提效客户体验管理策略(RFM模型应用客户分群)真没想到

释放双眼,带上耳机,听听看~!

在展开顾客新体验管理之前,通过对顾客本身全面性、准确的了解,阔蕊顾客科栅的刻画,特别针对相同客户群提供更多与之高度相关的个人化新体验,能够让企业更加聚焦最终目标顾客,有助于推动更强的顾客转化成一、顾客科栅的意义目前,顾客科栅常见于营销部门,对新体验部门而言虽然分工相同,但最终目标却是一致的。

都是希望寻得各个客户群的关联性,比如说,犯罪行为模式、偏好等等特别针对相同客户群指定相同的思路,为顾客提供更多“恰当的新体验”毕马威在分析报告表示,顾客科栅对提高销售业务规模有正向作用这里有一个案例,一家跨国收款政府机构面临销售业务增长困难、消费需求者流动率高、早期触点顾客信任度下降等考验。

面对考验,政府机构首先依照顾客犯罪行为,展开顾客科栅,全面性调整顾客新体验培训流程在科栅后的研究中发现最大商业价值的最优操作顺序,以此设计出相同客户群个人化的顾客旅途与互动思路效果验证以 50 多个试点为依照,让每一顾客细分养成预期的犯罪行为。

通过几个礼拜的统计数据反馈,与安慰剂相比,买卖量提高了 6% 二、顾客科栅 RFM数学模型那么,该如何展开有效率的顾客科栅呢?RFM 数学模型是顾客科栅及来衡量顾客商业价值的重要数学模型之一最早提出者乔治‧卡利南(George Cullinan)表示,在顾客数据库中有 3 项重要分项。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

R(Recency)近度 → 顾客前段日数一场买卖日数的间距,买卖日数越远的顾客商业价值越大F(Frequency)频次 → 顾客在前段日数一两年内买卖的至多,经常买回的顾客也就是猎头,商业价值比偶尔来一场的顾客商业价值大。

M(Monetary)额度 → 顾客在前段日数一两年内买卖的数额,一般来说以顾客至多的平均值消费需求数额作为来衡量分项,消费需求越多的顾客商业价值越大一般来说顾客科栅有两种形式:一种是依照顾客的基本信息,另一种是依照顾客的犯罪行为统计数据。

而 RFM 数学模型利用的就是顾客的犯罪行为统计数据。三、优先选择恰当的赞扬分项对B2C网购销售业务较为常见上述分项展开赞扬,但对相同金融行业、相同的销售业务最终目标,展开顾客科栅的层次会有所差异。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

比如说,电子邮件(EDM)营销依照 RFM 数学模型,能分割为「R = 上次邮件关上的日数」、「F = 一两年内,邮件关上的至多」、「M = 一两年内,依照每一顾客的获取成本及利润等因素估计的商业价值」比如说,互联网SNS销售业务依照 RFM 数学模型,能分割为「R = 前段日数一场登入日数」、「F = 一两年内,登入频率」、「M = 一两年内,在线时数」。

优先选择恰当的分项,才能得到有效率的结果四、RFM 的评分形式RFM 客户群分割以B2C网购销售业务为例,常见的分割形式有下列 2 种1. 依照金融行业准则分割R 分项能依照间距日数单向,如:大于 90 天未买回归属于低商业价值,但若为高商业价值。

F 分项能依买回至多单向,如:买回小于 2 次归属于低商业价值,但若为高商业价值M 分项能依客单价单向,如:平均值客单价下列归属于低商业价值,但若为高商业价值2. 依照标准分数准则分割这种形式是将统计数据转换成 1~5 分记分形式,转化成后分数越高代表商业价值越高,一般能按 20%/40%/60%/80% 分四位数将统计数据连乘积 1~5 分。

记分形式如下表所示:

提效客户体验管理策略(RFM模型应用客户分群)真没想到

R 分项是日数间距越短越好,所以<20% 分四位数分数为 5 分日数间距指的是上次消费需求是 5/1,今天是 5/3,则相隔 2 天F 分项是频次越高越好,所以 ;80% 分四位数分数为 5 分M 分项是数额越高越好,所以 ;80% 分四位数分数为 5 分。

