RFM模型使用说明

一、功能介绍

RFM模型分析是最广泛应用的的会员价值分析工具,是运营常用的分析模型。通过对这部分用户的了解,可以指定客户成长计划,找到重点运营的客户,进行精准触达运营。
RFM模型是指:

R——最近一次消费(Recency),代表会员的活跃度。R值是反向值,R值越大,会员价值越低。

F——消费频次(Frequency),代表会员的忠诚度。F值是正向值,F越大会员价值越高。

M——消费金额(Monetary),代表会员的价值贡献。M值是正向值,M值越大会员价值越大。


最近一次消费是指会员上一次购买的时间。理论上来说,上一次消费时间越近的会员是越优质的会员,该部分会员与企业的关系更加紧密,更加容易触达;距离当前上一次消费越远的会员,越有流失的风险。

消费频次是指顾客在限定期间内所购买的次数。当前默认的统计周期为统计之日前推365天,可以说最常购买的会员,是满意度最高的会员,也是忠诚度较高的会员。提升会员的购买频率意味着提高会员终身价值的贡献。

消费金额是指会员购买商品支付的实付金额。当前默认的统计周期为统计之日前推365天,消费金额是会员贡献的最直接的体现,我们所做的所有运营活动都是为了提升会员的消费金额。

实际操作为:在数据定义—RFM模型定义进行设置


 

计算逻辑为:
分别计算R、F、M的平均值,并设定评分如下,

R1=5

R2=4

R3=3

R4=2

R5=1

 

 

M1=1

M2=2

M3=3

M4=4

M5=5

 

F1=1

F2=2

F3=3

F4=4

F5=5

 

 

R^(平均值)=(R1*所在区间会员数+......+R5*所在区间会员数)/有消费会员数,最终得出的平均值在1—5之间。

F^和M^计算方法同R^

 

我们根据RFM模型将这部分会员分为八个分类,如下图


具体分类计算如下:

重要价值会员:RF^&M>M^

 

重要唤回会员:R>R^&F>F^&M>M^

 

重要深耕会员:RM^

 

重要挽留会员:R>R^&FM^

 

潜力会员:RF^&M

 

新会员:R

 

一般维持会员:R>R^&F>F^&M

 

流失会员:R>R^&F


通过对这部分会员的了解,可以指定会员成长计划,找到重点运营的会员,进行精准触达运营。关于触答这部分的会员,已经在开发中的会员动态分组2.0,新增加了根据会员价值分组。可以通过操作这个分组来触答这部分会员。

 

举例:通过对整体消费会员的计算,R^=2.6   F^=3.3   M^=2.4

一个会员最近消费时间距离今天为 24天,根据后台数据设置,R值在R1阶段,R1=5,计算出RF^;近365天内消费金额为1000元,M值在M5阶段,M5=5,计算储M>M^;

综合上述会员消费情况,RF^、M>M^,此会员被定义为高价值会员。

 

二、场景举例

1、Frank是某茶饮品牌的会员运营,她的运营核心目标,是将低频买家变为高频买家,将消费低的买家变为消费高的买家。在做周运营计划时,她都会先了解整体客户消费分布,再深入看每个等级会员消费分布情况,去制定对应的运营活动,并在活动后,查看数据变化情况。

2、Frank在请人节配置了优惠券、限时折扣等活动,希望通过活动提高营业额。活动前,Frank对近期消费了2次的客户,按照不同消费能力、营销兴趣进行了消息触达,对这批客户进行激活营销。活动结束后,Frank回去了解下客户消费特征是否如预期有了改变,进而复盘活动效果。

3、小张开了一家线上商超,积累了一批老用户。老王也想搭建自己的会员体系,分层运营,但是并没有好的方法和思路,他需要运营案例与工具的协助。


三、适用商家

RFM模型分析是最广泛应用的的会员价值分析工具,是餐饮+零售行业所必须的运营工具。