0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

CRM客戶關(guān)系管理分析模型——RFM模型

秒秒說數(shù)據(jù) ? 來源:秒秒說數(shù)據(jù) ? 作者:秒秒說數(shù)據(jù) ? 2022-08-10 14:17 ? 次閱讀

CRM客戶關(guān)系管理系統(tǒng)的分析模式中,RFM模型是被最廣泛使用的。下面簡單介紹一下RFM模型,包括RFM模型的缺陷及解決方案。

RFM模型

R——Recency:

反應(yīng)的是顧客的活躍度。簡單來說,比起許久未消費(fèi)的顧客相比,最近消費(fèi)的顧客對公司比較有印象,如果顧客的消費(fèi)體驗(yàn)良好的話,很可能會再次選擇消費(fèi)。此時(shí),營銷人員應(yīng)主動(dòng)出擊,提供這些顧客更多產(chǎn)品介紹或是加值服務(wù),重新點(diǎn)燃他們的消費(fèi)欲望。

F——Frequency:

能幫你找到持續(xù)購物的顧客。消費(fèi)頻率可能受到產(chǎn)品類、補(bǔ)貨或更換需求等影響。比如經(jīng)過RFM的分析,發(fā)現(xiàn)某顧客平均每個(gè)月會進(jìn)行消費(fèi),表示顧客本來就有消費(fèi)習(xí)慣或預(yù)算的,因此營銷人員可以在下一個(gè)消費(fèi)周期前,提醒或推廣新產(chǎn)品,鼓勵(lì)他們持續(xù)消費(fèi)。

M——Monetary:

幫你分辨真正的「貴客」。他們不一定經(jīng)常性消費(fèi),但消費(fèi)總金額很高,可能貢獻(xiàn)了很多營銷業(yè)績。面對消費(fèi)能力較高顧客,可以鼓勵(lì)他們繼續(xù)消費(fèi),很可能會提高業(yè)績。

在 RFM 模型的分類和實(shí)施上,可以根據(jù)企業(yè)或者品牌的需求來定義每一個(gè)維度的重要級,定義字段和編號,從而讓運(yùn)維人員直接篩選判斷需要維護(hù)的用戶和維護(hù)的方式。如下秒數(shù)據(jù)在CRM全渠道用戶聚合時(shí)使用的用戶RFM價(jià)值模型分析,示例結(jié)果如下。根據(jù)R和F值的大小,清晰直觀地統(tǒng)計(jì)出企業(yè)的用戶類型。

u=2509326119,180682051&fm=30&app=106&f=PNG?w=640&h=214&s=48211D729068452049F7C5CD0300F0A9

RFM模型的缺陷

RFM最大的短板,在于用戶ID統(tǒng)一認(rèn)證,這在相當(dāng)多的企業(yè)里是非常難實(shí)現(xiàn)。

比如你去超市、連鎖店、門店買東西,往往收銀小妹會機(jī)械的問一句:有會員卡嗎?如果回答沒有,她也放你過去了;導(dǎo)致的結(jié)果是線下門店的訂單,一般有70%-90%無法關(guān)聯(lián)到用戶ID;進(jìn)而導(dǎo)致整個(gè)用戶數(shù)據(jù)是嚴(yán)重缺失的,直接套RFM很容易誤判用戶行為。又比如至于用戶一人多張會員卡輪流薅羊毛,多個(gè)用戶共同一張VIP卡拿最大折扣,店員自己用親戚的卡把無ID訂單的羊毛給薅了之類的事,更是層出不窮,這在實(shí)體企業(yè)、互聯(lián)網(wǎng)企業(yè)都普遍存在。所以做RFM模型的時(shí)候,如果你真看到高質(zhì)量用戶,十有八九是有問題的?,F(xiàn)在的企業(yè)往往在淘寶、天貓、京東、自有微商城、有贊云、小紅書等幾個(gè)平臺同時(shí)運(yùn)作,更加加大了統(tǒng)一認(rèn)證的難度,如果沒有規(guī)劃好,很容易陷入無窮無盡的補(bǔ)貼大坑。

如何讓RFM模型更好用

RFM客戶價(jià)值分析本身并沒有錯(cuò),在數(shù)據(jù)匱乏(特別是缺少埋點(diǎn)數(shù)據(jù))的情況下,用RFM比不用RFM好太多了。RFM的三個(gè)維度,每一個(gè)都很好用,整體架構(gòu)也適合用于評估用戶經(jīng)營的整體質(zhì)量。錯(cuò)的是生搬硬套RFM,不做深入分析。

