一起来看个具体例子:某个打车出行APP,已按RFM格式,统计好用户数据(如下图,仅为示例数据100条),现领导要求:分析分析用户情况。要怎么分析呢?
第一步:先看M。区分用户价值是第一位的,先认清谁是大客户,谁是小客户,后边工作思路才清晰。我们可以用十分位法,简单地对用户分层,看哪些是大客户(如下图)。
分好组以后,可以打开数据透视表,看一下每组的消费占比。
哇!第一组用户就贡献了40%+的消费,前三组合起来,共30%的用户贡献额74%的消费,真是大客户呢,因此可以分类如下:
分类完以后可以观察每组的消费门槛在哪里,比如第一组的门槛是798元/月。在运营制定策略的时候,很有可能为了方便,找一个最近的整数。因此可以做一个手动调整,把VIP3的门店改到:一个月内消费800元。类似地,其他门槛也能做同样调整。
调整好了以后,我们已经分离出了大客户/小客户,可以做下一步的分类了。下一步可以做R。如何确定R的分类呢?可以直接根据业务特点来定。比如打车,即使再需要坐车的人,也不可能天天出门,因此R值不需要设定的太短,否则天天在人家耳朵边喊:“来坐车来坐车”,也太过度骚扰用户了。
R值可以以周为单位分类。一周内有工作日和休息日,如果用户真的是刚需,那么最迟1周也该来坐一次车了(如下图)。
分好类以后,可以做交叉表,观察不同VIP的客户在R值分布情况(如下图)。
看起来,VIP等级越高,R值越小,而VIP0的用户,居然有80%已经2周以上都没来了,要么真的没需求,要么已经流失了。这样,对VIP0的分析建议,也很清楚了:结合天气、节假日、活动等具体场景,给小额优惠,配合单次打车优惠券唤醒用户。