如何通过RFM模型明确用户的分析型标签？致趣百川观点
分析型标签，是对于线索数据的进一步加工。最典型的方式是RFM模型，从最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)这三个维度分析某一个潜在客户的价值。
1.最近一次消费R(Recency)
客户最近一次的购买时间。最近一次消费时间越近的顾客是最有可能对提供的商品或服务最有反应的群体。
如果显示上一次购买很近的客户，人数如增加，则表示该公司是个稳健成长的公司；反之则要预警。
2.消费频率F (Frequency)
客户在限定的期间内所购买的次数。最常购买的顾客，也是满意度最高的顾客。
如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率。
3.消费金额M (Monetary)
客户的购买金额，可分为累积购买及平均每次购买
消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。
三个变量，可以用三维坐标系进行展示，X轴表示Recency，Y 轴表示Frequency，Z轴表示Monetary，坐标系的8个象限分别表示8类用户，根据上表中的分类，可以用如下图形进行描述：
作者：致趣科技 @ Linn
转载请注明来自：致趣科技（ID:BesChannels）
本文是致趣百川《2017高客单企业客户培育及商机挖掘白皮书》的一部分，现白皮书已经开放下载，可以关注微信号致趣科技（ID:BesChannels）下载。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）