RFM模型幫助用戶分群，同期群分析有效監(jiān)測留存率
Kener-林峰 | 2016-11-15 10:15
【數(shù)據(jù)猿導(dǎo)讀】 外賣時代的好處是掌柜的可以通過網(wǎng)絡(luò)，開辟更多銷售渠道。那么問題就來了。由于掌柜無法直接接觸到食客，他也很難確定喜愛自家美食的群體有什么特征，再根據(jù)這些特征投其所好、推陳出新。如何更了解你的客戶還需要建筑RFM模型進(jìn)行用戶分群
來源：數(shù)據(jù)猿 作者：
第五部分
精細(xì)化運(yùn)營的基礎(chǔ)了解基本屬性&為用戶分群
外賣時代的好處是掌柜的可以通過網(wǎng)絡(luò)，開辟更多銷售渠道。
那么問題就來了。由于掌柜無法直接接觸到食客，他也很難確定喜愛自家美食的群體有什么特征，再根據(jù)這些特征投其所好、推陳出新。
1.如何通過訂單數(shù)據(jù)，分析用戶的基本屬性
用戶的訂單上都有訂餐地址，通過對于訂餐地址的統(tǒng)計(jì)，我們可以查詢到不同條件組合下的用戶分布，甚至能知道喜歡謀道菜的用戶都在哪里。
舉個簡單的例子，下圖表示的是普通可樂和健怡可樂的用戶分布，你發(fā)現(xiàn)了什么？
哈哈~在9元/平/天的地方跟在6元/平/天的地方上班就是不一樣~
所以，知道喜歡某到菜的用戶住哪兒，或許能幫助掌柜們挖掘到更多匹配要素，根據(jù)這些匹配要素尋找用戶（比如：高檔小區(qū)健怡可樂多進(jìn)貨）、或者為用戶推薦菜品都將事半功倍。
類似的用戶數(shù)據(jù)挖掘，還可以根據(jù)復(fù)購構(gòu)成、復(fù)購用戶跨平臺使用情況、性別組成做更精細(xì)化的分析。
值得注意的是，數(shù)據(jù)平臺間的差異還是蠻大的，除了跨平臺分析也需要分平臺對比，有利于針對不同平臺做出不同的營銷策略。
上面這些最基本的用戶屬性對于精細(xì)化運(yùn)營還是不夠的。 因?yàn)檫@些信息無法幫助你解決下面四個問題——
1.誰是我的重要價值客戶，他們都有什么特點(diǎn)？
2.誰是我需要重點(diǎn)保持聯(lián)系的客戶，他們都有什么特點(diǎn)？
3.誰是我的重要發(fā)展客戶，他們都有什么特點(diǎn)？
4.誰是我的重要挽留客戶，他們都有什么特點(diǎn)？
想要解答這個問題，我們需要動用更高階的分析模型，去挖掘有效信息。
2.如何通過RFM模型，為用戶分群，實(shí)現(xiàn)精細(xì)化運(yùn)營
RFM模型是一個被廣泛使用的客戶關(guān)系分析模型，主要以用戶行為來區(qū)分客戶，RFM分別是：
R = Recency 最近一次消費(fèi)
F = Frequency 消費(fèi)頻率
M = Monetary 消費(fèi)金額
需要詳細(xì)了解以上三個指標(biāo)定義的，可以去戳度娘，教科書式的RFM區(qū)分，會將維度再細(xì)分出5份，這樣就能夠細(xì)分出5x5x5=125類用戶，再根據(jù)每類用戶精準(zhǔn)營銷……
顯然125類用戶已超出普通人腦的計(jì)算范疇了，更別說針對125類用戶量體定制營銷策略。實(shí)際運(yùn)用上，我們只需要把每個唯獨(dú)做一次兩分即可，這樣在3個維度上我們依然得到了8組用戶。
這樣，之前提的四個問題，就能很容易被解讀（編號次序RFM,1代表高，0代表低）
重要價值客戶（111）：最近消費(fèi)時間近、消費(fèi)頻次和消費(fèi)金額都很高，必須是VIP啊！