想要展开顾客分割,还需要把分数展开转换。将 1~5 分数,按分别对应的平均值值展开分割,分割为 0 和 1,数字 0 代表低商业价值群体,数字 1 代表高商业价值群体。记分形式如下表所示:

提效客户体验管理策略(RFM模型应用客户分群)真没想到

五、RFM 的 8种顾客类型RFM 数学模型通过将 3 项犯罪行为统计数据分项分别作为坐标轴的 x,y,z 轴,能将顾客分割为 8 种类型顾客,进一步指导顾客新体验管理的下一步工作分别是:重要商业价值、重要挽留、重要发展、重要维持、一般商业价值、一般挽留、一般发展和一般保持。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

图片来自《经理人月刊 第 187 期》 | Guofu重绘R↑F↑M↑:对一家企业来说,获得更多的「重要商业价值顾客」是维系企业健康发展的源动力,顾客新体验管理应优先关注「重要商业价值顾客」的需求点能制定顾客信任度计划,为他们提供更多相应的福利。

能发送问卷,关注重视他们的声音,加强与他们与企业的关系如果企业在顾客户群体分布中,大多为商业价值很低的「一般保持顾客」,那么企业销售业务会随时有经营危机R↓F↑M↑:在过去销售业务发展过程中,作出过重要贡献的顾客户群,是消费需求频率和数额都很高的顾客为「重要保持顾客」,但是前段日数一场消费需求日数距离现在已经很久,企业需要重新花日数了解他们目前的需求,以及为什么近期不再消费需求。

R↑F↓M↑:前段日数刚刚接触公司并展开高额消费需求的顾客户群,但是消费需求频率不高为「重要发展顾客」企业能严格审视服务流程的每一个新体验环节,为他们输出良好的品牌形象,加深顾客对品牌的印象R↓F↓M↑:前段日数一场消费需求日数较远、消费需求频率不高,但消费需求数额高的顾客为「重要挽留顾客」。

他们对企业缺乏了解或信任,企业要主动与这类客户群展开交互,看看有哪些新体验不满意的地方,避免失去这群顾客还有对「一般保持顾客」、「一般发展顾客」、「一般商业价值顾客」、「一般挽留顾客」客户群来说,企业在销售业务上无法为所有的客户群都提供更多高质量的新体验,有“舍”才有“得”。

企业应该专注在核心客户群的新体验打造,减少重要挽留顾客,活化重要保持顾客,挖掘重要发展顾客六、RFM 新零售案例实操RFM 顾客科栅会使用某新零售B2C平台(2021/10–2022/04)订单真实统计数据演示统计数据集已经过统计数据脱敏,本统计数据集仅可用于学习。

在观察此统计数据表时,发现「订单号、用户编号、支付日数」存在”空值“,这些都是分析中需要使用的栏位,需要对展开统计数据填充。另外,为便于计算,支付日数需转为匹配的日期格式。操作步骤如图所示:

提效客户体验管理策略(RFM模型应用客户分群)真没想到

统计数据集一共有 8 个栏位,其中使用 RFM 数学模型只需用到:订单号、用户编号、支付日数、实付数额 4 个栏位注意:你们自有原统计数据前处理,需要检查缺失值、剔除订单中含已取消/退款订单统计数据下面进入 RFM 计算演示。

步骤 1:全选原统计数据 → 插入/统计数据透视表 → 新工作表。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

在统计数据透视表字段中,将[用户编号]拉入行,将[订单号]、[实付数额]、[支付日数]拉入值通过设定[订单号]计算形式为”计数项“、[实付数额]]计算形式为”求和项“、[支付日数]]计算形式为”最大值项“,得到以用户编号展开区分的计算值。

步骤 2:将计算后的统计数据复制到新工作表,想要得到可用的 RFM 统计数据,还需要做一些加工。对表头稍加调整后,由于 R 分项需要的值是上次消费需求距离现在的日数,目前的是最后一场消费需求日数,需要展开再次计算。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