用戶生命周期也需要數(shù)據(jù)采集,而且是采集一個(gè)最關(guān)鍵的數(shù)據(jù)即可?,F(xiàn)在很多企業(yè)克服不了這個(gè)難題,下秒數(shù)據(jù)(Nexadata)提供了解決方案。Nexadata匯聚用戶在不同平臺/不同觸點(diǎn)的消費(fèi)情況、活躍時(shí)段、活動(dòng)參與等數(shù)據(jù),進(jìn)一步對用戶進(jìn)行打標(biāo)簽和人群分析,并將結(jié)果自動(dòng)推送回營銷平臺支撐精準(zhǔn)營銷活動(dòng),具體步驟是:

1.使用連接器自動(dòng)抽取多平臺用戶數(shù)據(jù),清洗數(shù)據(jù)。使用ELT+A模式,圍繞API打造的低代碼能力擴(kuò)展更豐富、更實(shí)用的業(yè)務(wù)應(yīng)用場景,讓企業(yè)通過Nexadata智能數(shù)據(jù)管道做數(shù)據(jù)整合、分析建模后再反哺數(shù)據(jù)分析結(jié)果到對應(yīng)的業(yè)務(wù)系統(tǒng),加速釋放業(yè)務(wù)數(shù)據(jù)價(jià)值。

2.形成唯一用戶id,根據(jù)用戶行為給數(shù)據(jù)打標(biāo)簽,可以自定義會員的等級標(biāo)簽,生成不同顏色的RFM標(biāo)簽,清晰直觀,便于后續(xù)做數(shù)據(jù)分析。

u=3754099890,180682063&fm=30&app=106&f=PNG?w=640&h=440&s=5EA834621B73400906EDC4DF0300D0B3

3.將用戶標(biāo)簽推送回CRM營銷平臺,形成閉環(huán)的全鏈路數(shù)據(jù)打通,打造自上而下的數(shù)據(jù)分析指標(biāo)。

審核編輯 黃昊宇

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • CRM
    CRM
    +關(guān)注

    關(guān)注

    1

    文章

    145

    瀏覽量

    21087
  • 模型
    +關(guān)注

    關(guān)注

    1

    文章

    3062

    瀏覽量

    48575
  • RFM
    RFM
    +關(guān)注

    關(guān)注

    0

    文章

    5

    瀏覽量

    7038
收藏 人收藏

    評論

    相關(guān)推薦

    AI大模型與深度學(xué)習(xí)的關(guān)系

    AI大模型與深度學(xué)習(xí)之間存在著密不可分的關(guān)系,它們互為促進(jìn),相輔相成。以下是對兩者關(guān)系的介紹: 一、深度學(xué)習(xí)是AI大模型的基礎(chǔ) 技術(shù)支撐 :深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)的方法,通過多層神經(jīng)網(wǎng)
    的頭像 發(fā)表于 10-23 15:25 ?81次閱讀

    AI大模型的商業(yè)應(yīng)用案例分析

    AI大模型在商業(yè)應(yīng)用中已經(jīng)展現(xiàn)出了巨大的潛力和價(jià)值,以下是一些具體的案例分析: 一、京東云·言犀在零售與服務(wù)領(lǐng)域的應(yīng)用 京東云·言犀是京東集團(tuán)依托全棧自研的人工智能技術(shù)推出的智能服務(wù)平臺。該平臺通過
    的頭像 發(fā)表于 10-23 15:01 ?102次閱讀

    【《大語言模型應(yīng)用指南》閱讀體驗(yàn)】+ 俯瞰全書

    的大語言模型設(shè)計(jì)技術(shù)人員閱讀,主要包括大語言模型的優(yōu)化方法、Agent系統(tǒng)調(diào)優(yōu)以及模型的安全技術(shù)。 展望篇分析了大語言模型的發(fā)展前景,介紹了
    發(fā)表于 07-21 13:35

    ai大模型和ai框架的關(guān)系是什么

    AI大模型和AI框架是人工智能領(lǐng)域中兩個(gè)重要的概念,它們之間的關(guān)系密切且復(fù)雜。 AI大模型的定義和特點(diǎn) AI大模型是指具有大量參數(shù)的深度學(xué)習(xí)模型
    的頭像 發(fā)表于 07-16 10:07 ?3.7w次閱讀

    AI大模型與AI框架的關(guān)系

    在探討AI大模型與AI框架的關(guān)系時(shí),我們首先需要明確兩者的基本概念及其在人工智能領(lǐng)域中的角色。AI大模型通常指的是具有極大規(guī)模、高度復(fù)雜性和強(qiáng)大能力的人工智能系統(tǒng),它們能夠處理復(fù)雜的任務(wù)和數(shù)據(jù),并在
    的頭像 發(fā)表于 07-15 11:42 ?749次閱讀

    知識圖譜與大模型之間的關(guān)系

    在人工智能的廣闊領(lǐng)域中,知識圖譜與大模型是兩個(gè)至關(guān)重要的概念,它們各自擁有獨(dú)特的優(yōu)勢和應(yīng)用場景,同時(shí)又相互補(bǔ)充,共同推動(dòng)著人工智能技術(shù)的發(fā)展。本文將從定義、特點(diǎn)、應(yīng)用及相互關(guān)系等方面深入探討知識圖譜與大模型之間的
    的頭像 發(fā)表于 07-10 11:39 ?749次閱讀

