手把手教你如何使用RFM進行用戶分群

2 評論 9750 瀏覽 52 收藏 14 分鐘

編輯導語:很多產品中都會有用戶分群,通過對用戶的分群,方便我們能夠更好的尋找最關鍵的核心用戶、精細化設計產品、針對化運營;本文作者分享了關于如何使用RFM進行用戶分群,我們一起來了解一下。

很多產品中我們都能看到用戶分群,比如最明顯的會員體系,就是將用戶分為了非會員和會員兩個群體。

又比如我們現在經常聽到的AARRR模型,也可以說是一種分群方式。那么,什么是用戶分群?

一、什么是用戶分群

用戶分群,簡單的說就是按照某些維度,可以是一個或者多個維度交集,按照一定的規則將用戶劃分成不同的群體。例如按照年齡劃分:

手把手教你如何使用RFM進行用戶分群

用戶分群可以分成2種,明分群和暗分群。

明分群指的是分群規則和對應群體的運營策略都是公開的,目的是利用更高群體的優質服務來吸引用戶進行升級。

比如說會員體系,所有產品的會員規則和每一個級別的會員優惠都是明確公開的,商家就是使用更優質的服務來吸引用戶不斷升級會員等級。

相反,暗分群指的是分群規則和對應的運營策略都是不透明的,用戶并不知道自己被分為了什么群體。

比如價格歧視策略,所謂的大數據殺熟,就屬于這一類。

除了用戶分群,我們還經常聽到另一個概念:用戶分層。這兩者有什么區別嗎?

簡單來說,用戶分群,不同的群體之間可能是平行關系,也可能是遞進關系,也可能是其他關系。

而用戶分層,是一種特殊的用戶分群,不同的群體之間存在遞進關系。

例如,如果按照性別,可以將用戶劃分為男女兩個群體,這兩個群體之間是平行關系,所以這是分群而不是分層。

而如果我們按照AARRR模型將用戶分成5個群體,那么這就是用戶分層,因為AARRR五個群體之間是存在遞進關系的。

同樣,會員體系也是一種用戶分層。

所以,用戶分層是一種特殊的用戶分群方式。

那么,為什么要進行用戶分群呢?

隨著我們用戶規模的不斷擴大,單一的運營策略不再能滿足所有用戶的需求。

例如適用價格敏感型用戶的優惠運營策略,就不一定適用于注重高品質的用戶。

另外,用戶群體大了以后,我們會發現其中20%的用戶貢獻了80%的價值,而公司的資源(包括人力、財力等)是有限的,不可能照顧到所有的用戶,所以就需要篩選出高價值的20%用戶進行重點運營。

二、如何進行用戶分群

常用的用戶分群方法,包括用戶價值區隔分層、用戶身份區隔、用戶需求區隔和AARRR模型。

用戶價值區隔分層,又分為兩個維度:第一,依靠用戶生命周期定義對用戶進行價值區隔;第二,依靠用戶關鍵行為對用戶進行價值區隔。

而今天我們重點要給大家分享的RFM模型,就屬于依靠用戶關鍵行為對用戶進行價值區隔的方法。(4種方法助你輕松完成用戶分層

RFM分別代表用戶三種關鍵行為:

  • R(Recency),距離最近一次交易,衡量用戶的流失情況
  • F(Frequency),交易頻次,衡量用戶的忠誠度
  • M(Monetary),交易金額,衡量用戶的貢獻度

RFM三個值只分為高低兩種情況,結合起來就是8中情況:

手把手教你如何使用RFM進行用戶分群

手把手教你如何使用RFM進行用戶分群

使用RFM模型的一般步驟:

手把手教你如何使用RFM進行用戶分群

下面,用一個實例來分享下具體的操作方法。

三、RFM分群實例

例如,從網上獲取了40多萬條電商訂單數據,時間是2010年12月1日到2011年12月9日。

手把手教你如何使用RFM進行用戶分群

1. R值

首先我們計算R值,R值指的是用戶距離最近的一次交易,使用最近一次購買日期到現在時間的差距來衡量。

所以,第一步:我們要找出每個用戶,最近一次購買的日期

選擇所有訂單數據,插入數據透視表,行選擇客戶,列選擇購買日期,然后設置購買日期匯總方式為最大值(因為最近的日期肯定是最大的)。

手把手教你如何使用RFM進行用戶分群

找出所有用戶最近一次購買日期,下一步計算這些日期距今的時間間隔。

使用公式:DAYS360(開始日期,結束日期),計算出時間間隔

手把手教你如何使用RFM進行用戶分群

然后,我們要選擇一個中值,時間間隔小于中值的用戶表示R值為高,大于中值的用戶表示R值為低。

那我們如何選擇中值呢?一般有幾種常見的方法:

