正文

rfm模型應(yīng)用

發(fā)布時(shí)間：2023-04-08 02:14:06 稿源：創(chuàng)意嶺閱讀： 70

大家好！今天讓創(chuàng)意嶺的小編來(lái)大家介紹下關(guān)于rfm模型應(yīng)用的問(wèn)題，以下是小編對(duì)此問(wèn)題的歸納整理，讓我們一起來(lái)看看吧。

開始之前先推薦一個(gè)非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計(jì)劃、工作報(bào)告、論文、代碼、作文、做題和對(duì)話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁(yè)版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請(qǐng)撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、【知識(shí)分享】RFM模型與顧客生命周期管理（一）
2、RFM模型對(duì)應(yīng)的特征在本案例中是什么?
3、用戶價(jià)值分層——基于RFM模型的研究分析
4、評(píng)估客戶價(jià)值的三種模型：RFM、CLV、顧客社交價(jià)值模型

rfm模型應(yīng)用

一、【知識(shí)分享】RFM模型與顧客生命周期管理（一）

作為一名電商的產(chǎn)品經(jīng)理，負(fù)責(zé)的業(yè)務(wù)主要是CRM...唉，在這個(gè)運(yùn)營(yíng)無(wú)腦，公司不給錢的年代，做CRM簡(jiǎn)直是個(gè)絕對(duì)苦勞無(wú)功勞的活。這讓典型摩羯座的顧阿姨怎么辦...

在瑣碎的日常工作之外，需要適度的額外學(xué)習(xí)與整理來(lái)充實(shí)自己。應(yīng)周會(huì)分享的契機(jī)，自己找了網(wǎng)上與書上與CRM有關(guān)的材料，做出了這份“RFM模型與顧客生命周期管理”的屁屁踢~借這個(gè)平臺(tái)與大家分享。

RFM模型與顧客生命周期管理

RFM模型是顧客關(guān)系管理中最常用的一個(gè)模型，因其具有普適性，可幫助那些基礎(chǔ)CRM運(yùn)營(yíng)同學(xué)在不具備專業(yè)數(shù)據(jù)挖掘能力前就能運(yùn)用此類方法。

內(nèi)容會(huì)圍繞四部分展開：

第一部分對(duì)RFM模型進(jìn)行內(nèi)涵闡述；第二部分對(duì)RFM的運(yùn)用方法進(jìn)行說(shuō)明；第三部分是對(duì)第二部分的承接，顧客細(xì)分后就需要對(duì)顧客放入具體的生命周期中；第四部分，闡述如何對(duì)不同生命周期的顧客進(jìn)行營(yíng)銷。

一.RFM模型

在進(jìn)入第一部分前，我們先問(wèn)問(wèn)自己為何要進(jìn)行客戶細(xì)分？

與團(tuán)隊(duì)管理一樣，團(tuán)隊(duì)成員人數(shù)只有個(gè)位數(shù)的時(shí)候，大家靠默契就能運(yùn)作；當(dāng)團(tuán)隊(duì)成員人數(shù)到達(dá)兩位數(shù)時(shí)，需要規(guī)章制度對(duì)職場(chǎng)行為進(jìn)行規(guī)制以確保穩(wěn)定；當(dāng)團(tuán)隊(duì)成員人數(shù)到達(dá)三位數(shù)時(shí)，需要企業(yè)文化與企業(yè)精神讓員工在“靈”的層面理解公司愿景。

簡(jiǎn)短地用假大空的話說(shuō)了說(shuō)意義，下面我們?cè)敿?xì)闡述RFM模型：

表給中還給出了影響指標(biāo)變化的因素與指標(biāo)的應(yīng)用場(chǎng)景。這個(gè)后文會(huì)繼續(xù)詳述。

1. 最近一次消費(fèi)（Recency）

最近一次消費(fèi)的計(jì)算方式是以計(jì)算當(dāng)日減去顧客上一次在店鋪的消費(fèi)日期。計(jì)算時(shí)取付款時(shí)間更為準(zhǔn)確。

我們可以很容易地理解到：R值越小，說(shuō)明顧客下單間隔越小。如果R值為0，則可以說(shuō)明該顧客天天在本店鋪下單；如果R值很大，則可認(rèn)為該顧客已經(jīng)遺忘了本店鋪，就算是買東西也想不到來(lái)本店鋪買。

