精华内容
下载资源
问答
  • 今天的介绍的是另外一个拓展的模型:航空公司客户价值分析模型LRFCM。 RFM模型的复习 在客户分类中,RFM模型是一个经典的分类模型,模型利用通用交易环节中最核心的三个维度——最近消费(Recency)、消费频率...

    目录

    一、背景

    二、分析方法与过程

    2.1数据抽取

    2.2 数据探索分析

    2.3 数据预处理

    2.3.1 数据清洗

    2.3.2 属性规约

    2.3.3 数据变换

    2.4 聚类分析

    2.5特征分析

    三、分析结果

    四、模型应用

    4.1会员的升级与保级

    4.2首次兑换

    4.3交叉销售

    参考资料


    一、背景

    面对激烈的市场竞争,各个航空公司都推出了更优惠的营销方式来吸引更多的客户,国内某航空公司面临着客户流失、竞争力下降和航空资源未充分利用等经营危机。通过建立合理的客户价值评估模型,对客户进行分群,分析比较不同客户群的客户价值,并制定相应的营销策略,对不同的客户群提供个性化的服务是必须和必要的。目前该航空公司已积累了大量的会员档案信息和其乘坐航班积累,经加工后得到下图所示的部分数据属性定义信息。

     

     

    需要根据这些数据实现以下目标。

    1. 对客户进行分类。
    2. 对不同的客户类别进行特征分析,比较不同类别客户的客户价值。

    二、分析方法与过程

    在客户分类中,RFM模型是一个经典的分类模型,模型利用通用交易环节中最核心的三个维度——最近消费(Recency)、消费频率(Frequency)、消费金额(Monetary)细分客户群体,从而分析不同群体的客户价值。在某些商业形态中,客户与企业产生连接的核心指标会因产品特性而改变。如互联网产品中,以上三项指标可以相应地变为下图中的三项:最近一次登录、登录频率、在线时长。

     

    我们说RFM模型由R(最近消费时间间隔)、F(消费频次)和M(消费总额)三个指标构成,通过该模型识别出高价值客户。但该模型并不完全适合所有行业,如航空行业,直接使用M指标并不能反映客户的真实价值,因为“长途低等舱”可能没有“短途高等舱”价值高。考虑到商用航空行业与一般商业形态的不同,决定在RFM模型的基础上,增加2个指标用于客户分群与价值分析,得到航空行业的LRFMC模型:

    1. L:客户关系长度。客户加入会员的日期至观测窗口结束日期的间隔。(反映可能的活跃时长)
    2. R:最近一次乘机时间。最近一次乘机日期至观测窗口结束日期的间隔。(反映当前的活跃状态)
    3. F:乘机频率。客户在观测窗口期内乘坐飞机的次数。(反映客户的忠诚度)
    4. M:飞行总里程。客户在观测窗口期内的飞行总里程。(反映客户对乘机的依赖性)
    5. C:平均折扣率。客户在观测窗口期内的平均折扣率。(舱位等级对应的折扣系数,侧面反映客户价值高低)

    2.1数据抽取

    以2014-03-31为结束时间,选取宽度为两年的时间段作为分析观测窗口,抽取观测窗口内所有客户的详细数据形成历史数据。对于后续薪资的客户详细信息,以后续薪资数据中最新的时间点作为结束时间,采用同样的方法进行抽取,形成增量数据。

    根据末次飞行日期(LAST_FLIGHT_DATE),抽取2012-04-01日至2014-03-31期间的所有客户数据,共有6万余条记录44个属性。

    2.2 数据探索分析

    本案例的探索分析是对数据进行缺失值分析与异常值分析。通过观察数据发现存在票价为空值,票价最小值为0、折扣率最小值为0、总飞行公里数大于0的记录。票价为空值的数据可能是客户不存在乘机记录造成,其他的数据可能是客户乘坐0折机票或者积分兑换产生的。

    过初步的数据探索,发现数据有几点特征:

    1、共62988条记录

    2、部分维度存在缺失值,WORK_CITY缺失2269条,SUM_YR_1缺失551条,SUM_YR_2缺失138条

    2.3 数据预处理

    本案例主要采用数据清洗、属性规约与数据变换的预处理方法。

    2.3.1 数据清洗

    通过数据探索分析,发现数据总存在缺失值,票价最小值为0、折扣率最小值为0、总飞行公里数大于0的记录。由于原始数据量大,这类数据占比较小,因此对其进行丢弃处理。

    1、缺失值:票价为null的数据(注意不是票价为零)

