|
3 、RFM的深层问题 即使做好了用户ID统一认证，RFM还有一个更深层的问题。 让我们回顾一下，RFM模型的三个基本假设： R：用户离得越久就越有流失风险 F：用户频次越高越忠诚 M：用户买的越多越有价值 反问一句：这三个假设成立吗？如果不结合具体行业、具体产品、具体活动来看，似乎是成立的。但是一旦具体讨论就会发现：很多场景不满足这三个假设。因此：单纯讲RFM，不结合产品、活动，是很容易出BUG的。 R：用户离得越久就越有流失风险 如果是服装这种季节性消费，用户间隔2-3个月是很正常 如果是手机、平板这种新品驱动产品，间隔时间基本跟着产品更新周期走 如果是家居、住房、汽车这种大件耐用品，R就没啥意义，用户一辈子就买2次 如果是预付费，后刷卡的模式，R就不存在了，需要用核销数据代替 所以R不见得就代表着用户有流失风险，特别是现在有了埋点数据以后，用户互动行为更能说明问题。 F：用户频次越高越忠诚 如果用户消费是事件驱动的，比如赛事、节假日、生日、周末…… 如果用户消费是活动驱动的，比如啥时候有优惠啥时候买…… 如果用户消费是固定模式的，比如买药的用量就是30天…… 以上情况都会导致F的数值不固定，可能是随机产生的，也可能是人为操纵的。很多企业僵硬地执行RFM模型，往往会定一个固定的F值，比如促使用户买4次，因为数据上看买了4次以上的用户就很忠诚。结果就是引发用户人为拆单，最后F值做上去了，利润掉下来了。 M: 用户买的越多越有价值 如果用户是图便宜，趁有折扣的时候囤货呢？ 如果用户买了一堆，已经吃腻了、用够了呢？ 如果用户买的是耐用品，买完这一单就等十几二十年呢？ 如果用户消费本身有生命周期，比如母婴，游戏，已经到了生命周期末尾呢？ 很多情况下，用户过去买的多，不代表未来买的多。这两者不划等号。因此真看到011、001、101的客人，别急着派券，整明白到底出了啥问题才是关键。 除了单独维度的问题外，三个维度连起来看，也容易出问题。因为很多公司的用户结构不是金字塔形，而是埃菲尔铁塔型：底部聚集了太多的不活跃用户，且不活跃用户大多只有1单，或者只有几次登录便流失，因此RFM真按八分类化出来，可能000的用户比例特别多。 这意味着现有存活的用户，可能是幸存者偏差的结果，现有的111不是000的未来。要更深层次地分析为啥会沉淀大量不活跃用户，甚至从根上改变流程，才能解决问题。真按照RFM生搬硬套。可能就把业务带到死胡同里了。 我是一位爱学习的老人！本站主要是些学习体验与分享(其中会引用一些作品的原话并结合我的一生体会与经验加工整理而成！在此一并感谢！如有不妥之处敬请与我联系,我会妥善处理，谢谢！)我写的主要是中老年人各方面应注意的事儿！退休后我希望通过这个平台广交朋友，互助交流，共筑美好生活！！！！！！ 更多文章请参看http://www.赵站长的博客。期待大家的光临与指教哦^0^！欢迎大家转发！ |
|
|
来自： 赵站长的博客 > 《人工智能大数据云计算物联网》