我們來(lái)舉個(gè)栗子：文中的柱狀圖取了某店鋪三年內(nèi)的R值分布情況。從形狀來(lái)看，呈現(xiàn)周期性且規(guī)律型的波浪型，且振幅隨著時(shí)間的延長(zhǎng)而變小。店鋪對(duì)客戶的營(yíng)銷有著穩(wěn)定的季節(jié)性，從圖表看，大概是統(tǒng)計(jì)周期的每年的第二個(gè)月，在這個(gè)月能吸引顧客下單，故R值在當(dāng)月占比會(huì)特別高。

2. 消費(fèi)頻率（Frequency）

消費(fèi)頻率的高低是客戶對(duì)品牌忠誠(chéng)度（如：旗艦店）與店鋪忠誠(chéng)度的體現(xiàn)。

然而，決定消費(fèi)頻率高低的一個(gè)重大因素是品類寬度。如：對(duì)手機(jī)、電腦等3C類別商品，平均購(gòu)買周期可能在1年左右；而對(duì)于紙巾、零食等流百類商品，平均購(gòu)買周期可能只有1周甚至更短。因此，跨品類進(jìn)行F值的比較是沒有意義的。

對(duì)于大平臺(tái)而言，其涉及的售賣品類會(huì)比較豐富；而對(duì)于一般小平臺(tái)而言，一般只會(huì)涉足某一細(xì)分品類。平臺(tái)畢竟有限，故對(duì)于一般網(wǎng)店而言，會(huì)將F值用顧客的“累計(jì)購(gòu)買次數(shù)”替換。

我們來(lái)舉個(gè)栗子：文中的柱狀圖統(tǒng)計(jì)了一段時(shí)間內(nèi)顧客到店消費(fèi)的次數(shù)分布。新客（購(gòu)買一次）占比為65.6%，老客（購(gòu)買超過(guò)一次）占比為34.4%。購(gòu)買超過(guò)4次以后，流失達(dá)到穩(wěn)定。故CRM運(yùn)營(yíng)童鞋要考慮如何對(duì)顧客進(jìn)行營(yíng)銷，使其在店鋪購(gòu)買可達(dá)4次。

3. 消費(fèi)金額（Monetary）

消費(fèi)金額統(tǒng)計(jì)的是某一顧客在一段時(shí)間內(nèi)的累計(jì)消費(fèi)金額。數(shù)值越大，代表顧客對(duì)店鋪的價(jià)值貢獻(xiàn)和消費(fèi)能力越高。

由于統(tǒng)計(jì)周期較長(zhǎng)，不利于對(duì)于應(yīng)時(shí)性的分析。故：對(duì)一般店鋪而言，一般選擇客戶在店鋪的累計(jì)購(gòu)買次數(shù)與客單價(jià)替代原始的M值定義。

我們來(lái)舉個(gè)栗子：文中的柱狀圖統(tǒng)計(jì)了一段時(shí)間內(nèi)某個(gè)消費(fèi)區(qū)間內(nèi)的客戶數(shù)與消費(fèi)金額。累計(jì)消費(fèi)1000元以下的客戶占比為65%（近2/3），貢獻(xiàn)的店鋪收入比例占31.6%（近1/3）。在“二八法則”中，我們提到說(shuō)20%的顧客貢獻(xiàn)店鋪80%的收入——其背后含義即說(shuō)明，小部分忠誠(chéng)顧客貢獻(xiàn)了店鋪主要的營(yíng)收。圖表就是對(duì)這一法則的現(xiàn)實(shí)證明。

二、RFM模型對(duì)應(yīng)的特征在本案例中是什么?