重要保持客戶（011）：最近消費(fèi)時間較遠(yuǎn)，但消費(fèi)頻次和金額都很高，說明這是個一段時間沒來的忠實(shí)客戶，我們需要主動和他保持聯(lián)系。
重要發(fā)展客戶（101）：最近消費(fèi)時間較近、消費(fèi)金額高，但頻次不高，忠誠度不高，很有潛力的用戶，必須重點(diǎn)發(fā)展。
重要挽留客戶（001）：最近消費(fèi)時間較遠(yuǎn)、消費(fèi)頻次不高，但消費(fèi)金額高的用戶，可能是將要流失或者已經(jīng)要流失的用戶，應(yīng)當(dāng)基于挽留措施。
3.如何在BDP個人版上建立RFM模型，幫助用戶分群
這時候可能會有朋友問了，天啦，你這個三維模型，我沒辦法用BDP來建表格了。所以我們需要做的是將三維模型二維化，我們將R域切一塊出來（即在近30天有復(fù)購的用戶中做分析），壓扁了就會看到。
上方的表示或許還是太學(xué)術(shù)了，簡單的說
第一步：先挑出來近1個月的復(fù)購用戶。
第二步：近1個月內(nèi)復(fù)購用戶的平均實(shí)付金額做縱軸。
第三步：近1個月內(nèi)復(fù)購用戶的購買次做橫軸，生成表格。
第四步，你需要自己在這個表格上劃紅線。
橫著的紅線，代表著你認(rèn)為來吃飯的客人平均每餐該花多少錢，我這里設(shè)定的值是25元，叫外賣25都沒付到，對我而言是低消費(fèi)金額（低M）用戶。
豎著的紅線，代表著你認(rèn)為復(fù)購多少次的客人，是你的高頻用戶。外賣點(diǎn)餐流動率很大，一個用戶每個月能在一家店點(diǎn)三次以上的菜，對我而言即是高頻。
這樣，BDP上的RFM模型就建立好了。這個RFM模型在實(shí)操時有什么用呢？舉個例子
比如對圈用戶群發(fā)短信轉(zhuǎn)化只有不到1%時，你可以用RFM做個分析，只選取R值高的用戶(最近2周到最近一個月內(nèi)消費(fèi)的用戶），轉(zhuǎn)化率可以由1%提升到10%。
這也意味著，以往6元/訂單將下降到0.6元/訂單。掌柜們是愿意花600元給10000個用戶發(fā)短信，得到100個訂單，還是愿意花48元給800人發(fā)短信得到80個訂單，相信大家一定會選后者。
而整體的RFM區(qū)分，則能夠幫掌柜們針對不同的用戶發(fā)不同的短信，短信的開頭是用“好久不見”、還是用“恭喜你成為VIP”，就得看時重要保持客戶還是重要價值用戶了。只有能區(qū)分用戶，才能走向精細(xì)化運(yùn)營。
第六部分
不得不考慮的用戶獲取成本
壓軸的總是最后才上場，我們開篇就提到過幾乎決定一家門店命運(yùn)的重要指標(biāo)——留存率。但這個部分，聊得并不是很細(xì)致。
1.如何通過穩(wěn)定留存時間，判斷一個拉新活動值不值得投入？
留存率非常重要，他直接影響到我們的生意是否“賺錢”！不管是什么生意，自然流失都存在，但我們至少期望生意增長能做到新增用戶大于等于流失用戶。
再進(jìn)一步，我們希望“用戶終身價值”能夠大于“用戶獲取成本”。
用戶終身價值，即“LTV”,縮寫自英文Life Time Value，相對準(zhǔn)確的計(jì)算公式是：用戶每月購買頻次x每次客單價x毛利率x(1/月流失率)。
用戶獲取成本，即“CAC”，縮寫自英文Customer Acquisition Cost,意思是“用戶獲取成本”。
也許你會說，哪來什么“用戶獲取成本”？我就在外賣平臺上開個店，用戶打開APP就看到我們家了。
這就錯了，流量總是有限的，新用戶為什么能在數(shù)千商家里看到你家？
不管是因?yàn)槟銧I銷給力，訂單良好以至于自然排名靠前，還是參加了特價活動有了專題曝光，還是你直接買了排名，發(fā)了傳單。這些方式里的滿減、贈品、折扣、印刷費(fèi)人工這算下來都是你的“用戶獲取成本”。