  • 所有數據的平均值或中值
  • 基于一個業務節點的重要值,例如投資理財類的R值,一般是1個月,因為發工資才有錢投資
  • 以二八法則進行推算,80%的用戶集中在低頻低金額區間,20%的用戶集中在高頻高金額區間
  • Means聚類算法,這個如果數據分析師小姐姐懂得話,就最好了

這里,我們使用20/80法則,發現使用眾數作為中值更好。于是我們使用眾數和如下公式,為每個客戶的R值進行高低標記:=IF(C2<30,”高”,”低”)。

手把手教你如何使用RFM進行用戶分群

順便分享下,計算眾數的公式為:=MODE();計算中位數的公式為:=MEDIAN()

2. F值

F值指的是用戶的購買頻次,即在此期間用戶下了多少單,所以我們只需要統計每個用戶的去重訂單數即可。

同樣可以使用數據透視表來實現。

手把手教你如何使用RFM進行用戶分群

行使用客戶ID,列使用訂單號進行計數。

這里我發現了一個WPS很狗的地方,WPS不提供訂單號去重計數,這個在excel里是支持的。。。

手把手教你如何使用RFM進行用戶分群

計算出每個用戶的F值后,我們發現,F值的眾數和最小值是一樣的,并且中位數小于平均值,說明有幾個很大的數值拉高了平均值。

為了使數據盡量符合20/80法則,我們選擇5(接近平均值)作為F值的比較中值。

3. M值

看原始數據發現,沒有訂單金額的數據,所以首先,要計算出每一筆訂單的金額。

然后同樣使用數據透視表,統計每個用戶在此時間段內的購買總金額

手把手教你如何使用RFM進行用戶分群

然后,我們計算出訂單金額的平均值,眾數和中位數,發現平均值遠大于中位數,這表明其中存在一些很大的訂單金額數據,拉高了平均值,所以我們直接使用平均值作為F的中值即可。

手把手教你如何使用RFM進行用戶分群

這樣,我們就把每個用戶的RFM三個值的高低取值確定了。

通過統計人數后,我們得到:

手把手教你如何使用RFM進行用戶分群

四、RFM運營策略

最后,只需要根據具體的業務情況和得到的分群,針對每一個分群制定特定的運營策略即可。

對于重要價值用戶,我們是維持和留存為主,是我們運營的重點。對于重要發展用戶,要想方設法提升其交易頻次。

對于重要保持用戶,要防止其流失掉,重要挽回用戶就需要進行重點召回。

一般價值用戶,這些可能是價格敏感型的用戶,需要挖掘這些用戶感興趣的高單價商品品類,刺激他們消費更高單價的商品。

一般發展用戶一般是新來的用戶,我們需要挖掘他們的需求,給他們推薦感興趣的商品,提高消費頻次。

一般保持用戶,需要采取措施召回,但是力度不用太大,看公司具體的資源來定。

一般挽留用戶,如果公司精力不夠,可以放棄治療。

RFM方法的核心邏輯是找出影響用戶價值高低的關鍵行為,然后進行交叉分析和用戶劃分。所以RFM模型并不一定就是上述的含義,在不同領域可以是不同的定義。例如:

  • 金融領域,R代表最近一次投資的時間,F代表投資頻率,M代表投資金額;
  • 直播領域,R代表最近一次觀看直播的時間,F代表觀看頻次,M代表觀看總時長;
  • 游戲領域,R代表最近一次玩游戲的時間,F代表游戲頻次,M代表游戲時長。還可以定義為,R代表最近一次游戲充值的時間,F代表充值頻率,M代表充值金額。

RFM只是代表一種分層的思維方式,任何產品,我們都可以定義影響用戶的關鍵行為,然后定義出這些行為的指標,再對這些指標進行交叉分析,來完成對用戶的分層。

五、總結

最后我們來總結一下:

用戶分群是按照某些維度將用戶分為不同的群體,旨在對用戶進行精細化運營。用戶分層是一種具有遞進關系的用戶分群。

  • 用戶分群的方式一般有四種:用戶價值分群,用戶身份分群、用戶需求分群以及AARRR模型。
  • 其中RFM是用戶價值分群中非常典型的根據用戶關鍵行為進行分群的方法。R是最近一次交易時間,F是交易頻次,M是交易金額,以上都需要限定在一段時間內。RFM只有高低兩種情況,三者兩兩交叉將用戶分為8個群體
  • RFM模型分為四個步驟:拿到數據,計算RFM值,選取中值確定RFM高低,分群,制定運營策略
  • RFM中值的選取方式:選取平均值、使用20/80法則,means聚類算法,或根據具體的業務來定

 

作者:Jarvan;公眾號:產品叨比叨

本文由 @Jarvan 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

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 寫的很不錯很有用啊啊啊,其他的用戶分群方式后續還能分享嘛

    回復
  2. 學到了學到了

    回復