天天把全量用戶拿出來聚類嗎。
• k均值聚類不是一個穩(wěn)定的分類方法，無監(jiān)督的分類更適合做探索性分析；隔了一周，一個用戶被分成完全不同的兩類，這會讓市場營銷、運營策劃執(zhí)行政策的時候非常抓狂：一天一個樣，到底要推什么！

本質(zhì)上看，因為網(wǎng)課、網(wǎng)文給的都是一張清洗得完美的靜態(tài)數(shù)據(jù)表：一不需要跟別的部門合作，二不需要考慮連續(xù)場景，所以才選了一個模型+算法的做法。

嗯，能不能用不重要，顯得自己牛逼最關(guān)鍵！

五、如何讓RFM更有用

綜合RFM失效的場景，可以看出：季節(jié)性、商品特征、促銷活動、節(jié)假日事件、用戶生命周期，這五大要素，都會影響到用戶的行為；因此不局限于RFM，深入研究用戶場景非常關(guān)鍵。

注意，這五大要素研究起來，并沒有想象中的難。比如很多商品有內(nèi)在的關(guān)聯(lián)性，只要熟悉業(yè)務(wù)就能整明白；比如季節(jié)性、節(jié)假日事件，本質(zhì)上都和時間有關(guān)；因此，對用戶登錄、消費的時間打上標(biāo)簽，就能進(jìn)行分析（如下圖）。

促銷活動也是同理，促銷活動可以直接從訂單識別出來，因此也很容易給用戶貼上——促銷敏感型的標(biāo)簽。

用戶生命周期，需要數(shù)據(jù)采集，而且是采集一個最關(guān)鍵的數(shù)據(jù)即可。

最典型的用戶生命周期是母嬰行業(yè)做法，企業(yè)一定會采集一個最關(guān)鍵的數(shù)據(jù)：懷孕多少周了；這個數(shù)據(jù)爸爸們不見得清楚，媽媽們一定很清楚；知道了起點，后續(xù)就可以推算了。

類似的還有藥店連鎖做慢病管理、K12教育等等。

六、小結(jié)

任何模型都有其產(chǎn)生的歷史背景、數(shù)據(jù)基礎(chǔ)、使用范圍；也不是所有模型的目的都是精準(zhǔn)；簡單、好用、省事，是更多時候的考慮。

因此再次強烈建議同學(xué)們，不要沉迷于當(dāng)知識收集者，企圖找到《宇宙唯一真理模型》然后死記硬背，頂禮膜拜。

多研究自己工作的行業(yè)特點，改造方法為我所用，才是讓數(shù)據(jù)發(fā)揮更大作用的方法。

說起死記硬背，然后亂用的模型，除了RFM還有很多；比如關(guān)聯(lián)分析，都快2021年了，居然還有人信啤酒與尿布，被亂用得也是一塌糊涂。

有興趣的話，關(guān)注接地氣的陳老師，我們下一篇分享，敬請期待哦。

#專欄作家#

接地氣的陳老師，微信公眾號：接地氣學(xué)堂，人人都是產(chǎn)品經(jīng)理專欄作家。資深咨詢顧問，在互聯(lián)網(wǎng)，金融，快消，零售，耐用，美容等15個行業(yè)有豐富數(shù)據(jù)相關(guān)經(jīng)驗。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議