這么重要的指標(biāo)，沒有考慮過的童鞋請一定要考慮考慮啊。做一場活動，做一次推廣究竟值不值。就看他了。
但素，我還有一個更簡單粗暴的判斷投入值不值的方法。
把成本均攤到最終留存用戶身上，看需要多久才能從這些用戶身上賺取到所投入的成本，如果時間短于穩(wěn)定留存的時間，這事就值！
舉例說明：假設(shè)我們花了300塊錢買了個位置，帶來了60個新用戶，3個月后最終穩(wěn)定留存12人，即3個月留存率達(dá)到了20%
把這300元賺回來，就得指望從12個用戶每人身上賺到25元。
而用戶在我們店點(diǎn)一次餐，平均毛利率5元。這需要每個用戶下5單，保證我們能賺到25元。
假設(shè)：我們花了300塊錢買了個位置，帶來了60個新用戶，3個月后最終穩(wěn)定留存12人，即3個月留存率達(dá)到了20%
把這300元賺回來，就得指望從12個用戶每人身上賺到25元。
而用戶在我們店點(diǎn)一次餐，平均毛利率5元。這需要每個用戶下5單，保證我們能賺到25元。
假設(shè)一個用戶2周下單一次，2.5個月就能賺回25元。穩(wěn)定留存的用戶一般下單數(shù)都會大于兩周下一次單，即2.5個月回本的時間是穩(wěn)妥的，且小于穩(wěn)定留存率的時間（3個月），這事值得干。
但如果你3個月留存率只有5%，按上文推算，10個月你才能回本。這事兒顯然不值得做。
上面那些理論總結(jié)起來，就是這張圖。我期望在綠色箭頭所在區(qū)間的時間里，就能cover住投入成本。這樣不管留存率如何衰減，投入的成本都能收回。
也就是說，我希望PBP少于等于留存率穩(wěn)定時間Ts。（Payback Period，回收期，即花出去的用戶獲取成本可以在多長時間內(nèi)回本）
當(dāng)然，如果你需要更加激進(jìn)的策略，可以讓綠色區(qū)域繼續(xù)往右延伸，比如PBP=1.5 x Ts,甚至足夠信心的3xTs(外賣市場不穩(wěn)定，PBP不建議超過3倍留存穩(wěn)定時間）
2.如何通過同期群分析+BDP個人版，有效監(jiān)測留存率
講完了這些，你會明白，留存率如此重要，直接影響到你的用戶終身價值-LTV，幫助你判斷每次活動的用戶獲取成本-CAC是否合理，它的穩(wěn)定時間甚至可以作為你的回收期PBP參考單位，所以我們需要一個更厲害的工具來觀測它。
這個工具，就是同期群分析（Cohort Analysis）。如名所示，同期群意味著一起出現(xiàn)、一起成長的群體。
在我們的APP里、外賣平臺里，就是同一段時間內(nèi)一起出現(xiàn)（初次下單）的客戶群體。我們把它按初次下單這個時間維度來分組。最終，一個典型的留存率同期群表格長這樣：
橫向比較這個表格，可以看出每月新增用戶在后續(xù)個月的留存率情況。
縱向比較，可以看出不同月份新增用戶，分別在當(dāng)月、下個月、下下個月等留存表現(xiàn)如何。
這樣，我們就能監(jiān)控各種拉新渠道推廣的效果。
比如，這一月買排名，下一月上平臺5折特價活動，下下月是地推傳單。通過同期群表格，橫向?qū)Ρ?，我們能了解同一群新用戶在隔周的留存率變化?/p>
另外，我們還可以縱向比較留存率，了解哪一種渠道拉新更優(yōu)。
利用BDP個人版，你也可以做同期群表格，
第一步：
第二步：生成表格
這里提醒大家，當(dāng)調(diào)整某種營銷策略并不僅僅是影響到拉新時，我們還需要觀測斜向?qū)蔷€左右兩側(cè)來比較。
舉個例子來幫助大家理解：