    2、异常值:票价为0、平均折扣率不为0、总飞行公里数大于0的数据(折扣不为0,仍有飞行里程,说明客户必然是花钱买票飞行的,如果此时票价也为0,说明是错误数据)

    共清洗944条异常数据,得到62044条有效记录。

    2.3.2 属性规约

    根据航空公司客户LRFMC模型,选择与LRFMC模型指标相关的6个属性:FFP_DATE、LOAD_TIME、FLIGHT_COUNT、AVG_DISCOUNT、SEG_KM_SUM、LAST_TO_END。

    2.3.3 数据变换

    本案例中采用的数据变换方式为属性构造和数据标准化。

    LRFMC模型中五项指标的计算公式:

    (1)L = LOAD_TIME – FFP_DATE. (观测窗口结束日期 – 入会日期)

    (2)R = LAST_TO_END. (最后一次乘机时间至观测窗口结束时长)

    (3)F = FLIGHT_COUNT. (观测窗口内的飞行次数)

    (4)M = SEG_KM_SUM. (观测窗口的总飞行公里数)

    (5)C = AVG_DISCOUNT. (平均折扣率)

    对每个指标数据的分布情况进行分析,发现每个指标的数据取值范围分布较广,为消除数量级数据带来的影响,还需要将L、R、F、M、C五类数据进行标准化处理。标准化方法有极大极小标准化、标准差标准化等方法,此处采用标准差标准化的方法对数据进行处理。

    2.4 聚类分析

    根据5个指标的数据对客户进行聚类分群,利用K-Means算法对客户进行聚类分析,聚类结果如下图所示。

    注:a. 由于K-Means聚类是随机选择类标号,因此重复实验结果中类标号可能与此不同;

    b. 由于算法精度问题,重复实验得到的聚类中心也可能略有不同;

    c. 需要结合业务理解与分析来确定客户的类别数量,此次选择5个类别。

    2.5特征分析

    结合业务对每个客户群进行特征分析,分析客户价值。

     

    1、对细分的客户群进行特征分析:

    群体1的C属性上最大

    群体2的M、F属性属性最大,R属性最小

    群体3的L、C属性最小

    群体4的R属性最大,F、M属性最小

    群体5的L属性最大

    2、其中每项指标的实际业务意义为:

    L:加入会员的时长。越大代表会员资历越久

    R:最近一次乘机时间。越大代表越久没乘机

    F:乘机次数。越大代表乘机次数越多

    M:飞行总里程。越大代表总里程越多

    C:平均折扣率。越大代表折扣越弱,0表示0折免费机票,10代表无折机票

     

    3、对应实际业务对聚类结果进行分值离散转化,对应1-5分,其中属性值越大,分数越高。

     

    4、结合业务需要,参考RFM模型对客户类别的分类,定义五个等级的客户类别。指标大于平均值表示为↑,小于平均值表示为↓。

    (1)重要保持客户

    1. 平均折扣率高(C↑),最近有乘机记录(R↓),乘机次数高(F↑)或飞行里程高(M↑),入会时间长(L↑)。
    2. 这类客户机票票价高,不在意机票折扣,经常乘机,是最理想的高价值客户,但所占比例比较小。
    1. 公司应优先将资源投放到他们身上,维持这类客户的忠诚度与满意度,尽可能延长这类客户的高消费水平。

    (2)重要发展客户

    1. 平均折扣率高(C↑),最近有乘机记录(R↓),但乘机次数低(F↓)或飞行里程低(M↓),入会时间短(L↓)。
    2. 这类客户机票票价高,不在意机票折扣,最近有乘机记录,但总里程低,人如何时间短,是潜在价值客户。虽然当前价值不是很高,但有很大的发展潜力。
    3. 通过客户价值的提升,加强这类客户的满意度,提高他们转向竞争对手的转移成本,使他们逐渐成为忠诚客户。

    (3)重要挽留客户

    1. 平均折扣率高(C↑),最近无乘机记录(R↑),乘机次数高(F↑)或里程高(M↑),入会时间长(L↑)。
    2. 这类客户入会时间长,总里程高,但最近无乘机记录,可能处于流失状态。
    3. 由于这类客户价值变化的不确定性很高,衰退原因各不相同,所以掌握客户的最新信息、维持与客户的互动尤为重要。航空公司应采取一定的营销手段防范客户流失,延长客户的生命周期。