RFM模型特征

簡(jiǎn)單性，只需要四個(gè)字段，客戶名稱、消費(fèi)時(shí)間、消費(fèi)金額和消費(fèi)頻率?？陀^性，利用數(shù)學(xué)尺度，簡(jiǎn)單且明確的描述客戶價(jià)值。

直觀，解釋性極高。RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段。在眾多的客戶關(guān)系管理(CRM)的分析模式中，RFM模型是被廣泛提到的。該機(jī)械模型通過(guò)一個(gè)客戶的近期購(gòu)買行為、購(gòu)買的總體頻率以及花了多少錢3項(xiàng)指標(biāo)來(lái)描述該客戶的價(jià)值狀況。

三、用戶價(jià)值分層——基于RFM模型的研究分析

• R（Recency）：消費(fèi)間隔，最近一次距離上次消費(fèi)的時(shí)間間隔

• F（Frequency）：消費(fèi)頻次，一段時(shí)間（1個(gè)月/1年...）內(nèi)的消費(fèi)總次數(shù)

• M（Monetary）：消費(fèi)金額，一段時(shí)間（1個(gè)月/1年...）內(nèi)的消費(fèi)總金額

RFM模型是用戶價(jià)值研究中的經(jīng)典模型，基于近度（Recency），頻度（Frequency）和額度（Monetory）這3個(gè)指標(biāo)對(duì)用戶進(jìn)行聚類，找出具有潛在價(jià)值的用戶, 從而輔助商業(yè)決策，提高營(yíng)銷效率。RFM作為一種數(shù)據(jù)驅(qū)動(dòng)的客戶細(xì)分技術(shù)，可幫助營(yíng)銷人員做出更明智的戰(zhàn)略性決策，使?fàn)I銷人員能夠快速識(shí)別用戶并將其細(xì)分為同類群體，并針對(duì)性制定個(gè)性化的營(yíng)銷策略，提高用戶的參與度和留存率。

RFM建模所需要的數(shù)據(jù)源是相對(duì)簡(jiǎn)單的，只用到了購(gòu)買記錄中的時(shí)間和金額這兩個(gè)字段。我們基于交易數(shù)據(jù)中用戶的最后一次的購(gòu)買時(shí)間，購(gòu)買的次數(shù)以和頻率，以及平均/總消費(fèi)額對(duì)每個(gè)用戶計(jì)算了三個(gè)維度的標(biāo)準(zhǔn)分。然后我們對(duì)于三個(gè)維度賦予了不同的權(quán)重，再基于加權(quán)后的分值應(yīng)用K-Means進(jìn)行聚類，根據(jù)每種人群三個(gè)維度與平均值之間的高低關(guān)系，確定哪些是需要保持用戶，哪些是需要挽留的用戶，哪些是需要發(fā)展的用戶等。在將這些客戶圈出之后，便可以對(duì)不同客戶群使用不同針對(duì)性地營(yíng)銷策略（引導(dǎo)，喚醒等），提高復(fù)購(gòu)率與轉(zhuǎn)化率。值得注意的是，三個(gè)維度的權(quán)重制定并沒有統(tǒng)一的標(biāo)準(zhǔn)，比較通用的方法是用層次分析法(AHP)，實(shí)際場(chǎng)景結(jié)合行業(yè)以及具體公司的特點(diǎn)進(jìn)行因地制宜、因人而異的優(yōu)化。

RFM因素：

• R值越高，顧客的有效期越近，對(duì)商家活動(dòng)的響應(yīng)越積極

• F值越高，顧客的消費(fèi)頻次越高，對(duì)商家的忠誠(chéng)度就越高

• M值越高，顧客的消費(fèi)能力越高，對(duì)商家貢獻(xiàn)度就越高

• 想要提高復(fù)購(gòu)率和留存率，需要時(shí)刻警惕R值

RFM分析：

• 誰(shuí)是您最有價(jià)值的客戶？

• 導(dǎo)致客戶流失率增多的是哪些客戶？

• 誰(shuí)有潛力成為有價(jià)值的客戶？

• 你的哪些客戶可以保留?

• 您哪些客戶最有可能對(duì)參與度活動(dòng)做出響應(yīng)？

• 誰(shuí)是你不需要關(guān)注的無(wú)價(jià)值客戶？

• 針對(duì)哪些客戶制定哪種發(fā)展、保留、挽回策略？

通過(guò)RFM模型，可以幫助營(yíng)銷人員實(shí)現(xiàn)客戶細(xì)分；衡量客戶價(jià)值和客戶利潤(rùn)創(chuàng)收能力；識(shí)別優(yōu)質(zhì)客戶；指定個(gè)性化的溝通和營(yíng)銷服務(wù)；為更多的營(yíng)銷決策提供有力支持。