假設(shè)上圖中7月18日（29周）后，我們調(diào)整了滿減，從7折上升到8折。正常來說，滿減力度下降，會導(dǎo)致歷史同期群（29周前）里更多用戶流失，畢竟這些用戶是被我們更低的折扣吸引過來的，留存率應(yīng)當(dāng)下降。
也就是說在表格里，這周起斜下方對角線右側(cè)留存率應(yīng)當(dāng)明顯低于縱向同周期的左側(cè)留存率。即這種調(diào)整對歷史同期群的留存率有負(fù)向作用。
但是！未來的留存率卻沒有受影響，這也有可能是因?yàn)闈M減力度下降我們迎來了更多真實(shí)用戶，反而留存率提高了！
這是平均值永遠(yuǎn)無法告訴你的事實(shí)！
用戶購買的行為習(xí)慣，都可以從數(shù)據(jù)中得以窺探。而在用戶群分析上，不管是利用RFM模型，還是同期群表格，其核心思想都是用戶分組。有效的用戶分組，不僅可以提高運(yùn)營效率，提高營銷投放的ROI，更可以規(guī)避“平均值”所帶來的的陷阱。
文末總結(jié) —— 不要迷信數(shù)據(jù)
雖然數(shù)據(jù)不會說謊，但它們只是一些毫無意義的數(shù)字而已。
數(shù)據(jù)分析中永遠(yuǎn)不能忽略的一個問題是：“數(shù)據(jù)并不一定代表事實(shí)，但數(shù)據(jù)可以幫助你更透徹地去發(fā)現(xiàn)事實(shí)。”
如果非得說數(shù)據(jù)驅(qū)動最有價值的一點(diǎn)，莫過于：
“If you cannot measure it, you cannot improve it。”
推薦閱讀：
上篇 | 前百度大牛辭職做餐飲，手把手教你分析每道菜背后的大數(shù)據(jù)
中篇 | 波士頓矩陣+留存流失貢獻(xiàn)度計(jì)算方法幫你優(yōu)化菜品
注：本文由 Kener-林峰 投稿數(shù)據(jù)猿發(fā)布。
歡迎更多大數(shù)據(jù)企業(yè)、愛好者投稿數(shù)據(jù)猿，來稿請直接投遞至：tougao@datayuan.cn
來源：數(shù)據(jù)猿
刷新相關(guān)文章
我要評論
活動推薦more >
- 2018 上海國際大數(shù)據(jù)產(chǎn)業(yè)高2018-12-03
- 2018上海國際計(jì)算機(jī)網(wǎng)絡(luò)及信2018-12-03
- 中國國際信息通信展覽會將于2018-09-26
- 第五屆FEA消費(fèi)金融國際峰會62018-06-21
- 第五屆FEA消費(fèi)金融國際峰會2018-06-21
- “無界區(qū)塊鏈技術(shù)峰會2018”2018-06-14
不容錯過的資訊
-
1#后疫情時代的新思考#疫情之下，關(guān)于醫(yī)
-
2數(shù)據(jù)軟件產(chǎn)品和服務(wù)商DataHunter完成B輪
-
3眾盟科技獲ADMIC 2020金粲獎“年度汽車
-
4數(shù)據(jù)智能 無限未來—2020世界人工智能大
-
5#2020非凡大賞：數(shù)字化風(fēng)起云涌時，共尋
-
6#榜樣的力量#天璣數(shù)據(jù)大腦疫情風(fēng)險感知
-
7#榜樣的力量#內(nèi)蒙古自治區(qū)互聯(lián)網(wǎng)醫(yī)療服
-
8#榜樣的力量#實(shí)時新型肺炎疫情數(shù)據(jù)小程
-
9#榜樣的力量#華佗疫情防控平臺丨數(shù)據(jù)猿
-
10#后疫情時代的新思考#構(gòu)建工業(yè)互聯(lián)網(wǎng)新
