做过会员中心或者CRM的产品经理们，对RFM都会有所了解，今天我想结合自己以往的项目经验，用RFM模型帮一位线下卖儿童用品的姐们儿分析下她的客户分类；
RFM模型的概念和用途
名词解释
R：消费间隔Recency；即：最近一次距离上次消费的时间间隔；
F：消费频次Frequency；即：一段时间（1个月/1年...）内的消费总次数；
M：消费金额Monetary；即：一段时间（1个月/1年...）内的消费总金额；
什么是RFM模型？
了解了RFM3个缩写字母的含义后，我们可以将3个指标作为坐标系的xyz坐标轴，从空间上切割成8类，如下图：
由于在实际操作中，我们大部分数据统计工作都依赖Excel来完成，因此个人觉得表格形式的用户分类模型更直观；
RFM模型有哪些用途？
帮助卖家更好的了解自己的客户，比如：谁是超级VIP，他们有哪些特征，不同类型的用户占比等；
便于卖家相对精准的制定营销活动，提升转化率；
帮助卖家分析近期销售情况，比如：销售额下滑是哪几类用户流失造成的？
RFM模型可应用在哪些行业/产品？
应用最广的要数电商和互联网领域了，像TB/JD/MT/XC等大厂，很早之前就搭建了自己的用户体系，从成长值，到用户标签，到精准推荐；
哪些岗位会用到RFM模型？
产品经理岗、营销运营岗、销售岗、专业分析师岗、个体户卖家；
客户类型的3步分类法
我们分3步来完成一个店铺的客户分类；
step1【拉数据】：拉最近一年的客户消费流水，并按客户汇总，计算得出以下表格；（次数和金额推荐使用Excel的数据透视表功能，间隔天数就用公式相减即可）
step2【定标准】：依据实际消费情况为店铺量身定制一个打分规则标准。这个没有统一的固定标准，即使同一店铺不同时间段 不同货品出来的标准也会有差异。
step3【套模板】：1：用图2的客户数据去套图3的模板，得出具体的RFM分值，并计算出平均数，数据量越大结论会更准确；如下图：
2：拿图4的分值和平均数做比较，如果分值高于平均数，则在这一栏标记为“高”，反之低于平均数则标记为“低”；标记完成后再套用图1得出最终的用户分类。
其他思考
关于客户和用户的区别：
大家会看到文中既有用户又有客户，不是作者笔误，就客户和用户的概念，之前内部一群小伙伴也争论很久，最终大家一致认为，如果产生了消费行为的称之为客户，只是来注册个账号，留下个足迹或收藏关注一下的称之为用户。因此文中xyz轴的空间图（网上找的）我个人认为，用客户更合适，RFM模型更多的也是用来分析有实际消费行为的客户，而注册/浏览/收藏/关注这类用户可以归为潜客，那就是另一个潜客价值分层和潜客转化的层面了；
RFM模型是否适合线下店？
当我拿着部分客户的分类结果跟姐们看时，立马被她指出各种漏洞和顾虑，原因有很多，比如：她同时做线下门店和微商，而我只统计了到店消费客户，线上线下数据没有打通；其次线下店服务的是就近社区，很多熟人，如果营销活动区别对待，被伤了部分客户的心，还不如统一活动，到店后看脸再给相应的折扣（因为老板娘亲自卖货，折扣可以随意）；总之，个人觉得如果规模化管理的话，专业的数据分析模型还是可以帮助商家获取更多的客户营业额；
RFM模型，也类似用户画像中的消费属性，实际要做好这类店铺的运营，仅仅依靠RFM是远远不够的。还要结合基础属性（性别，年龄，地区、是否有小孩，有几个小孩等），受教育程度，社会属性，兴趣爱好等，还要考虑另一类用户，实际的使用者，也就是儿童，总之对用户了解的越深入，营销策略更精准，这也是阿里相似人群扩展（look-Alike）的价值所在；
look-Alike的魅力：卖家给出500个用户信息，系统会找出5w个类似的用户出来，当然也会扫描出相对更有效的营销方案，让卖家专注于卖货。
关注公众号【零点零壹】 ，在产品的路上 和玉米大人一起 每天进步一点点；
网友评论