RFM模型在電商客戶關(guān)系管理中的應(yīng)用-@數(shù)云雪梨-電商營銷引流電商干貨

本文主題電商電商,電商客戶關(guān)系管理,電商客戶營銷,電商營銷引流。

最新研究成果：怎樣衡量電商存量用戶的價值？是消費金額？購買次數(shù)？還是上一次購買時間？通過什么框架進行用戶細分對營銷活動提升用戶的響應(yīng)率最有效？歡迎拍磚、討論與擴散。歡迎大家微博加我共同研究新浪微博@數(shù)云雪梨背景：假設(shè)店鋪在2012年1月要開展?fàn)I銷活動，需要對老用戶進行優(yōu)惠券、短信、郵件營銷。困難：店鋪有1萬個老用戶，但是營銷費用只夠給支持2000個用戶。解決方案：通過RFM模型選擇，選擇最有可能相應(yīng)的2000個用戶。數(shù)據(jù)記錄：某店2011.1.1-2011.12.31年購買記錄；目標(biāo)組：2011年11-12月到店購買（有效交易）的老用戶（購買次數(shù)大于2次）；指標(biāo)R：上次購買時間距離2011年12月31日的天數(shù)；指標(biāo)F：1-11月的購買次數(shù)；指標(biāo)M：1-11月的累計購買金額；第一步：先跑出一個決策樹SAS模型，得到如下結(jié)果。先看樹的右半邊：干貨1：根據(jù)本例，劃分用戶的首要指標(biāo)是F——購買次數(shù)，購買次數(shù)大于6.5次的用戶響應(yīng)率為8.4%，顯著高于小于6.5次1.8%；（6.5次是系統(tǒng)跑出來的，因類目和店鋪運營情況而定）干貨2：劃分用戶的第二重要的指標(biāo)是R——上次購買時間在76.5天以內(nèi)的用戶響應(yīng)率為21.2%，較上次購買在76.5天以上的用戶的5.2%高出很多。干貨3：對于重復(fù)購買的老用戶，購物金額指標(biāo)非常重要，對于F在6.5次以上，R在76.5以內(nèi)的用戶，如果M——1-11月累計購物金額1100以上的用戶響應(yīng)率高達36.6%。再看樹的左邊：大家可能很好奇，為什么在樹的左邊，沒有出現(xiàn)M這個指標(biāo)。這個的話根據(jù)決策樹的算法和經(jīng)驗不難判斷，購買次數(shù)很少的用戶，比如購買1次的用戶，購買金額差別較大。所以用購買金額進行劃分的意義不大。回到剛剛的問題：我怎樣選出最有可能回頭購買的2000個人做營銷活動呢？選擇優(yōu)先級：優(yōu)先級1：[響應(yīng)率：36.6%]F>=6.5R1100基數(shù)290人優(yōu)先級2：[響應(yīng)率：16.0%]F>=6.5R=6.5R>76.5M這個圖的兩個曲線代表營銷目標(biāo)用戶的累計響應(yīng)率這個圖可以這樣看，如果隨機選擇用戶做活動的話活動響應(yīng)率是2-3左右；如果通過RFM的決策樹模型的話，優(yōu)先選擇級別高的用戶進行營銷，一開始的響應(yīng)率高達10以上，但是隨著目標(biāo)用戶的增加這個比例會逐漸下降，當(dāng)全部用戶都進行營銷活動的話最終響應(yīng)率是一樣的。引申閱讀——RFM模型的應(yīng)用意義在眾多的客戶關(guān)系管理(CRM)的分析模式中，RFM模型是被廣泛提到的。RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段。該模型通過一個客戶的近期購買行為、購買的總體頻率以及花了多少錢三項指標(biāo)來描述該客戶的價值狀況。RFM模型較為動態(tài)地層示了一個客戶的全部輪廓，這對個性化的溝通和服務(wù)提供了依據(jù)，同時，如果與該客戶打交道的時間足夠長，也能夠較為精確地判斷該客戶的長期價值(甚至是終身價值)，通過改善三項指標(biāo)的狀況，從而為更多的營銷決策提供支持。在RFM模式中，R(Recency)表示客戶最近一次購買的時間有多遠，F(xiàn)(Frequency)表示客戶在最近一段時間內(nèi)購買的次數(shù)，M(Monetary)表示客戶在最近一段時間內(nèi)購買的金額。一般的分析型CRM著重在對于客戶貢獻度的分析，RFM則強調(diào)以客戶的行為來區(qū)分客戶。

幕思城為您更新最近最有用的電商資訊、電商規(guī)則電商電商,電商客戶關(guān)系管理,電商客戶營銷電商營銷引流。了解更多電商資訊、行業(yè)動向，記得關(guān)注幕思城！

這個問題還有疑問的話，可以加幕.思.城火星老師免費咨詢，微.信號是為: msc496。