    (4)一般客户

    1. 平均折扣率低(C↓),最近无乘机记录(R↑),乘机次数低(F↓)或飞行里程低(M↓),入会时间短(L↓)。
    2. 这类客户机票票价低,经常买折扣机票,飞行频次低,最近无乘机记录,可能是趁着折扣而选择购买。
    3. 公司需要在资源支持的情况下强化对这类客户的联系,进行一些交叉销售。

    (5)低价值客户

    1. 平均折扣率低(C↓),最近无乘机记录(R↑),乘机次数低(F↓)或飞行里程低(M↓),入会时间短(L↓)。
    2. 这类客户入会时间短,属于新客户,多选择折扣票,飞行里程低,最近有乘机记录,可能是趁着折扣而选择购买,对品牌无忠诚度。

    其中,重要发展客户、重要保持客户、重要挽留客户这三类重要客户可以分别归入客户生命周期管理的发展期、稳定期、衰退期三个阶段。

    根据每种客户类型的特征,对各类客户群进行客户价值排名。针对不同类型的客户群提供不同的产品和服务,提升重要发展客户的价值、稳定和延长重要客户的高消费水平、防范重要挽留客户的流失并积极进行关系恢复。

     

    三、分析结果

    根据建模结果,发现该公司的五类不同价值的客户数量分布如图所示:

     

    重要保持客户、重要发展客户占比15.3%,不足两成,整体较少

    一般客户、低价值客户占比59.3%,接近六成,整体偏多

    重要挽留客户占比25.4%,接近四分之一,整体发挥空间大

    按照20/80法则:一般而言企业的80%收入由头部20%的用户贡献。从上图中也能发现:忠诚的重要保留客户、中发展客户必然贡献了企业收入的绝大部分,企业也需要投入资源服务好这部分客户。

    一般而言,数据分析最终的目的是针对分析结果提出并开展一系列的运营/营销策略,以期帮助企业发展。在本实例中,运营策略有三个方向:

    提高活跃度:提高一般客户、低价值客户的活跃度。将其转化为优质客户

    提高留存率:与重要挽留客户互动,提高这部分用户的留存率

    提高付费率:维系重要保持客户、重要发展客户的忠诚度,保持企业良好收入

    四、模型应用

    根据对各个客户群进行特征分析,采取下面的一些营销手段和策略,为航空公司的价值客户群管理提供参考。

    4.1会员的升级与保级

    航空公司的会员一般分为白金卡会员、金卡会员、银卡会员、普通卡会员,非普通卡会员可以统称为精英会员,不同航公司的会员制管理方法大同小异。成为精英会员一般要求在一定时间内积累一定的飞行里程或航段,达到这种要求后就会在有效期内成为精英会员,并享受相应的高级版服务。在有效期快结束时,根据相关评价方法确定客户是否有资格继续做为精英会员,然后对该客户进行相应的升级或降级。

    然而,由于许多客户并没有意识到或不太了解会员升级或保级的时间与要求(相关的文件说明往往复杂且不易理解),经常在评价期过后才发现自己其实只差一点就可以实现升级或保级,错失了机会而使之前的里程积累白白损失。同时,这种认知可能导致客户的不满而放弃在本公司的消费。

    因此,航空公司可以在对会员升级或保级进行评价的时间点之前,对那些尚未达到要求的较高消费客户进行适当提醒或者采取一些促销活动,刺激他们达到相应标准。这样既可以获得收益同事也提高了客户的满意度。

    4.2首次兑换

    客户可以通过消费积累的里程来兑换免票或免费升舱等,但很多航空公司的里程累积会随着时间进行一定的削减,例如有的公司会在年末对该年积累的里程进行折半处理。这样会导致许多不了解情况的会员损失自己积累的里程,甚至总是难以实现首次兑换,同样也会引起客户的不满或流失。

    因此,航空公司可以对这些接近但尚未达到首次兑换标准的会员进行提醒或促销,使他们通过消费达到标准。一旦客户实现了首次兑换,客户在进行消费兑换就比其他公司进行兑换要容易许多,在一定程度上提高了转移成本。

    4.3交叉销售

    通过发行联名卡等于非航空类企业合作,使客户在其他企业的消费过程中获得公司的积分,增强与公司的联系,提高客户的忠诚度。例如,可以查看重要客户在非航空类合作伙伴处的消费情况,找出客户的行为偏好,对他们进行相应的促销。