笔者想知道前段日数消费需求日数距离 2022/5/12 间距日数,使用 =$E$2-D2 计算如果你是想知道距离今天为止间距多少天,能使用函数 =TODAY()-D2在这个步骤,能得到用于 RFM 数学模型顾客科栅最终目标数值。

步骤 3:基于记分准则展开 RFM 得分计算,笔者这里使用的是标准分数准则展开数值转换。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

记分计算需要使用到 Excel 的多条件判断 IFS 函数,标准分数使用 PERCENTILE 函数,RFM 分项计算依序使用下列算式:=IFS(B2

=IFS(C2

=IFS(D2

通过记分计算,能知道顾客对应的代码值,如 115008 RFM 对应的代码值为 111。这个代码值可用于后续顾客类型匹配。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

有资料研究表明:对 RFM 数学模型各变量的分项权重问题,Hughes Arthur 认为 RFM 在来衡量一个问题上的权重是一致的,因而并没有给予相同的分割笔者在本次演示计算不涉及 RFM 加权计算另外,Stone&;Bob 通过对信用卡案例的实证分析,提出了更能适应产业特性的计算形式。

认为各个分项的权重并不相同,在研究中发现应该给予频次最高,近度次之,额度最低的系数加权有助于顾客科栅的准确性RFM 权重: WR>=2,WF=3,WM=1如果需要采用 RFM 加权计算,需要与专家和新体验管理人员共同展开商定,因为权重的系数会直接影响顾客科栅的表现。

步骤 4:依照 RFM 得分展开分项商业价值类别分割,笔者本次分割以平均值值作为基准值。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

商业价值类别分割需要使用到 Excel 的 IF 函数,RFM 商业价值类别分割依序使用下列算式:=IF(F2;=AVERAGE(F:F),“高”,”低”);=IF(G2;=AVERAGE(G:G),“高”,”低”);

=IF(H2;=AVERAGE(H:H),“高”,”低”)。通过商业价值类别分割,能知道顾客对应的值,如 115008 RFM 对应的商业价值类别代号为“低低低”。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

步骤 5:最后通过比对”顾客科栅评级表“,对 RFM 商业价值类别展开最终科栅。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

RFM 顾客科栅对照使用下列算式:=VLOOKUP(I2&J2&K2,$N$2:$O$9,2,FALSE) 依此类推从下图能看出,商业价值类别代号”低低低“对应的科栅为「8 一般挽留顾客」、代号”低低高“对应的科栅为「4 重要挽留顾客」。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

到这里,顾客科栅的工作算基本完成了但是基于顾客科栅,找到当前企业的顾客结构分布状况以及该如何应对,才是我们需要关注的重点七、RFM 分析和赞扬笔者对该零售B2C公司当前的顾客结构分布展开计数和百分比计算,了解顾客的分布情况。

使用 COUNTIF 函数展开匹配,算式如下=COUNTIF(A:A,“1重要商业价值顾客”)依此类推从分布情况能看出,该零售公司「重要商业价值的顾客户群」占比近30%,基本算中等水平,仍需要进一步通过新体验优化,通过“供给创造需求”深挖高净值顾客的相同需求,能提高该比例。

提效客户体验管理策略(RFM模型应用客户分群)真没想到

另外,「一般保持顾客」群体占比高达 18% ,需要采取紧急行动,这类型顾客目前还没有流失,需要好好把握,要不这部分顾客流失将会造成大麻烦。分布情况如下图所示:

提效客户体验管理策略(RFM模型应用客户分群)真没想到

新体验管理对相同的顾客户群体,能参照下表的顾客基本特征和行动思路展开新体验优化工作。比如说,特别针对「一般保持顾客」就能参行动思路,利用一些优惠吸引顾客再次消费需求。

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。e网宇宙

给TA打赏
共{{data.count}}人
人已打赏
热点

拆解项目管理的两个关键问题:人和事怎么可以错过

2023-6-12 11:28:21

热点

优秀管理者都具备哪些品质?(管理者必备的7个品质)真没想到

2023-6-12 11:30:38

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
购物车
优惠劵
今日签到
有新私信 私信列表
搜索