Python应用RFM、ab、爬虫
一、RFM模型实战
  • R,Rencency,即每个客户有多少天没回购了,可以理解为最近一次购买到现在隔了多少天。
  • F,Frequency,是每个客户购买了多少次。
  • M,Monetary,代表每个客户平均购买金额,这里也可以是累计购买金额。
帮助我们把混杂一体的客户数据分成标准8类,然后根据每一类用户人数占比、金额贡献等不同的特征,进行人、货、场三重匹配的精细化运营。
业务层面:
1)重要价值用户是最优质的用户群体,应重点关注,既要保持其粘性,又要继续引导消费,可为这类用户提供vip服务;
2)重要发展用户的特点是近期有消费但频次不高,策略是提高其消费次数,具体措施有促销活动提醒和优惠卷活动等;
3)重要保持用户的特点是消费频次高但有一段时间没有消费,策略是重新唤醒,通过app消息推送,以及站外广告营销吸引其注意力,促进复购;
4)重要挽留用户近期没有消费且频次不高,若不加以挽留,会有流失的可能,对于这类用户一方面需要保持曝光量,持续推送活动和优惠信息,另一方面需要进一步研究其兴趣和需求,才能采取有效的运营策略。
强调了潜力是针对消费(平均支付金额),深耕是为了提升消费频次,以及重要唤回客户其实和重要价值客户非常相似,只是最近没有回购了而已,应该做流失预警等等。
五个步骤:数据概览、数据清洗、维度打分、分值计算、客户分层。