     

    参考资料

    1.《Python数据分析与挖掘实战》第七章及配套数据

    2.案例分析:基于RFM的客户价值分析模型

    3.实战代码

    基于RFM的客户价值分析模型
    [Jīyú RFM de kèhù jiàzhí fēnxī móxíng]
    RFM customer value analysis model
     
    展开全文
  • 产品经理分析模型大全

    千次阅读 2016-03-29 11:50:13
    SWOT 模型是一种常用的战略规划分析方法,代表分析企业的优势(strengths)、劣势(weakness)、机会(opportunity)和威胁(threats)。 适用场景:竞品分析,评估产品机会 PESTEL PESTEL 模型是用来分析...
    SWOT
    SWOT 模型是一种常用的战略规划分析方法,代表分析企业的优势(strengths)、劣势(weakness)、机会(opportunity)和威胁(threats)。
    适用场景:竞品分析,评估产品机会
    PESTEL
    PESTEL 模型是用来分析宏观环境的有效工具,包括 6 大因素:政治、经济、社会、技术、环境和法律。

    适用场景:竞品分析,评估产品机会,战略分析
    用户体验要素
    出自《用户体验要素:以用户为中心的产品设计》,虽然原书介绍的是网站设计,但同样适用于移动产品。用户体验要素模型可以帮助我们梳理产品从 0 到 1 的 5 个阶段工作,也可以利用这 5 个方面对竞品进行分析。

    适用场景:竞品分析,产品设计
    马斯洛需求层次理论
    马斯洛需求层次理论是行为科学的理论之一,由心理学家亚伯拉罕·马斯洛在《人类激励理论》论文中提出。该理论将人类需求从低到高按层次分为:生理需求、安全需求、社交需求、尊重需求和自我实现需求。
    通俗理解:假如一个人同时缺乏食物、安全、爱和尊重,通常对食物的需求量是最强烈的,其它需要则显得不那么重要。只有当人从生理需要的控制下解放出来时,才可能出现更高级的、社会化程度更高的需要如安全的需要。

    适用场景:需求挖掘
    七宗罪
    天主教教义中的七种罪过,揭示了人类原始的本能欲望,分别是傲慢、妒忌、暴怒、懒惰、贪婪、淫欲和贪食。

    适用场景:需求挖掘
    KANO 模型
    日本教授狩野纪昭 (Noriaki Kano) 构建出的 kano 模型。将影响用户满意度的因素划分为五个类型,包括:
    • 魅力因素:用户意想不到的,如果不提供此需求,用户满意度不会降低,但当提供此需求,用户满意度会有很大提升;
    • 期望因素(一维因素):当提供此需求,用户满意度会提升,当不提供此需求,用户满意度会降低;
    • 必备因素:当优化此需求,用户满意度不会提升,当不提供此需求,用户满意度会大幅降低;
    • 无差异因素:无论提供或不提供此需求,用户满意度都不会有改变,用户根本不在意;
    • 反向因素:用户根本都没有此需求,提供后用户满意度反而会下降;
    KANO 模型
    四象限法进行 KANO 分析
    适用场景:需求评估
    Fogg 行为模型
    为了让用户的某个行为发生,产品需要具备三个特性:行为动机、执行能力和触发机制。
    为了让一个行为发生,用户首先需要足够的动机和激励,然后得有执行动作的能力。用户具有充分的动机和足够的能力来执行的话,当触发机制出现的时候,操作就会自然而然地出现。这个简单的模型被成为 Fogg 行为模型。

