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
2023-01-09| 10:57|發(fā)布在分類/淘寶知識|閱讀:59
2023-01-09| 10:57|發(fā)布在分類/淘寶知識|閱讀:59
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月要開展營銷活動,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R:上次購買時間距離2011年12月31日的天數(shù);指標F:1-11月的購買次數(shù);指標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。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?;氐絼倓偟膯栴}: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,但是隨著目標用戶的增加這個比例會逐漸下降,當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。