本文以筆者負(fù)責(zé)的金融類產(chǎn)品經(jīng)驗(yàn)為依據(jù),展示了如何利用RFM模型開展金融產(chǎn)品精細(xì)化運(yùn)營的全流程。
現(xiàn)在獲客成本越來越高,相信每一個運(yùn)營人都意識到了轉(zhuǎn)化、留存以及促活的重要性。通過RFM可以幫助我們更了解用戶,精準(zhǔn)的開展運(yùn)營手段。下面我將完完整整地把我用RFM模型進(jìn)行數(shù)據(jù)分析的全流程分享給大家。
1. 首先根據(jù)產(chǎn)品確定三個重要指標(biāo)
我負(fù)責(zé)的是一款金融類產(chǎn)品,KPI是充值金額和新增充值的人數(shù)。所以我將RFM分別確定為充值金額、充值次數(shù)和登錄次數(shù)。
(具體的指標(biāo)根據(jù)自己產(chǎn)品決定,如社交類產(chǎn)品可以是:登錄次數(shù),關(guān)注人數(shù)、使用時長)
圖是我創(chuàng)建好的數(shù)據(jù)模型,共有998個用戶數(shù)據(jù),是用RANDBETWEEN函數(shù)隨機(jī)生成的數(shù)組,不是真實(shí)的用戶數(shù)據(jù),僅作為分析所用。
2. 下面開始計算R、F、M值
第一步對數(shù)據(jù)進(jìn)行分組,分成5個層級。分組依據(jù)可以按照公司業(yè)務(wù)劃分。我這里分組是先畫出用戶消費(fèi)金額的趨勢圖,再根據(jù)數(shù)據(jù)走勢分組。
從圖上可以看到,有很明顯的分布節(jié)點(diǎn),于是我將這5個區(qū)域分為:
- 1=10~100
- 2=101~1200
- 3=1201~5000
- 4=50001~12000
- 5=12001~20000
接下來根據(jù)分區(qū)數(shù)據(jù)計算每個充值金額對應(yīng)的數(shù)值,得出函數(shù)如下:
=IF(B2>12000,5,IF(B2>5000,4,IF(B2>1200,3,IF(B2>100,2,1))))
同理F和M的計算方式也是如此。
對消費(fèi)次數(shù)分級后,將這5個區(qū)域分為:
- 1=1~5
- 2=6~7
- 3=8~10
- 4=10~15
- 5=15~20
函數(shù)如下:
=IF(C2>15,5,IF(C2>10,4,IF(C2>7,3,IF(C2>5,2,1))))
接下來是登錄次數(shù):
- 1=1~10
- 2=11~20
- 3=21~30
- 4=31~40
- 5=41~50
函數(shù)如下:
=IF(D2>40,5,IF(D2>30,4,IF(D2>20,3,IF(D2>10,2,1))))
3. 求出RFM的平均值
求出對應(yīng)的值之后,下面用AVERAGE函數(shù)計算各列的平均值:
- R的平均值=1.19
- F的平均值=1.28
- M的平均值=3.33
(有小伙伴問我,為什么要計算出數(shù)值后再求平均值,而不是在原消費(fèi)金額的基礎(chǔ)上求平均?你想下比賽時評委打分,會去掉一個最高分和最低分,這兩個的道理其實(shí)有點(diǎn)類似,這樣會使數(shù)組更加整體)
4. 判斷RFM等級
接下來判斷RFM等級。通過與平均數(shù)進(jìn)行對比,得出數(shù)值的高低。
函數(shù)如下:
- R=IF(E2>1.19,”高”,”低”)
- F=IF(F2>1.28,”高”,”低”)
- M=IF(G>3.33,”高”,”低”)
5. 得出用戶價值
到了最重要的一個環(huán)節(jié),通過計算得出用戶的價值。用IF和AND函數(shù)判斷,同為高、同為低,以及分別為不同高低的用戶分別對應(yīng)什么。
函數(shù)如下:
=IF(AND(H2="高",I2="高",J2="高"),"重要價值用戶", IF(AND(H2="高",I2="低",J2="高"),"重要發(fā)展用戶", IF(AND(H2="低",I2="高",J2="高"),"重要保持用戶", IF(AND(H1="低",I2="低",J2="高"),"重要挽留用戶", IF(AND(H2="高",I2="高",J2="低"),"一般價值用戶", IF(AND(H2="高",I2="低",J1="低"),"一般發(fā)展用戶", IF(AND(H1="低",I2="高",J2="低"),"一般保持用戶","一般挽留用戶" )))))))
最后就可以根據(jù)判斷結(jié)果采取不同的運(yùn)營手段了。下面列出2點(diǎn)我們具體實(shí)施時的工作流程給大家參考:
重要價值用戶,是我們金字塔頂尖的客戶,所以要發(fā)掘他們的更大價值。通過數(shù)據(jù)的對比我們發(fā)現(xiàn)這類用戶集中在30-40歲的男性群體,有錢有時間,這類用戶我們?yōu)樗麄兯蜕洗箢~優(yōu)惠券,以及充值成功后贈送的特權(quán)和抽獎等形式刺激他們完成大額充值。
重要挽留用戶,這類用戶多為18-25歲之間的年輕群體,充值金額低,登錄頻繁。年輕群體分享欲望強(qiáng),通過測試我們選取了趣味性較強(qiáng)的素材文案,引導(dǎo)他們向朋友推薦,以擴(kuò)大用戶群體,分享率提高了10%。
……
通過對不同層級用戶的測試,總結(jié)出該群體用戶的特性,之后動員同事提出想法和意見,必要時也要向用戶發(fā)出問題邀請,匯總意見后通過AB測試選出可行性方案,這時你就知道下一步該怎么做……
以上就是金融類產(chǎn)品精細(xì)化分層和運(yùn)營過程,初來乍到大家多多指教!歡迎提出意見建議~持續(xù)學(xué)習(xí)進(jìn)步!