    适用场景:产品设计,交互设计,用户体验设计

    尼尔森十大可用性原则
    十大可用性原则由人机交互学博士尼尔森针对 web 设计提出,对 APP 设计亦有重要参考价值 。
    状态可见性原则(Visibility of system status ):系统应该让用户知道发生了什么,在适当的时间内做出适当的反馈
    环境贴切原则(Match between system and the real world ):系统应该用用户的语言,用词,短语和用户熟悉的概念,而不是系统术语。遵循现实世界的惯例,让信息符合自然思考逻辑。
    撤销重作原则(User control and freedom):用户经常错误地选择系统功能而且需要明确标识离开这个的 “出口”,而不需要通过一个扩展的对话框。要支持撤销和重做的功能
    一致性原则(Consistency and standards):遵循平台的惯例。同一用语、功能、操作保持一致。
    防错原则(Error prevention):比出现错误信息提示更好的是更用心的设计防止这类问题发生。
    易取原则(Recognition rather than recall):尽量减少用户对操作目标的记忆负荷,动作和选项都应该是可见的。用户不必记住一个页面到另一个页面的信息。
    灵活高效原则(Flexibility and efficiency of use):中级用户的数量远高于初级和高级用户数。为大多数用户设计,不要低估,也不可轻视,保持灵活高效。
    易扫原则(Aesthetic and minimalist design):互联网用户浏览界面的动作不是读,不是看,而是扫。易扫,意味着突出重点,弱化和剔除无关信息。
    容错原则(Help users recognize, diagnose, and recover from errors):帮助用户从错误中恢复,将损失降到最低。如果无法自动挽回,则提供详尽的说明文字和指导方向,而非代码,比如 404。适用场景:产品设计
    人性化帮助原则(Help and documentation):如果系统不使用文档是最好的,但是有必要提供帮助和文档。任何信息应容易去搜索,专注于用户的任务,列出具体的步骤来进行。帮助性提示最好的方式是:
    1. 无需提示;
    2. 一次性提示;
    3. 常驻提示;
    4. 帮助文档。
    适用场景:产品设计,交互设计,用户体验设计

    漏斗模型
    简单来说,漏斗模型就是通过产品每一个设计步骤的数据反馈得出产品的运行情况,然后通过各阶段的具体分析改善产品的设计,提升产品的用户体验。

    漏斗模型分析示例
    适用场景:运营分析,用户体验优化

    SMART
    Smart 原则最早是由管理学大师 Peter Drucker 提出,这个方法不但有利于员工更加明确高效地工作,而且可以让上级更好的去考核手下的员工,这个原则大部分也适用于对自己目标的要求。
    • 目标必须是具体明确的(Specific):所谓具体明确就是要用具体的语言清楚地说明要达成的行为标准。明确的目标几乎是所有成功团队的一致特点。很多团队不成功的重要原因之一就因为目标定的模棱两可,或没有将目标有效的传达给相关成员。
    • 目标必须是可以衡量的 (Measureable):目标是明确的,应该有一组明确的数据,作为衡量是否达成目标的依据。
    • 目标必须是可以达到的 (Attainable):目标是要能够被执行人所接受的,如果上司利用一些行政手段,利用权利性的影响力一厢情愿地把自己所制定的目标强压给下属,下属典型的反映是一种心理和行为上的抗拒。
    • 目标必须和其它目标有相关性(Relevement):目标的相关性是指实现此目标与其他目标的关联情况。如果实现了这个目标,但对其他的目标完全不相关,或者相关度很低,那这个目标即使被达到了,意义也不是很大。
    • 目标必须具有明确的截止期限(Time-based):目标特性的时限性就是指目标是有时间限制的。没有时间限制的目标没有办法考核,或带来考核的不公。适用场景:项目管理,目标管理
    总结
    一方面我们要学会利用前辈总结的这些经验,有针对的,快速有效的解决问题,但另一方面,也要以发展的眼观看待这些既有方法,在实践中不断对已有的知识进行梳理、整合和扩充,从而总结产生出新的更适应时代变化的宝贵经验。
    展开全文
  • 价值模型最早是由波特提出的。波特认为企业的竞争优势来源于企业在设计、生产、营销、交货等过程及辅助过程中所进行的许多相互分离的活动, 设计任何产业内竞争的各种基本活动有五种类型: 内部后勤:与接收、存储...

    在这里插入图片描述价值链模型最早是由波特提出的。波特认为企业的竞争优势来源于企业在设计、生产、营销、交货等过程及辅助过程中所进行的许多相互分离的活动,

    设计任何产业内竞争的各种基本活动有五种类型:

    内部后勤:与接收、存储和分配相关联的各种活动,如原材料搬运、仓储、库存控制、车辆调度和向供应商退货。

    生产作业:与将投入转化为最终产品形式相关的各种活动,如机械加工、包装、组装、设备维护、检测等。

    外部后勤:与集中、存储和将产品发送给买方有关的各种活动,如产成品库存管理、原材料搬运、送货车辆调度等。

    市场和营销:与提供买方购买产品的方式和引导它们进行购买相关的各种活动,如广告、促销、销售队伍、渠道建设等。

    服务:与提供服务以增加或保持产品价值有关的各种活动,如安装、维修、培训、零部件供应等。

    展开全文
  • 利用RFM模型做电商客户价值分析

    万次阅读 2016-04-11 16:51:59
    客户细分是客户关系管理的一个主要的组成部分,本文尝试以电商企业为研究对象根据其客户特点,提出了一种基于客户价值分析RFM 模型,从而对客户进行分类,并对此结果进行动态的客户分析,以达到对不同的客户采取...

