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

編輯導讀：作為一名產品經理，經常會面對很多從來沒有遇到過的問題。沒有相同案例的參考，工作經驗能起到的作用也是有限，怎么辦？例如，領導讓你搭建一個RFM體系，應該怎么做呢？本文將從三個方面展開分析，希望對你有幫助。

在我看來，產品經理其實需要有一種特質，就是擅長解決之前從來沒有遇到過的問題。

如果工作中接觸的全是之前做過項目里的東西，或者全是通過競品分析（競品抄襲）就能設計出產品，那，產品經理的能力如何體現呢？當然可以體現，借助過往的“經驗”或者“競品”就可以，這也是職場當中招聘員工時的現狀，很合理，因為對于招聘方來說，大概率可以獲得與成本匹配的回報。

但，工作當中由于公司業務的差異，要百分百找到可以對標的產品進行像素級“模仿”的情況，其實也沒有那么多，甚至由于公司的業務發展，導致每天你遇到的其實都可能是之前從來沒有遇到過的問題，那么，你會如何去解決并勝任工作呢？如果不能很好的解決頻繁發生的新問題，你的三年、五年、十年工作經驗，意義在哪呢？有你跟沒你，又有什么區別呢？

這也是為何我對于這個崗位甚至一些其他類似崗位（比如：運營、開發、設計等），所存在的上面那樣的觀點，就是除了經驗這個玩意之外，你得自己去做一些底層能力的提取。

那么，簡單聊聊，如果遇到了一個未知問題時，可以怎么去借助底層能力去考慮。當然，在這里，我不想嘗試去提取所謂的底層能力是啥，畢竟這事得自己去做。

假定，你在公司里面，領導讓你來搭建之前從來沒有接觸過的RFM體系，你會如何考慮呢？

一、建立概念

先不說怎么考慮的事，可能有的人沒有接觸過RFM，那既然都沒接觸過的情況下，先老老實實搜集資料去了解下RFM到底是啥。

經過了解，你應該就能知道，RFM可以算是一種模型、一種分析方式，它將用戶在平臺當中的消費行為從三個方面進行了統計，分別是R（最近一次消費時間）、F（最近一段時間消費頻次）、M（最近一段時間消費金額），通過對這幾個方面的數據進行統計之后，從而對用戶進行分類，并且在這樣的一個模型當中，它把用戶分成了八大類，分別是重要價值客戶、重要發展客戶、重要保持客戶、重要挽留客戶、一般價值客戶、一般發展客戶、一般保持客戶、一般挽留客戶。在分類完成后，針對不同類型用戶的特征以便于去更有效的進行營銷。

其實了解到這里之后，應該就明確了一個東西，做這件事情的是為了將用戶分類以便于更好的做精細化運營，而且還能夠順便看出這里的核心運營目標是與錢掛鉤的，所以結合起來，核心目標就變成了為了提升營收而搭建的精細化運營體系。

二、拆解問題

接下來，有的人可能會開始考慮去梳理相應的業務場景，準備著手去設計了。但其實我會覺得還有一些問題是沒有解決的。由這套模型的本質及我們的核心目標出發的話，往下要思考的話，我至少，可能會產生類似于這樣的一些問題：

• 是否有必要去按照RFM的“公式”劃分出這八層？
• 為了劃分出不同層次的用戶訂單數據如何統計？
• 劃分出的不同層次的數據標準到底該如何定義？
• ……

一個一個來。

三、分析問題

1. 是否有必要去按照RFM的“公式”劃分出這八層？

如果套RFM“公式”，當然是沒有問題的。但這里，我覺得要從結果出發，考慮一個實際問題，你們公司的運營手段或者策略上是否具備精細到針對八層甚至更多層次用戶，分別去區別運營的能力？如果沒有的話，那可能最終對于運營人員而言，劃分八層實際上有用的只有一半，因為剩下的一半運營可能采取了同樣的運營策略，那產品的設計上暫時就有點多余。

另外，如果不劃分這么多層次，就要考慮另外一個問題，那三個維度是否還有必要使用？比如你的公司售賣的是用于終身服務的高價會員卡，使用RFM來衡量的話，對于很多用戶而言，F就是一個很低量級的數了，甚至會因此影響用戶的分類，所以F這個維度的存在對于上面這種公司業務就明顯不合理。

基于此，使用RFM時就完全沒有必要硬套公式了，明確核心思想，找到并提煉與核心目標有直接關聯的關鍵指標，劃分出了不同的層次，所以其實更多的是使用RFM模型的思想，最終你可能做出了“SFM”或者“MFM”之類的玩意。

于是，就產生了另外一個問題，如何基于核心目標定義關鍵指標？

這就需要基于公司的業務場景列舉并提煉，這是所有產品經理的基本功，就不展開講解了。

2. 為了劃分出不同層次的用戶訂單數據如何統計？

因為RFM的幾個維度其實都是基于用戶的訂單數據來統計的，甚至是拿訂單當中的成交數據來進行統計的。那么，如何收集這些數據呢？這個其實很簡單，因為絕大多數產品當中訂單數據都會進行單獨的統計。

但，只是這樣就夠了嗎？看一些場景：某個用戶有兩個賬號，一個是手機號A注冊的，一個是手機號B注冊，A賬號是個小號，偶爾用來買一些見不得人的東西，B賬號則是正常購買；另外有個用戶在你們的淘寶店鋪購買商品，在你們官方App、小程序、網站當中也有購買商品，而且可能還不是同個賬號。于是最終就會出現同樣的一個用戶，在登錄了自己不同賬號的時候，會被采取完全不同的運營手段，而我們的出發點其實是需要針對“用戶”的不同特點來做精細化的運營。