數(shù)據(jù)導(dǎo)入：使用python的pandas.read_csv導(dǎo)入樣本數(shù)據(jù)。

缺失值校驗(yàn)：因數(shù)據(jù)為生產(chǎn)真實(shí)的交易數(shù)據(jù)，質(zhì)量相對(duì)較高，缺失值較低。

極值校驗(yàn)：第一份樣本數(shù)據(jù)獲取的用戶訂單實(shí)付金額，其中會(huì)存在優(yōu)惠或補(bǔ)差支付，同時(shí)因就餐人數(shù)不一致，產(chǎn)生的的訂單消費(fèi)也會(huì)存在較大的差異，造成極致波動(dòng)、標(biāo)準(zhǔn)差值較大，因此需對(duì)金額進(jìn)行處理，以人均消費(fèi)額替代訂單支付金額，可去掉10元以下、萬(wàn)元以上的交易訂單。

獲取RFM值：使用 groupby獲取RFM值

獲取RFM評(píng)分值：數(shù)據(jù)離散，pandas.cut

實(shí)驗(yàn)數(shù)據(jù)RFM分值占比

說(shuō)明：F、M分布不均勻，極值差異大，經(jīng)數(shù)據(jù)探查知曉該商戶開通了企業(yè)團(tuán)餐業(yè)務(wù)，企業(yè)會(huì)給員工發(fā)放補(bǔ)貼，導(dǎo)致員工呈現(xiàn)較高的消費(fèi)頻次，該類用戶的消費(fèi)行為絕大程度依賴于企業(yè)，在實(shí)際的RFM模型可踢出此類訂單，降低此類人群的分值，其次數(shù)據(jù)中的M值為客戶實(shí)付金額，該商戶支持預(yù)定、會(huì)餐、大小桌，同一單的消費(fèi)群體不同，或可使用人均消費(fèi)總額作為M值。

RFM數(shù)據(jù)合并，建立R、F、M數(shù)據(jù)框：pandas+numpy

計(jì)算RFM綜合分值：權(quán)重法

權(quán)重值主要賦值方法可分為主觀賦權(quán)法、客觀賦權(quán)法，如下：

主觀賦權(quán)法：主要由專家經(jīng)驗(yàn)得到權(quán)數(shù)，然后對(duì)指標(biāo)進(jìn)行綜合評(píng)價(jià)。是一種結(jié)合性方法，易操作，存在一定主觀性。常用方法：層次分析法AHP、權(quán)值因子判斷表法、德爾菲法、模糊分析法、二項(xiàng)系數(shù)法、環(huán)比評(píng)分法、最小平方法、序關(guān)系分析法等。

客觀賦權(quán)法：依據(jù)歷史數(shù)據(jù)研究指標(biāo)之間的相關(guān)關(guān)系或指標(biāo)與評(píng)估結(jié)果的影響關(guān)系來(lái)綜合評(píng)價(jià)。這是定量研究，無(wú)須考慮決策者主觀意愿和業(yè)務(wù)經(jīng)驗(yàn)，計(jì)算方法較為復(fù)雜。常用方法：主成分分析、因子分析、熵值法、變異系數(shù)法、均方差法、回歸分析法等。

因樣本數(shù)據(jù)分布不均勻，故手動(dòng)賦權(quán)重值，去除部分極值。

結(jié)論：以近90天的消費(fèi)活躍來(lái)看，用戶消費(fèi)頻次集中在1-6次，呈現(xiàn)出極佳的復(fù)購(gòu)率?？梢葬槍?duì)消費(fèi)一次的人群進(jìn)行特征分析。比如針對(duì)人群的流動(dòng)性，若流動(dòng)人群占比較大，可進(jìn)一步推廣特色菜吸引客戶，若周邊人群占比較高，可基于復(fù)購(gòu)人群的特征進(jìn)行分析，同時(shí)平臺(tái)可提供該類人群近期消費(fèi)偏好，供商家參考，制定針對(duì)性方案。

了解RFM定義后，將3個(gè)指標(biāo)作為坐標(biāo)系的XYZ坐標(biāo)軸，從空間上切割成8類，作為用戶的價(jià)值分層，如下圖：

用戶價(jià)值分層說(shuō)明：

上面我們已經(jīng)計(jì)算得到各個(gè)用戶的RFM分值，接下來(lái)要依據(jù)分值進(jìn)行分類。

定義RFM 的分值等級(jí)