    项目github地址:bitcarmanlee easy-algorithm-interview-and-practice
    欢迎大家star,留言,一起学习进步

    利用RFM模型做电商客户价值分析
    客户细分是客户关系管理的一个主要的组成部分,本文尝试以电商企业为研究对象根据其客户特点,提出了一种基于客户价值分析RFM
    模型,从而对客户进行分类,并对此结果进行动态的客户分析,以达到对不同的客户采取不同的客户服务的效果。

    一、RFM模型介绍

    1.RFM模型的基本原理

    在RFM模式中,R(Recency)表示客户最近一次购买的时间有多远,F(Frequency)表示客户在最近一段时间内购买的次数,M (Monetary)
    表示客户在最近一段时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析,RFM则强调以客户的行为来区分客户。

    利用RFM模型做电商客户价值分析
    客户细分是客户关系管理的一个主要的组成部分,本文尝试以电商企业为研究对象根据其客户特点,提出了一种基于客户价值分析RFM模型,从而对客户进行分类,并对此结果进行动态的客户分析,以达到对不同的客户采取不同的客户服务的效果。

    a、R(Recency)

    R(Recency)最近一次消费:指最近一次会员来店铺购买的时间。

    理论上,上一次消费时间越近的顾客应该是比较好的顾客,对提供即时的商品或是服务也最有可能会有反应。运营人员若想业绩有所成长,只能靠偷取竞争对手的市场占有率,而如果要密切地注意消费者的购买行为,那么最近的一次消费就是营销人员第一个要利用的工具。历史显示,如果我们能让消费者购买,他们就会持续购买。这也就是为什么,0至6个月的顾客收到运营人员的沟通信息多于2年以上的顾客。

    最近一次消费的过程是持续变动的。在顾客距上一次购买时间满一个月之后,在数据库里就成为最近一次消费为两个月的客户。反之,同一天,最近一次消费为3个月前的客户作了其下一次的购买,他就成为最近一次消费为一天前的顾客,也就有可能在很短的期间内就收到新的折价信息。

    最近一次消费的功能不仅在于提供的促销信息而已,营销人员的最近一次消费报告可以监督事业的健全度。优秀的营销人员会定期查看最近一次消费分析,以掌握趋势。月报告如果显示上一次购买很近的客户,(最近一次消费为1个月)
    人数如增加,则表示该公司是个稳健成长的公司;反之,如上一次消费为一个月的客户越来越少,则是该公司迈向不健全之路的征兆。

    b、F(Frequency)

    F(Frequency)消费频率:会员在限定的期间内所购买的次数。

    我们可以说最常购买的顾客,也是满意度最高的顾客。如果相信品牌及商店忠诚度的话,最常购买的消费者,忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率,由别人的手中赚取营业额。

    c、M(Monetary Value)

    M(Monetary)消费金额:指会员在限定的期间内所购买的金额。

    消费金额可以验证“帕雷托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍,占公司所有营业额的40%以上。

    作用:

    A:RFM模型较为动态地层示了一个会员的全部轮廓,这对个性化的沟通和服务提供了依据。

    B:如果与该会员打交道的时间足够长,也能够较为精确地判断该会员的长期价值(甚至是终身价值),通过改善三项指标的状况,从而为更多的营销决策提供支持。

    二.RFM模型客户细分方法

    细分步骤:

    ①将所有客戶按照Recency的值,由小排列到大;前20%的客戶给5分,次20%的客戶给4分,以此类推,最后的20%给1分。

    ②再将所有客戶按照Frequency的值,由大排列到小;以20%为一群,依序给予5,4,3,2,1分。

    ③最后将所有客戶按照Monetary的值,由大排列到小;以20%为一群,依序给予5,4,3,2,1分。

    RFM的整合:
    5-5-5:最好的顾客;

    1-1-1:遗弃的客户;

    5-1-1:需要挖掘的潜在客户;

    1-1-5:运营人员重点维护的高价值客户。

    将RFM分别分为5个等级会得到125种组合,计算RFM时,应该根据客户数据特点灵活运用。如果客户人数少,可以减少分级。

    三.RFM模型的应用意义

    在众多的客户关系管理(CRM)的分析模式中,RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该模型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。

