全流程分享:利用RFM模型開展金融產品精細化運營
本文以筆者負責的金融類產品經驗為依據,展示了如何利用RFM模型開展金融產品精細化運營的全流程。
現在獲客成本越來越高,相信每一個運營人都意識到了轉化、留存以及促活的重要性。通過RFM可以幫助我們更了解用戶,精準的開展運營手段。下面我將完完整整地把我用RFM模型進行數據分析的全流程分享給大家。
1. 首先根據產品確定三個重要指標
我負責的是一款金融類產品,KPI是充值金額和新增充值的人數。所以我將RFM分別確定為充值金額、充值次數和登錄次數。
(具體的指標根據自己產品決定,如社交類產品可以是:登錄次數,關注人數、使用時長)
圖是我創建好的數據模型,共有998個用戶數據,是用RANDBETWEEN函數隨機生成的數組,不是真實的用戶數據,僅作為分析所用。
2. 下面開始計算R、F、M值
第一步對數據進行分組,分成5個層級。分組依據可以按照公司業務劃分。我這里分組是先畫出用戶消費金額的趨勢圖,再根據數據走勢分組。
從圖上可以看到,有很明顯的分布節點,于是我將這5個區域分為:
- 1=10~100
- 2=101~1200
- 3=1201~5000
- 4=50001~12000
- 5=12001~20000
接下來根據分區數據計算每個充值金額對應的數值,得出函數如下:
=IF(B2>12000,5,IF(B2>5000,4,IF(B2>1200,3,IF(B2>100,2,1))))
同理F和M的計算方式也是如此。
對消費次數分級后,將這5個區域分為:
- 1=1~5
- 2=6~7
- 3=8~10
- 4=10~15
- 5=15~20
函數如下:
=IF(C2>15,5,IF(C2>10,4,IF(C2>7,3,IF(C2>5,2,1))))
接下來是登錄次數:
- 1=1~10
- 2=11~20
- 3=21~30
- 4=31~40
- 5=41~50
函數如下:
=IF(D2>40,5,IF(D2>30,4,IF(D2>20,3,IF(D2>10,2,1))))
3. 求出RFM的平均值
求出對應的值之后,下面用AVERAGE函數計算各列的平均值:
- R的平均值=1.19
- F的平均值=1.28
- M的平均值=3.33
(有小伙伴問我,為什么要計算出數值后再求平均值,而不是在原消費金額的基礎上求平均?你想下比賽時評委打分,會去掉一個最高分和最低分,這兩個的道理其實有點類似,這樣會使數組更加整體)
4. 判斷RFM等級
接下來判斷RFM等級。通過與平均數進行對比,得出數值的高低。
函數如下:
- R=IF(E2>1.19,”高”,”低”)
- F=IF(F2>1.28,”高”,”低”)
- M=IF(G>3.33,”高”,”低”)
5. 得出用戶價值
到了最重要的一個環節,通過計算得出用戶的價值。用IF和AND函數判斷,同為高、同為低,以及分別為不同高低的用戶分別對應什么。
函數如下:
=IF(AND(H2="高",I2="高",J2="高"),"重要價值用戶", IF(AND(H2="高",I2="低",J2="高"),"重要發展用戶", IF(AND(H2="低",I2="高",J2="高"),"重要保持用戶", IF(AND(H1="低",I2="低",J2="高"),"重要挽留用戶", IF(AND(H2="高",I2="高",J2="低"),"一般價值用戶", IF(AND(H2="高",I2="低",J1="低"),"一般發展用戶", IF(AND(H1="低",I2="高",J2="低"),"一般保持用戶","一般挽留用戶" )))))))
最后就可以根據判斷結果采取不同的運營手段了。下面列出2點我們具體實施時的工作流程給大家參考:
重要價值用戶,是我們金字塔頂尖的客戶,所以要發掘他們的更大價值。通過數據的對比我們發現這類用戶集中在30-40歲的男性群體,有錢有時間,這類用戶我們為他們送上大額優惠券,以及充值成功后贈送的特權和抽獎等形式刺激他們完成大額充值。
重要挽留用戶,這類用戶多為18-25歲之間的年輕群體,充值金額低,登錄頻繁。年輕群體分享欲望強,通過測試我們選取了趣味性較強的素材文案,引導他們向朋友推薦,以擴大用戶群體,分享率提高了10%。
……
通過對不同層級用戶的測試,總結出該群體用戶的特性,之后動員同事提出想法和意見,必要時也要向用戶發出問題邀請,匯總意見后通過AB測試選出可行性方案,這時你就知道下一步該怎么做……
以上就是金融類產品精細化分層和運營過程,初來乍到大家多多指教!歡迎提出意見建議~持續學習進步!
本文由 @王又又 原創發布于人人都是產品經理,未經作者許可,禁止轉載。
題圖來自Unsplash,基于CC0協議。
我就好奇,為啥你根據那幾個波峰來進行分值的切割?還寫“從圖上可以看到,有很明顯的分布節點”???
what?
如果波峰很多或者整個曲線很平你怎么搞?
充值金額一般會給用戶固定選擇,所以波峰會很明顯!
請問可以告訴我一下數據是從哪里收集的嗎?我需要一些數據撰寫關于RFM模型的論文,現在收集不到數據?謝謝
僅利用RFM模型相對還是比較粗的用戶劃分方式,不過能堅持用這個思路去做,還是會有價值的
目前也在學習更精細化的分組,不知能否交流一下啊!
請問:那個分層依據趨勢圖是怎么做的? ??
將數據導入數據透視表中,勾選你所需要的字段,如充值金額到對應的行標簽,用戶名稱到數值標簽(值字段設置為計數),然后插入折線圖就可以了