使用pyecharts繪制玫瑰圖：

結(jié)論：商家顧客表現(xiàn)出來(lái)的忠誠(chéng)度較高，但新客獲取能力較低。但是單純看分層占比，并沒有實(shí)際意義，可以基于價(jià)值分層與其他特征關(guān)聯(lián)分析進(jìn)行精準(zhǔn)投放。如下圖（網(wǎng)絡(luò)參考圖，本期實(shí)驗(yàn)并未涉及其他特征）所示：

用戶畫像是基于用戶信息與行為衍生出來(lái)的特征屬性，用戶的準(zhǔn)入信息是用戶的主觀特征，是一種既定的事實(shí)，通過(guò)對(duì)用戶行為的采集、研究，刻畫出單個(gè)用戶的特征。其意義在于基于某一事物對(duì)群里特征進(jìn)行分類，有效的體現(xiàn)事物的合適人群；同時(shí)針對(duì)群里特征的偏愛、習(xí)慣研究，可以刻畫出用戶的需求，實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷。

用戶畫像的基礎(chǔ)成分來(lái)源于用戶的準(zhǔn)入信息（會(huì)員注冊(cè)時(shí)的登記信息），更多的特征數(shù)據(jù)來(lái)源于用戶的各類行為，而RFM模型便是基于用戶消費(fèi)行為提煉出來(lái)的價(jià)值指標(biāo)。通過(guò)對(duì)各個(gè)價(jià)值分層的群體特征研究，可以有效提升獲客能力以及針對(duì)各類人群實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷。

市場(chǎng)和運(yùn)營(yíng)往往絞盡腦汁做活動(dòng)、上新品、蹭熱點(diǎn)、做營(yíng)銷，拓渠道，不斷開發(fā)客戶、做回訪維系客戶感情，除了少數(shù)運(yùn)氣好的之外，但大多效果寥寥，這是為何？

經(jīng)驗(yàn)豐富的營(yíng)銷人員都知道“了解客戶”和“客戶細(xì)分”的重要性。營(yíng)銷人員不僅要著眼于創(chuàng)造更多的訪問(wèn)量和點(diǎn)擊量以提高客戶獲取，還必須遵循從提高點(diǎn)擊率（CTR）轉(zhuǎn)變?yōu)樘岣弑Ａ簦艺\(chéng)度并建立客戶關(guān)系的新范式。與其將整個(gè)客戶群作為一個(gè)整體進(jìn)行分析，不如將其劃分為同類群體，了解每個(gè)群體的特征，并使他們參與相關(guān)的活動(dòng)，而不是僅根據(jù)客戶年齡或地理位置進(jìn)行客戶細(xì)分。而RFM分析是市場(chǎng)營(yíng)銷人員分析客戶行為的最流行、最簡(jiǎn)單、最有效的客戶細(xì)分方法之一。

針對(duì)RFM分層用戶制定相應(yīng)的營(yíng)銷策略:

• 重要價(jià)值客戶是您的最佳客戶，他們是那些最新購(gòu)買，最常購(gòu)買，并且花費(fèi)最多的消費(fèi)者。提供VIP服務(wù)和個(gè)性化服務(wù)，獎(jiǎng)勵(lì)這些客戶，他們可以成為新產(chǎn)品的早期采用者，并有助于提升您的品牌。

• 重要發(fā)展客戶：近期客戶，消費(fèi)金額高，但平均頻率不太高，忠誠(chéng)度不高。提供會(huì)員或忠誠(chéng)度計(jì)劃或推薦相關(guān)產(chǎn)品以實(shí)現(xiàn)向上銷售并幫助他們成為您的忠實(shí)擁護(hù)者和高價(jià)值客戶。

• 重要保持客戶：經(jīng)常購(gòu)買、花費(fèi)巨大，但最近沒有購(gòu)買的客戶。向他們發(fā)送個(gè)性化的重新激活活動(dòng)以重新連接，并提供續(xù)訂和有用的產(chǎn)品以鼓勵(lì)再次購(gòu)買。