    RFM模型较为动态地层示了一个客户的全部轮廓,这对个性化的沟通和服务提供了依据,同时,如果与该客户打交道的时间足够长,也能够较为精确地判断该客户的长期价值(甚至是终身价值),通过改善三项指标的状况,从而为更多的营销决策提供支持。

    RFM非常适用于生产多种商品的卖家,而且这些商品单价相对不高,如消费品、化妆品、服装、零食等;它也适合在一个企业内只有少数耐久商品,但是该商品中有一部分属于消耗品,如面膜、尿不湿、零食等消耗品

    RFM可以用来提高客户的交易次数。业界常用的EDM和短信,常常批量滥发,不仅费钱而且效果很差。根据统计(以一般邮购日用品而言),如果将所有R(Resency)的客户分为五级,最好的第五级转换率是第四级的三倍,因为这些客户刚完成交易不久,所以会更注意店铺促销信息。如果用M(Monetary)来把客户分为五级,最好与次好的平均转化率,几乎没有显著差异。

    有些人会用客户绝对贡献金额来分析客户是否流失,但是绝对金额有时会曲解客户行为。因为每个商品价格可能不同,对不同产品的促销有不同的折扣,所以采用相对的分级(例如R、F、M都各分为五级)来比较消费者在级别区间的变动,则更可以显现出相对行为。企业用R、F的变化,可以推测客户消费的异动状况,根据客户流失的可能性,列出客户,再从M(消费金额)的角度来分析,就可以把重点放在贡献度高且流失机会也高的客户上,重点拜访或联系,以最有效的方式挽回更多的商机。

    RFM也不可以用过头,而造成高交易的客户不断收到短信。每一家店铺应该设计一个客户接触频率规则,如购买三天或一周内应该发出一个感谢的电话或Email,并主动关心消费者是否有使用方面的问题,一个月后发出使用是否满意的询问,而三个月后则提供交叉销售的建议,并开始注意客户的流失可能性,不断地创造主动接触客户的机会。这样一来,客户再购买的机会也会大幅提高。

    企业在推行CRM时,就要根据RFM模型的原理,了解客户差异,并以此为主轴进行企业流程重建,才能创新业绩与利润。否则,将无法在新世纪的市场立足。

    展开全文
  • 传达我们产品价值。那么我们如何才能有效地传达这个产品价值呢?是否有一套模型能够辅助我们去思考,有一套方法论可以帮助我们把这件事做得更快更好。 这也可以沉淀为平时经常会提到的一个产品配套文件——产品...
  • 提到数据分析,肯定要提到数据分析模型,在进行数据分析之前,先搭建数据分析模型,根据模型中的内容,具体细分到不同的数据指标进行细化分析,较终得到想要的分析结果或结论。 数据分析模型 要进行次完整的数据分析...
  • 财政收入影响因素分析及预测模型 电力窃电漏电用户 自动识别 ■电商产品评论数据情感分析 电子商务网站用户行为分析及 服务推荐 ■航空公司客户价值分析 航空公司客
  • 1.2 漏斗分析模型的特点与价值1.3 在漏斗分析模型中,科学归因、属性关联的重要性1.4 漏斗分析场景 1、漏斗分析模型——从注册到购买的转化率        现代营销观念认为:** “营销管理重在过程...
  • SWOT分析模型

    万次阅读 2013-02-11 11:36:55
    SWOT分析模型 出自 MBA智库百科 SWOT分析模型(SWOT Analysis)  SWOT分析法(也称TOWS分析法、道斯矩阵)即态势分析法,20世纪80年代初由美国旧金山大学的管理学教授韦里克提出,经常被用于企业战略制定...
  • 做数据分析的,经常能够听到这句话:在做数据分析前,首先要有明确的数据分析思路。数据分析思路从哪来?其实就包含在数据分析模型里,熟练掌握一些数据分析模型,是一个数据分析需要掌握的基本功。接...
  • 比如,之前在知乎上看到有人问: 1、漏斗,统计的是人数?还是次数? 2、如何构建漏斗模型?要将浏览→完成交易中的每步都列出来吗? 3、有哪些分析场景? 今天我们就来一起捋捋...漏斗分析模型,简单来讲,就...
  • 数据分析模型篇—PEST分析