    【大語言模型:原理與工程實(shí)踐】大語言模型的應(yīng)用

    ,它通過抽象思考和邏輯推理,協(xié)助我們應(yīng)對復(fù)雜的決策。 相應(yīng)地,我們設(shè)計(jì)了兩類任務(wù)來檢驗(yàn)大語言模型的能力。一類是感性的、無需理性能力的任務(wù),類似于人類的系統(tǒng)1,如情感分析和抽取式問答等。大語言模型在這
    發(fā)表于 05-07 17:21

    【大語言模型:原理與工程實(shí)踐】大語言模型的基礎(chǔ)技術(shù)

    Transformer有效避免了CNN中的梯度消失和梯度爆炸問題,同時(shí)提高了處理長文本序列的效率。此外,模型編碼器可以運(yùn)用更多層,以捕獲輸入序列中元素間的深層關(guān)系,并學(xué)習(xí)更全面的上下文向量表示。 預(yù)訓(xùn)練語言模型
    發(fā)表于 05-05 12:17

    【大語言模型:原理與工程實(shí)踐】揭開大語言模型的面紗

    ,大語言模型還具備出色的關(guān)聯(lián)和關(guān)系理解能力,能夠捕捉數(shù)據(jù)間的隱含關(guān)系和語義聯(lián)系,進(jìn)行高級關(guān)聯(lián)推理。它還支持多步推理,能在推理過程中進(jìn)行多個(gè)步驟的演繹和分析。最后,通過學(xué)習(xí)大規(guī)模數(shù)據(jù),大
    發(fā)表于 05-04 23:55

    【大語言模型:原理與工程實(shí)踐】探索《大語言模型原理與工程實(shí)踐》

    《大語言模型》是一本深入探討人工智能領(lǐng)域中語言模型的著作。作者通過對語言模型的基本概念、基礎(chǔ)技術(shù)、應(yīng)用場景分析,為讀者揭開了這一領(lǐng)域的神秘面紗。本書不僅深入討論了語言
    發(fā)表于 04-30 15:35

    了解CRM客戶管理系統(tǒng),提升企業(yè)競爭力

    在當(dāng)今競爭激烈的市場環(huán)境中,擁有一套高效的CRM客戶管理系統(tǒng)已經(jīng)成為企業(yè)提升競爭力的必備利器。CRM系統(tǒng)作為一個(gè)集客戶信息
    的頭像 發(fā)表于 04-19 10:16 ?270次閱讀
    了解<b class='flag-5'>CRM</b><b class='flag-5'>客戶</b><b class='flag-5'>管理</b>系統(tǒng),提升企業(yè)競爭力

    osi參考模型與TCP/IP參考模型的對應(yīng)關(guān)系

    OSI參考模型是一種將計(jì)算機(jī)網(wǎng)絡(luò)協(xié)議分解成七個(gè)不同層次的概念模型。這七個(gè)層次分別是物理層、數(shù)據(jù)鏈路層、網(wǎng)絡(luò)層、傳輸層、會話層、表示層和應(yīng)用層。每一層都負(fù)責(zé)不同的任務(wù)和功能,通過這種分層的方式,可以
    的頭像 發(fā)表于 01-11 14:26 ?4948次閱讀

    大信號模型和小信號模型的區(qū)別

    大信號模型和小信號模型是電子工程和通信領(lǐng)域中常用的兩種模型,它們在描述和分析電子電路或系統(tǒng)時(shí)具有不同的特點(diǎn)和應(yīng)用范圍。以下是關(guān)于大信號模型
    的頭像 發(fā)表于 12-19 11:35 ?8664次閱讀

    基于碰撞電離率模型的Miller公式S參數(shù)擬合分析

    我們應(yīng)用簡單的Fulop模型對平行平面結(jié)進(jìn)行了分析,對復(fù)雜的Chynoweth模型進(jìn)行了化簡,由化簡的公式可得碰撞電離率積分和外加電壓之間存在一定的關(guān)系
    的頭像 發(fā)表于 11-27 14:59 ?994次閱讀
    基于碰撞電離率<b class='flag-5'>模型</b>的Miller公式S參數(shù)擬合<b class='flag-5'>分析</b>

    如何用python實(shí)現(xiàn)RFM建模

    今天給大家分享的是如何用python實(shí)現(xiàn)RFM建模。 RFM模型的含義 RFM模型是衡量客戶價(jià)值
    的頭像 發(fā)表于 11-02 10:36 ?733次閱讀
    如何用python實(shí)現(xiàn)<b class='flag-5'>RFM</b>建模