• 重要挽回客戶：曾經(jīng)光顧，消費(fèi)金額大，購(gòu)買頻率低，但最近沒有光顧的顧客。設(shè)計(jì)召回策略，通過(guò)相關(guān)的促銷活動(dòng)或續(xù)訂帶回他們，并進(jìn)行調(diào)查以找出問(wèn)題所在，避免將其輸給競(jìng)爭(zhēng)對(duì)手。

•一般價(jià)值客戶：最近購(gòu)買，消費(fèi)頻次高但消費(fèi)金額低的客戶，需要努力提高其客單價(jià)，提供產(chǎn)品優(yōu)惠以吸引他們。

• 一般發(fā)展客戶：最近購(gòu)買，但消費(fèi)金額和頻次都不高的客戶?？商峁┟赓M(fèi)試用以提高客戶興趣，提高其對(duì)品牌的滿意度。

• 一般保持客戶：很久未購(gòu)買，消費(fèi)頻次雖高但金額不高的客戶?？梢蕴峁┓e分制，各種優(yōu)惠和打折服務(wù)，改變宣傳方向和策略與他們重新聯(lián)系，而采用公平對(duì)待方式是最佳。

• 一般挽留客戶：RFM值都很低的客戶。針對(duì)這類客戶可以對(duì)其減少營(yíng)銷和服務(wù)預(yù)算或直接放棄。

此外，目前的RFM分析中，一般給與M值更高的權(quán)重，如果一般挽留客戶與一般發(fā)展客戶占據(jù)多數(shù)，說(shuō)明公司的用戶結(jié)構(gòu)不是很合理，需要盡快采取措施進(jìn)行優(yōu)化。

四、評(píng)估客戶價(jià)值的三種模型：RFM、CLV、顧客社交價(jià)值模型

筆者一直從事于用戶運(yùn)營(yíng)領(lǐng)域，很多情況下都是要在資源有限情況下，去最大化的撬動(dòng)效益，如何挖掘能創(chuàng)造最大價(jià)值的客戶就是用戶運(yùn)營(yíng)的最基礎(chǔ)工作了。這個(gè)和基于用戶價(jià)值的細(xì)分模型基本上是一個(gè)意思，注意本文討論的用戶價(jià)值指的是用戶對(duì)企業(yè)創(chuàng)利能力的衡量，而不是傳統(tǒng)營(yíng)銷學(xué)理論中企業(yè)為客戶提供的價(jià)值。

本文我們會(huì)來(lái)談?wù)劤Ｓ玫膸讉€(gè)衡量客戶價(jià)值的模型，以及它們的區(qū)別和應(yīng)用場(chǎng)景。

提到如何衡量客戶價(jià)值，RFM基本上是頭腦中第一個(gè)想到的模型，也是大部分運(yùn)營(yíng)人員都會(huì)接觸到的。根據(jù)Arthur Hughes的研究，發(fā)現(xiàn)客戶的數(shù)據(jù)中有三個(gè)非常重要的指標(biāo)：

這三個(gè)指標(biāo)非常有意思，我們可以從中將用戶的活躍度，忠誠(chéng)度和消費(fèi)能力評(píng)估出來(lái)，如下圖：

按照案例中的情況，我們分別將R\F\M三個(gè)值都再細(xì)分成了4個(gè)等級(jí)，現(xiàn)在大家可以思考一下：000代表了什么客戶，她與004的區(qū)別在哪里？她們的價(jià)值是否不同，是否要區(qū)分維護(hù)？

在下面的表格里，我會(huì)列舉當(dāng)中一些具有明顯特征的用戶價(jià)值細(xì)分，大家可以好好體會(huì)一下：

最后以一個(gè)問(wèn)題，結(jié)束對(duì)RFM的探討，大家認(rèn)為040與004，哪個(gè)價(jià)值更大些呢？

我們知道并不是所有的顧客都具備相同的價(jià)值，如果企業(yè)能夠?qū)Ｗ⒂谀切┛梢詭?lái)最大未來(lái)利益的客戶，就可以實(shí)現(xiàn)更好的運(yùn)營(yíng)。所以企業(yè)必須識(shí)別出這些客戶，CLV是對(duì)客戶未來(lái)利潤(rùn)的有效預(yù)測(cè)，它還有另外一個(gè)名字，叫做LTV （life time value)。

