如何從幾千萬上百萬的用戶中篩選出高價值用戶?

0 評論 1065 瀏覽 8 收藏 8 分鐘

在做產品的用戶管理時,肯定不能將所有的用戶一并考慮。如何對這些用戶群進行區分,RFM模型是一個好辦法。這篇文章,作者從一個案例出發,給大家分享了如何用excel進行RFM模型分層的操作,供各位參考。

案例分析:

公司在原有的產品中積累了部分老用戶,因為產品生態,導致用戶粘性,使用時長根據市場熱度波動,時高時低,為了彌補用戶生態短板,同時開拓新業務線,開發了一款互補型產品,新產品需要做前期推廣,例如前期封測,數據回收,用戶意見,BUG反饋等。

在這里問一個問題:

“在前期投放及推廣預算有限的情況下,如何從幾千萬上百萬的用戶中篩選出高價值的那部分用戶?”

給大家3秒的時間思考,你可以把你的回答,打在評論區。

3,2,1。

好了。

不過我要說的是,其實答案并不重要,至于為什么,在后面的內容中我會分享一個模型。

RFM模型便可以實現。

那么什么是RFM模型?

RFM模型是衡量用戶價值和用戶創利能力的重要工具和手段。

常?于?戶價值研究和?戶精細化運營,能夠精準定位?戶需求,實現策略效果的最?化。

可以應用于多個行業和場景,如互聯網、零售、電商、銀行、通信等上都適用。

RFM模型定義

Recently:最近一次消費指的是用戶上一次消費的時間,理論上最近一次消費時間越近的用戶更有可能對即時的商品或服務做出反應,有助于吸引用戶持續購買并贏得他們的忠誠度。

Frequency:消費頻率指用戶在特定期間內購買的次數,關鍵在于推動消費者提升購買頻次,將低頻購買者轉化為高頻購買者,常購者通常滿意度和忠誠度最高。

Monetary:消費金額是數據庫報告的核心,理論上M值和F值是一樣的,都帶有時間范圍,指的是一段時間內的消費金額,所以對于一般產品而言,M值對客戶細分的作用相對較弱。

然后和平均數(中位數)對比得到定性描述(高或低),最后將用戶分成8個不同的種類,用戶分層可套用產品本身用戶畫像自行定義。

結合以上案例和模型具體操作步驟。

前期數據準備:

用戶分類表格

用戶充值交易流水,包含用戶id、充值時間、充值金額。

坐穩,扶好,準備上高速~~

數據處理:

第一步

選取部分數據樣本,確認充值時間和取數時間的時間差,這里使用的數據樣本為假數據,主要用于說明操作步驟。

如圖所示新增“距離天數”列,用取數時間“D2”列減去充值時間“C2”列,即可計算出第一位用戶的距離天數,鼠標雙擊左鍵“E2”列全部填充,計算出整列的距離天數。

第二步

選取全部數據創建透視表。

將“user_id”列拖入下方行的區域,再將“user_id”,“金額”,“距離天數”拖動到值的區域。

計算維度:user_id計次,金額求和,距離天數最小值。

鼠標左鍵點擊“user_id”數值計算欄按鈕,選擇“值字段設置”,在“計算類型”中選擇“計數”,點擊“確定”,得到每個用戶的購買頻次。

鼠標左鍵點擊“金額”數值計算欄按鈕,選擇“值字段設置”在“計算類型”中選擇“求和”,點擊“確定”,得到每個用戶的充值總金額。

鼠標左鍵點擊“距離天數”數值計算欄按鈕,選擇“值字段設置”在“計算類型”中選擇“最小值”,點擊“確定”,得到用戶最近一次購買取數時間差。

將做好的透視表中得到的數據復制到新的工作表中,粘貼為數值型,重命名每列新字段,并新增“R”“F”“M”字段,并刪除總計行的數據。

第三步

計算計算R、F、M值。

在E2單元格輸入“=IF(B2<AVERAGE(B:B),”低”,”高”)”,將最近一次購買距離天數低于平均值的用戶R值設為“低”,否則為“高”,得出整列的R值。

對“R”列進行填充,再同理向右對“F”值,“M”值進行填充。

新建“RFM”字段,在H2單元格輸入“=E2&F2&G2”,得到RFM值。

用戶VLOOKUP函數將事先準備好的用戶類型代入新表中,新建“用戶類型”字段,在I2單元格輸入“=VLOOKUP(H2,用戶類型!E:F,2,0))”,由此得到每個用戶的類型

一個用EXCEL表格制作的RFM模型就制作好了,接下來要做的事情就是根據實際需求,篩出列表中優質的用戶做推廣或者其他形式的活動促銷。

本文由 @PM大明同學 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

該文觀點僅代表作者本人,人人都是產品經理平臺僅提供信息存儲空間服務

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. 目前還沒評論,等你發揮!