RFM 介紹

💡什麼是RFM?

是一種技術分析模型,以通過數據細分用戶,企業以此結果對不同群體施行不同手段以驅動用戶購買行為。
又數據蒐集的時間段一般為3個月、6個月、1年、3年。

RFM 分析模型的三項維度為為以下,並且每一個維度劃分1-5分的評級

R (Recency):最近,為客戶最後一天消費的時間點。越近計算日曆天者分數越高(5分);越遠計算日曆天者分數越低(1分)

F (Frequency):頻次,為劃分時間內的購買頻次。購買次數越高者分數越高(5分);購買次數越低者分數越低(1分)

M (Monetary):消費金額,為客的戶消費面額。消費面額越高者分數越高(5分);消費面額越低者分數越低(1分)

商業上一般將其劃分為10個客戶群,

1.Champions 冠軍顧客

2.Loyal Customers 忠實顧客

3.Potential Loyalists 潛在的忠誠顧客

4.New Customers 新顧客

5.Promising 有希望的顧客

6.Need Attention 需要關注的顧客

7.About to Sleep 快睡著的顧客

8.Can’t Lose Them 不能失去的顧客

9.At Risk 有風險的顧客

10.Hibernating 冬眠的顧客

 

💡為何該運用RFM?

一個企業是否能在市場上存活,在於用戶願意為其商品花錢。
即企業所提供的產品能夠符合消費者需求故市場所接受。
也就是說用戶在某時間週期內購買行為主宰企業是否能存否存活。

RFM分析模型 以Recency最近的時間、Frequency頻率週期、Monetary消費金額高低,除了其涵蓋了企業存活的關鍵因素“單位時間內(最近的時間x頻率週期)的購買力(消費金額高低)外,
它會被認為有效是在於 它以取自的數據劃分客戶群,對不同客戶施以不同手段。其滿足80/20法則,企業能夠據此投注資源於那20%帶來80%收益的客戶,令企業有更高的機會可以獲得回報、降低成本、減少客戶流失。

💡如何開始著手RFM?

1.確立你的RFM分級方式,並將每個維度分為1-5分

方法一、基於業務性質自定義三項維度的分數值.
此方法會深受每個企業他定義的理想數值,而在R、F、M三者去界定範疇。
此方式風險有兩個,
其一在於會因為業務上升下降而不斷進行數值調整。
其二則是R與F這樣的單位時間為何以某方法為劃分依據。
方法二、五分位數劃分
此方法可以規避掉方法一第二個風險,被質疑為何以此單位時間為劃分依據。

2.善用工具,RFM數據可視化
R、F、M三者構成5X5X5=125種RFM組合.
這麼多的組合更多時候,我們會以以下工具幫助分析的進行:
-excel
-Python / R 

3.找出企業的10種細分客戶,對他們營銷

👉以RFM模型來說,並不一定得要拘泥於一定要使用工具,可以簡單的去定義每個維度的五個層次,並滾動地調整你劃定的範圍。最重要的事把握其對用戶進行細分的精髓,並將資源投注在有價值的客戶身上。

👉更多公司已經開發好的工具:putler

💡何時該運用RFM?

當企業試圖
-提高客戶的終身價值
-提高忠誠度
-提高用戶參與度
-提高投資報酬率
-降低客戶流失
-降低運營成本
-再行銷
-推出新產品
 
以瞭解對於企業而言:
-誰為最佳顧客
-誰可能為更高利潤的顧客
-誰為忠實客戶
-誰處在流失邊緣
-誰值得公司持續維護
-誰不值得公司持續維護
誰可能對公司的行動進行回應
 
值得注意的是儘管RFM這個模型能夠分辨出上述十種類型的顧客,但確有其侷限性。
 
例如以旅遊業之旅遊網站經營而言,RFM模型參考價值會下降,因為多數顧客的購買頻次並沒有那麼高、要抓取的最近消費時間可能發生於很久之前、金額大小也並不絕對。
 
也就是說RFM可能會受到產品特性、產業差別 而有數據詮釋錯誤的可能性。並且該模型並沒有解釋諸如:保留率、十種類型顧客其優先順序…等。但RFM模型能夠以此分類做進一步的用戶研究,例如Behavioral Persona。故在拿RFM模型做使用時更須謹慎詮釋數據,以免以錯誤的詮釋而造成商業上的損失。
 
 

進階內容參考行銷工程知識訂閱