RFM模型在电商客户关系管理中的应用-@数云雪梨

本文主题电商电商,电商客户关系管理,电商客户营销,电商营销引流。

最新研究成果：怎样衡量电商存量用户的价值？是消费金额？购买次数？还是上一次购买时间？通过什么框架进行用户细分对营销活动提升用户的响应率最有效？欢迎拍砖、讨论与扩散。欢迎大家微博加我共同研究新浪微博@数云雪梨背景：假设店铺在2012年1月要开展营销活动，需要对老用户进行优惠券、短信、邮件营销。困难：店铺有1万个老用户，但是营销费用只够给支持2000个用户。解决方案：通过RFM模型选择，选择最有可能相应的2000个用户。数据记录：某店2011.1.1-2011.12.31年购买记录；目标组：2011年11-12月到店购买（有效交易）的老用户（购买次数大于2次）；指标R：上次购买时间距离2011年12月31日的天数；指标F：1-11月的购买次数；指标M：1-11月的累计购买金额；第一步：先跑出一个决策树SAS模型，得到如下结果。先看树的右半边：干货1：根据本例，划分用户的首要指标是F——购买次数，购买次数大于6.5次的用户响应率为8.4%，显著高于小于6.5次1.8%；（6.5次是系统跑出来的，因类目和店铺运营情况而定）干货2：划分用户的第二重要的指标是R——上次购买时间在76.5天以内的用户响应率为21.2%，较上次购买在76.5天以上的用户的5.2%高出很多。干货3：对于重复购买的老用户，购物金额指标非常重要，对于F在6.5次以上，R在76.5以内的用户，如果M——1-11月累计购物金额1100以上的用户响应率高达36.6%。再看树的左边：大家可能很好奇，为什么在树的左边，没有出现M这个指标。这个的话根据决策树的算法和经验不难判断，购买次数很少的用户，比如购买1次的用户，购买金额差别较大。所以用购买金额进行划分的意义不大。回到刚刚的问题：我怎样选出最有可能回头购买的2000个人做营销活动呢？选择优先级：优先级1：[响应率：36.6%]F>=6.5R1100基数290人优先级2：[响应率：16.0%]F>=6.5R=6.5R>76.5M这个图的两个曲线代表营销目标用户的累计响应率这个图可以这样看，如果随机选择用户做活动的话活动响应率是2-3左右；如果通过RFM的决策树模型的话，优先选择级别高的用户进行营销，一开始的响应率高达10以上，但是随着目标用户的增加这个比例会逐渐下降，当全部用户都进行营销活动的话最终响应率是一样的。引申阅读——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。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。

电商运营官为您更新最近最有用的电商资讯、电商规则电商电商,电商客户关系管理,电商客户营销电商营销引流。了解更多电商资讯、行业动向，记得关注电商运营官！