    千次阅读 2019-09-03 14:03:12
    PEST分析一种企业所处宏观环境分析模型,宏观环境又称一般环境,是指影响一切行业和企业的各种宏观力量。而针对PEST,指的就是P政治(Politics),E经济(Economy),S社会(Society),T技术(Technology),这四类...
  • 经营分析模型

    千次阅读 2019-11-28 14:47:20
    RFM模型是衡量客户价值和客户创利能力的重要工具和手段 最近一次消费 (Recency) 消费频率 (Frequency) 消费金额 (Monetary) 模型指标 AARRR 移动应用生命周期 获取用户(Acquisition) 提高活跃度...
  • 用户行为分析模型——RFM模型

    万次阅读 多人点赞 2019-07-10 16:34:54
    用户行为分析模型——RFM模型1. RFM模型 1. RFM模型        RFM模型根据客户活跃程度和交易金额的贡献,进行客户价值细分的一种方法。 R(Recency)——最近一次交易时间间隔。基于最近一次...
  • 数据分析-PART2--10大数据分析模型

    万次阅读 多人点赞 2018-07-31 10:00:39
    数据分析-PART2--10大数据分析模型 数据分析-PART3--数据分析常用指标 数据分析-PART4--数据分析方法 数据分析-PART5--数据分析可视化 数据分析-PART6--数据分析能力培养 数据分析-PART 7--数据分析工具网站...
  • 九种常见的数据分析模型

    千次阅读 2020-12-11 16:47:25
    大家好,我是小五????今天分享给大家九种常见的数据分析模型:1. 漏斗分析模型漏斗分析是一套流程式数据分析,它能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况的重要分析模型...
  • 几百个数据采集点、数百亿级数据量,手游产品的数据分析是怎么做的?...这里我们将介绍在游戏数据分析领域常用的5种数据分析模型。通过这些模型,分析师可以把数据与玩家行为、市场投放、运营活动、节假日等因...
  • 一、什么是热图分析模型? 就像广场草坪,如果设计得不合理,没有铺设石子步道,很多人会抄近道横穿草坪直达对面的建筑物,时间长了即使没有路也走出路来,如果从高处俯瞰的话,很容易判断出哪个建筑物哪个位置的...
  • 10分钟,快速搞懂RFM用户分析模型

    千次阅读 2019-12-17 22:17:11
    RFM客户价值模型是一种有着几十年发展和应用的业务分析模型。通过一个客户的近期购买行为(R)、购买的总体频率(F)以及消费总金额(M)三项指标来描述该客户的价值状况,依据这三项指标划分为6...
  • 8种常见的大数据分析模型

    千次阅读 2020-10-10 12:23:01
    这篇文章给大家简单介绍一下八个模型,具体如下:1.留存分析模型留存分析模型是一种用来分析用户参与情况/活跃程度的分析模型,考察进行初始行为的用户中,有多少人会进行后续行为。这是用来衡量产...
  • 2.1 SWOT分析模型 一、优势 二、劣势 三、机会 四、挑战 五、SWOT分析 2.2 麦肯锡7S模型 一、共同价值观 二、结构 三、战略 四、制度 五、风格 六、员工与技能 2.3波特五力分析模型(Porters 5 forces ...
  • 基于RFM模型的用户价值的数据分析报告 分析背景与目的   目前企业的业务逐步从产品为主导转向以客户的需求为主导。一种全新的”以客户为中心“的业务模式正在形成并提升的前所未有的高度。然而与客户保持关系...
  • 提到数据分析,肯定要提到数据分析模型,在进行数据分析之前,先搭建数据分析模型,根据模型中的内容,具体细分到不同的数据指标进行细化分析,最终得到想要的分析结果或结论。 一:数据分析模型 要进行一次完整的...
  • TTPPRC —— 商业分析模型

    千次阅读 2019-09-30 13:55:51
     TTPPRC,是一个为了更容易、透切地进行商业分析而整理出的分析模型。通过这个模型,可以让不具备专业商业知识的大众都能容易得出商业分析结果。  此文是读者阅读原文后,而整理的一份笔记。原文地址:...
  • SWOT分析模型 SWOT分析模型(SWOT Analysis)  SWOT分析法(也称TOWS分析法、道斯矩阵)即态势分析法,20世纪80年代初由美国旧金山大学的管理学教授韦里克提出,经常被用于企业战略制定、竞争对手分析等场合。 ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 102,990
精华内容 41,196
关键字:

产品价值分析模型