利用RFM对客户进行精细化的管理

2019-06-24 12:00更新1115次浏览

新零售相较于传统零售来说,其间一个很重要的是人货场的重构,从以产品为中心转向以人为中心。所以现在的零售企业对消费者是越来越注重了,许多的企业都树立起了自己的会员系统,经过线上或者线下的途径收集了很多的会员数据。可是怎么有效的利用这些会员数据,怎么经过这些会员数据识别出有价值的会员呢?

1.jpg


在很多的客户细分模型傍边,RFM模型能够说是许多人第一个想到的模型,也是大部分运营人员都会接触到的一个模型。RFM模型主要是经过最近一次消费

频率(Recency)、消费频率(Frequency)、消费金额(Monetary)这三个目标去衡量客户价值和客户创利能力。


最近一次消费频率(Recency)


代表着用户间隔现在最近的一次消费时刻,这个最近一次消费时刻间隔现在越近越好,越近对咱们越有价值。也便是说R值越小,表明客户近期有买卖发

生,R值大了,客户或许已经熟睡或者已经丢失了。其间或许有些优质客户,需求想办法唤醒。


消费频率(Frequency)


代表着用户在一段时刻内的消费频次,这个消费频次自然是是越频繁越好了。也便是说F值越大表明用户的消费越频繁,反之则表明用户不够活泼。可是

这个一段时刻需求依据产品的特点去设定,比方3C数码产品,他们自身频次就不或许太高的,不或许设置几个月。而日用百货的购买频次就高了,不或许

设置个几年。


消费金额(Monetary)


代表着用户在一段时刻内的消费的金额(依据需求不同,能够算是每次的平均金额,也能够核算必定时刻内消费的总金额),体现着消费者为企业的创利多少,消费越多的用户越有价值。也便是说M值越高,表明客户价值越高。这个值是比较重要的,咱们都听过二八规律,20%的用户产生了80%的价值,这部分客户对公司的营收来说很重要。

2.jpg


基于这三个目标,咱们对客户进行细分,以一家零售百货超市为比如阐明一下吧:


3.png


咱们依据用户最近一次消费的时刻,两个月内消费的频次,消费的总金额将客户细分成了5个等级。将0、1、2划分为低值,3、4、5划分为高值。


4.png


能够看出来,M值的重要性,当M指为高的时分,这个客户便是重要客户,当M值为低的时分,这个客户便是一般客户。咱们依据客户的数据,将客户细分到相应的分组傍边,针对不同的客户选用不同的策略进行营销。以个人近两个月的超市购物数据为例:


5.png

消费频次7次,最近一次消费时刻为3天前,消费总金额为449.2元,依据上述的RFM表格进行划分的话,应当是属于一般有价值客户。针对我这样的用户,应该经过活动拉高我的消费单价,经过促销、优惠券等方式,影响消费。


而对于一般企业具有很多的会员数据,咱们能够经过excel表格简略的if函数应用来进行挑选,或者使用专业的CRM客户关系办理系统来处理。


6.png

针对不同的企业,咱们能够针对不同的数值进行剖析,例如在论坛网站的话,能够抓取用户的其他数据,R=最近的登录时刻,F=一段时刻内的登录次数,M=一段时刻内的发帖互动数。而依据设定的阈值和设计的等级也应该跟着改变。


当然了,一切的数据,最后仍是得回归到运营上来,也能够加入更多维度的数据去分层。针对不同层次的用户的方针,应当依据详细的行业和企业的实践来拟定,结合企业的资源去实施。