所以，這里其實引申出的問題就是，如何確保正確收集了某個用戶的數據？

目前，絕大部分平臺目前所采用的運營方式，我把它稱之為是“面向賬號”的運營，而非“面向用戶”的運營，面向賬號運營會帶來的問題便是對于不同用戶并沒有采取最合適的運營策略，當然，也有一些平臺有在考慮并試圖解決這樣的問題，解決的角度則需要從賬號體系去入手了，涉及到線上線下以及線上多平臺，可以基于用戶的OpenID、UnionID、設備的IMEI等等作為輔助信息來判斷，我在其他文章里面也專門講解過賬號體系的搭建，這里同樣不去展開了。

3. 劃分出的不同層次的數據標準到底該如何定義？

1）定義指標的標準

多個維度確定后，數據收集問題解決后，基于定義好的數值標準然后才能劃分出不同層次的用戶。比如，按照最近消費時間較近的、消費頻次和消費金額都較高的，就可以定為重要價值客戶。于是，問題來了，如何定義出這些維度當中什么叫消費金額的“高低”什么叫消費時間的“遠近”呢？

從生活角度來講，我們能知道類似于“高低”這樣的概念其實是一種相對概念，比如我比姚明矮，但我比另外某個人高，這就是相對于不同的參照物在比較，再比如假定個人稅后年收入1個億以上的叫有錢人，個人稅后年收入低于1個億的叫窮人，同樣也是相對概念，是相對于“1個億”這個數值來比較的，也就是相對于同一個參照物在比較。

很明顯，在這種產品設計當中,我們應該是將不同的數值相對于同一個參考數值去進行比較，這樣才能夠有可比性。所以，目前為止解決這個問題的核心就在于如何去定義出某個相對數值，有了這個相對數值后，比它數值大的稱之為“高”，比它數值小的稱之為“低”之類的。

對于這個“相對數值”而言，需要確保相對公平，而從公平的角度來講，一般比較常見的做法是考慮用平均值或者中位數的角度來作為一個相對標準，基于我們在小學三年級學過的數學知識應該知道，所謂的平均數就是一串數字加起來按個數求出的平均數，而中位數則是一串數字由小到大排序后處于中間位置的數。

為了更好的去理解如何制定這樣的相對標準，我以案例來說明下。假定目前有個電商平臺上線一段時間，已經有大量的用戶訂單數據，在這個基礎上想要基于用戶消費數據來做RFM這塊，并且假定前面的所有產品經理應該做的最基礎的場景梳理已經完成，只剩下對于RFM這三方面的相對標準如何制定這一個問題需要去解決了。

如果平臺是采用平均值作為相對標準，基于前面所講解的思路，也就是說我們需要先有用戶的訂單數據，基于所有訂單數據再來進行計算。在定義F與M的高低時，就需要先計算出平臺所有客戶消費頻次的平均值以及消費金額的平均值，然后將每個用戶的消費金額總額以及頻次與這個平均值進行比較，如果高于這個平均值可以暫時評估為“高”，如果低于平均值則可以評估為“低”。同理，在定義R的遠近時，也需要先計算出每個客戶離當前時間最近的一次消費時間間隔是多久，再去計算出所有客戶離當前時間最近的一次消費時間間隔的平均值，低于該數值的就可以稱之為近，高于該數值的可以稱之為遠。

2）數據向量化處理

并且為了更加方便的去劃分每個用戶的所屬分類，最好將數據進行向量化處理。所謂的向量化處理，也是一個數學概念，因為通常的數字都是只有大小的，向量化后可以簡單理解為數字不僅有大小還有方向了。在這里為了簡單處理，可以將高于相對標準值的，可以算正向量，都以1來表示，低于相對標準值的，可以算負向量，都以0來表示。有了RFM三個維度分別的向量值之后，理論上每個用戶就可以根據向量值來更加方便的去劃分到對應的分類當中，分類方式如下圖所示：

3）引申的問題

到這里，如果你善于思考的話，應該就會發現有一個現象：客戶所屬的分類是一個動態變化的過程。沒錯，因為隨著統計計算的周期不同，各個維度的平均值會發生變化，也就是相對標準發生了變化，那么某個用戶最終所計算出的“高低遠近”就會隨之改變，自然所屬分類也就變化了。所以，如果想要使得這套RFM模型更有實際上的使用價值，還可以去基于用戶過往不同時間周期的數據生成用戶所屬分類階段性變化的情況，這樣能夠更好精細化去分析用戶的個體。

當然，前面的做法有一個前提條件，是在已經有了產品上線，用戶產生了大量的訂單數據之后。那么，在這里順便想一下，如果產品沒有上線呢，如何去定義這樣的一個相對標準呢？或者，我這么問，如果是那樣，相對標準的制定是否是一個偽命題呢？這里，我不去作答，讀者可以自己思考下。

簡單總結下，在設計RFM的時候，上面考慮問題和設計的思路，就可以分為這么幾步去做：

1. 基于業務場景明確分層指標（產品基本功）
2. 基于分層指標明確高低規則（自己定規則）
3. 基于數據劃分出用戶的層次（模型本身規則）

有了上面這些，再基于劃分出的用戶層次，針對性的去制定運營策略即可。

作者：小風，產品經理；公眾號：村上風

本文由 @小風 原創發布于人人都是產品經理。未經許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。