實(shí)際上這個(gè)模型在中小企業(yè)的具體運(yùn)營(yíng)中應(yīng)用到的不多，更多是在做年度規(guī)劃，年度財(cái)務(wù)核算，或者企業(yè)戰(zhàn)略中會(huì)較為常見的使用，以站在企業(yè)的戰(zhàn)略層面去考慮顧客價(jià)值與投入之間的關(guān)系。

這里需要特別說(shuō)明的是，CLV考慮了完整的客戶生命周期，包含客戶獲取和客戶流失，也就是它計(jì)算的不只是眼前顧客已經(jīng)產(chǎn)生的價(jià)值，還預(yù)測(cè)了未來(lái)價(jià)值。

CLV的計(jì)算公式有非常多，有的會(huì)非常復(fù)雜，主要在流失率這個(gè)環(huán)節(jié)和影響因素就相當(dāng)多，也有會(huì)加上投入成本，價(jià)值變化率和利率變化等等。

我認(rèn)為比較實(shí)用簡(jiǎn)單的是這種：

注意此公式對(duì)群體有效，對(duì)個(gè)體精準(zhǔn)度較低，因?yàn)閭€(gè)體流失率影響因素太多，而群體流失率卻是可以統(tǒng)計(jì)的。

那對(duì)于CLV的應(yīng)用，可以從以下兩個(gè)模型來(lái)看，將企業(yè)的最優(yōu)客戶與不值得投入的客戶區(qū)分出來(lái)：

最后也以一個(gè)問(wèn)題，結(jié)束對(duì)CLV的探討，大家認(rèn)為這個(gè)公式實(shí)際應(yīng)用中如何提高計(jì)算的精度呢？

（1）顧客社交活躍度模型

其實(shí)這個(gè)是我寫這篇文章的初衷，實(shí)際上在我目前的工作中，單獨(dú)用以上基于顧客消費(fèi)屬性來(lái)給顧客做價(jià)值判斷和細(xì)分已經(jīng)很少見了。在目前新的商業(yè)環(huán)境下，品牌與用戶不僅僅是消費(fèi)購(gòu)物，推送產(chǎn)品的關(guān)系，而更多是互動(dòng)與彼此認(rèn)知。單個(gè)用戶自帶的傳播屬性和影響力，反而收到了越來(lái)越多的重視和運(yùn)用。

用平實(shí)的語(yǔ)言來(lái)說(shuō)，顧客的價(jià)值不僅僅是她給企業(yè)直接帶來(lái)的現(xiàn)金利潤(rùn)，也應(yīng)當(dāng)考慮用戶對(duì)企業(yè)美譽(yù)度，傳播度的價(jià)值影響。

最近看到的對(duì)于顧客社交價(jià)值測(cè)算的模型還是非常有用處的，分享給大家。

這個(gè)模型用于區(qū)分品牌的社交活躍度用戶，這部分用戶在對(duì)于品牌ugc內(nèi)容產(chǎn)出，社區(qū)活躍度上起到很大貢獻(xiàn)。

（2）顧客影響力模型

這個(gè)模型在于找到品牌中的影響力人群，目前的KOL影響力毋庸置疑，如果品牌能從自身用戶中發(fā)覺培養(yǎng)，定能起到四兩撥千斤的作用。

以上就是三種常見的用戶價(jià)值分析模型，那在日常運(yùn)用中，還是要化繁為簡(jiǎn)，考慮實(shí)際運(yùn)用場(chǎng)景，選擇適合的運(yùn)用模型。

這里給到大家的建議是將模型計(jì)算的結(jié)果標(biāo)簽化放在每個(gè)用戶身上，比如：用戶A，可以給她貼上“活躍度高，影響力弱，可獲利客戶”等等，那么在實(shí)際運(yùn)用中，即可靈活根據(jù)標(biāo)簽篩選人群，進(jìn)行營(yíng)銷策略。

以上就是關(guān)于rfm模型應(yīng)用相關(guān)問(wèn)題的回答。希望能幫到你，如有更多相關(guān)問(wèn)題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會(huì)為您講解更多精彩的知識(shí)和內(nèi)容。