实战手册:用RFM模型做行为细分

我是创始人李岩:很抱歉!给自己产品做个广告,点击进来看看。  

作者详细阐述如何在项目中运用RFM模型进行行为细分,从而为产品、市场营销和支持投资提供信息。

实战手册:用RFM模型做行为细分

大约100年多前,MBA项目刚创立不久,梅尔文T.科普兰教授开始在哈佛商学院教授营销学。由于他的前期探索,市场营销已成为商学中的独立学科。从那以后,商学院的学者和市场从业人员都认识到客户细分是增长的关键。

这很关键,因为当您细分客户时,您可以定制他们所需产品特性,改变传递给客户的信息,调整他们所获得的客户支持的类型,甚至(更改)定价。当您这样做时,可以通过更高的转化率和更高的单位用户收入来提高增长。而且,由于产品、营销和客户支持花费的每一美元对您来说回报更多,因此您可以提高盈利能力。

有时,人们认为良好的细分过程复杂且耗时。以我的经验,事实并非如此。实际上,仅需几个简单的想法,您就可以构建出色的细分市场,以指导您的产品,市场营销和客户支持。

如果您的用户是日常生活中的人们,您可能会倾向于根据人口统计信息对他们进行细分 (性别,年龄,收入)。多年来,这一直是一种常用的方式,流行但懒惰。

基于人口统计学的细分实际上只是对他们是谁的描述性细分,而不是根据他们的行为进行的细分。

对于消费者和企业用户而言,行为细分比描述性细分更强大。当您使用人们的行动将他们分门别类时,您可以在产品、市场营销和客户支持上的投入-产出之间建立更直接清晰的联系。

如果您想在这方面做得更好,则需要做三件事:

  1. 收集有关客户实际使用产品或服务情况的数据;
  2. 使用一些简单的人工和机器智能方法进行分析;
  3. 使用咨询的洞察指导产品,市场营销和客户支持方面的实际业务决策。

我喜欢的行为细分包括三个部分:

  1. 第一种方法完全根据用户的活动对用户进行排序,它被称为新近度-频率-价值细分,或简称RFM,它很容易手动完成。
  2. 第二种方法是基于机器的方法,称为K-Means聚类,它可以发现行为上“最相近”但肉眼无法识别的用户组。
  3. 第三顺序模式挖掘可以发现导致高价值用户和低价值用户形成方式的常见生命周期事件。

策略:R-F-M (Recency-Frequency-Monetary Value)

该技术是20世纪中叶在美国黄页业务中发明的,但这在今天同样有用,它分四个步骤进行:

步骤1:收集数据

收集有关每个用户活动(每个实例都有日期)以及他们产生多少钱的数据,用您的判断来定义 “活动”(一次会话,一次某个特定功能的交互或一次购买行为)和“金钱”(直接指标,例如商品销售总额,您的直接收益或间接指标,他们看到的广告潜在价值或摊余订阅收入)。

步骤2:计算

为每个用户计算以下各项的度量:

  • R-新近度(自上一次活动以来的时间);
  • F-频率(活跃的天数/自注册天数);
  • M-货币价值。

根据您的判断,决定是否需要对F和M进行时间限制(例如,60天而不是整个生命周期)。

步骤3:排序

将整个用户群分为五级(五个相等大小的组),通过R度量。我的意思是按R列中的值对用户群进行排序,将其分为五个大小相等的组。

为第五分位数的每个成员分配“最差” 新近度1;第3个和第5个四分位数4;最后,给具有的五分位数的每个成员 “最佳”最新活动评分5——您的用户现在的R-新近度评分为1到5。

步骤4:重复

重复步骤3:

F-频率,M-货币计量

1=最低表现-20%,5=最高表现+20%

实战手册:用RFM模型做行为细分

RFM模型

如何理解您的RFM分数

现在,每个用户都被标记了三位数的RFM分数。这些数字定义了在RFM“空间”中每个用户的哪个位置(由RFM轴定义的5x5x5立方体)。尽管此多维数据集中有125个单元,但这并不意味着您有125个可操作的细分用于不同的产品,市场营销或客户支持。用于产品,市场营销或客户支持目的的可操作细分由根据您的业务判断分组的多个单元组成。

我保证在创建RFM多维数据集之后,您将再也不会以相同的方式想到用户。

例如,一家使用RFM的电商App决定其最高价值用户群(HVUs)包括5-5-5、5-4-5、5-4-4、5-5-4和4-4-5,仅这五个单元就占公司总收入的75%以上,他们决定将4-4-4和4-3-4分组为高潜力用户群(HPUs)。

该公司对高净值客户画像群体采用社交媒体获客,对高潜力用户群体直接做HVUs喜欢的产品特性营销,对这两类客户群体都加大了客户支持力度,因为他们才有经济效益。几个月下来,基于用户行为的新策略将总收入提高了8倍。

行为细分+出色的业务判断能力=良好的结果

实战手册:用RFM模型做行为细分

RFM模型

您可以自动化执行此操作,如果愿意,可以每天重新运行计分,对其进行调整和微调。无论您是手动还是使用机器,我都保证您在创建RFM多维数据集后永远不会再以相同的方式想到用户。

它引发以下问题:

  • 我的业务集中在高价值细分市场上吗?
  • 随时间变化边界区域的用户如何(2s,3s,4s)中?
  • 我的5s区域用户来自哪?我如何找到更多?
  • 我可以让3s和4s步步高升,并表现得更像5s吗?
  • 我是否在1s和2s上浪费时间?有一些失效的5s吗?我应该进行有针对性的投入后复盘?
  • 为什么我要根据平均用户价值来限制购置支出?为什么不将支出用于我​​的高价值和高潜力(可能会变成5s的3s和4s)?
  • 最重要的问题:我如何才能区别(产品,营销,支持)对待它们,以便使它们的价值最大化?

增长黑客实战手册:行为细分模型之RFM

RFM模型

如果您止步于此,您和99%的企业对细分市场的认知如出一辙。

但是正如我的父母总是说: “低门槛是你的机会!”

仅凭RFM,您就可以进行基于行为的强大细分市场,从而为产品、市场营销和支持投资提供信息。

 

作者:迈克尔·迪林 哈里森金属,早期风险投资公司的创始人;译者:范大勇,专注企业数字化转型

本文由 @企服范大勇 翻译发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议

随意打赏

提交建议
微信扫一扫,分享给好友吧。