SEO外包平台,我们为您提供专业的企业网站SEO整站优化外包服务 SEO设置

SEO外包平台

专注于企业网站SEO整站优化外包服务

用户分析有哪些经典的模型和方法,如何系统地学习用户分析?

作者:jcmp      发布时间:2021-04-21      浏览量:0
最经典的当属RFM模型吧,简单好操作而且

最经典的当属RFM模型吧,简单好操作而且还十分实用,下面就介绍一些怎么构建RFM模型。

一、什么是RFM模型?

R是指用户的最近一次消费时间,用最通俗的话说就是,用户最后一次下单时间距今天有多长时间了,这个指标与用户流失和复购直接相关。

F是指用户下单频率,通俗一点儿就是,用户在固定的时间段内消费了几次。这个指标反映了用户的消费活跃度。

M是指用户消费金额,其实就是用户在固定的周期内在平台上花了多少钱,直接反映了用户对公司贡献的价值。

而RFM模型就是通过一个客户的近期购买行为、购买的总体频率以及花了多少钱三项指标,来描述该客户的价值状况。

二、RFM模型有什么作用?

RFM模型可以对客户的终生价值做一个合理的预估,基于一个理想的客户特征来衡量现实中客户价值的高低,通过此类分析,定位最有可能成为品牌忠诚客户的群体,让我们把主要精力放在最有价值的用户身上。

三、怎么构建RFM模型?

1、人群划分

进行客户行为分析的第一步是按照企业实际业务需求对您的客户群进行分类,人群细分参考的属性主要分为三大类:

2、明确指标

也就是通过excel或者BI工具计算出每个客户的RFM指标,这里我用的是 FineBI ,通过客户名称、消费时间、消费金额来处理出上次交易间隔R、交易频率F、交易金额M三个原始字段,如下图所示。

但是要注意的是这三个指标不是死板不变的,要针对自己的行业特点灵活变通,比如在金融行业,最近一次购买时间可能并不适用,此时可以考虑采用金融产品持有时间来代替R,这样更能体现用户与金融企业建立联系时间的长短。

3、切分指标

因为我们要把用户按照三个维度指标进行划分,也就相当于将用户放到下面这个正方体中:

因此我们要对指标进行切分,设定阈值,也就是为指标设定正负值,确保三个指标将用户分为八个象限。通常比较常用的方法就是等频和等宽进行切分,比如将用户购买花费进行平均值计算,然后将M值一分两半,大于平均值的就是愿意花大钱买产品的用户,这就是我们的重要客户。

比如我们将用户的R、F、M值分别进行平均值划分,在FineBI中只需要点击“组内平均值计算”就可以实现了:

然后进行赋值,高于平均值就赋值1,低于平均值就赋值0,可以利用if函数实现:

同理对其他两个指标也进行划分,这样指标细分工作基本上就完成了。

4、用户分类

我们将三个指标分别进行划分后,按照下图的方式进行组合,就可以得到八个象限,代表8类客户:

这样我们的用户细分就完成了

5、可视化分析

利用FineBI对客户进行细分,可以将其制作成可视化数据分析模板,以便我们按照需求进行客户分析。

矩形树图-客户价值分类: 是整个RFM模型的核心,直观显示了8个客户群的人数及占比,可以联动到其它组件来查看具体某客户群下的情况。

试管型仪表盘-客户类型人数: 显示各客户类型的具体人数

饼图-交易金额组成: 由于我们最关心的是各客户群的价值贡献,所以研究不同人群的交易金额占比,可以得到哪个人群的贡献值较大,对于我们的价值更大。

点图-MF-R分布: 横坐标为F交易频率,纵坐标为M交易金额,点大小为R上次交易间隔。通过MF分布来直观看到客户的消费能力分布,进而通过R的大小来锁定哪些客户更为忠诚。

点图-RF-M分布: 横坐标为F交易频率,纵坐标为R上次交易间隔,点大小为M交易金额。通过RF分布来直观看到客户的消费异动情况,进而通过M的大小来判断哪些客户更有必要挽回。

点图-MR-F分布: 横坐标为M交易金额,纵坐标为R上次交易间隔,点大小为F交易频率。通过MR分布来直观看到客户的消费潜能情况,进而通过F的大小来挖掘更有价值的客户。

分组表-交易明细: 显示各客户类型下的客户交易明细。

这个DashBoard可以快速锁定我们关心的客户群体,确定他们的具体特征及名单。最后只要根据这个分析的结果来采取针对性的业务决策。