九道门丨RFM模型实操案例，据说小白看完也能秒懂（一）

对于企业来说客户是活下去的能源，但是现在企业的获客成本在逐渐升高，每个企业都把用户相关的指标当作最重要的KPI。其中用户数据指标最常见的模型就是RFM模型，虽然简单但是却很有效。

这里我们先来给同学们介绍一下什么是RFM模型？

RFM模型是衡量客户价值和客户创造利益能力的重要工具和手段。在众多的客户关系管理(CRM)的分析模式中，RFM模型是被广泛提到的。该机械模型通过一个客户的近期购买行为、购买的总体频率以及花了多少钱3项指标来描述该客户的价值状况。

现在互联网企业的获客成本节节升高，所以企业对用户的激活、转化、留存变得至关重要。下面就用一个具体的案例分享来演示如何用RFM模型拆解并解决业务问题。

案例背景：2021年双十一跟往年相比好像缺少了一点味道，结束之后，某店盘点发现大促回购率这一KPI没有达成。简单分析以后发现在11月11日首次交易的新用户还是比较多的，但是本店的老用户的购买情况有点拖后腿。现在需要针对这个问题找到原因并改进。

怎么样？有思路了吗？下面就跟着小朱老师一步步来拆解吧。

首先明确问题：

指标：双十一是典型的短周期大促，售卖时间只有一天时间，所以使用大促回购率这一指标。

出问题的对象已经明确是老用户，所以分析的应该是在店铺里有过购买行为的用户。

”老用户的购买情况有点拖后腿“：这里是指2021年双十一的情况跟历年双十一的情况比较用户的回购率下降了。

确定分析思路：

用多维度拆解分析方法拆解用户；

用对比分析方法对比不同层次用户的回购率变化，缩小目标范围后继续拆解与对比；

使用假设检验分析方法确认原因。

最后确认指标：

回购率，顾名思义就是在一段时间购买过的用户再次购买的人数占据的比例。

在这个案例中选取大促前一段周期内购买的用户为检测对象——基数人群，计算在本次大促购买的比例。

根据本次2021年双十一的时间，再结合店铺触达的用户主要是两年内购买的用户，就以双十一前两年内有交易记录的用户为基数，需要计算出至少两年的回购率作为对比。

计算得到历年的双十一回购率变化如图所示：

第一点：图片中下降的直线是代表回购率，虽然只下降了百分之一，但是由于该店基数人群很大（图中可以看到2021年的基数人员超过80万人），在这80万人当中肯定含有未知的真相。

第二点：2020年的回购率就在下降了，但是好的情况是用户基数逐年上涨的还是比较高的，说明情况不是太坏。

第三点：根据我们前面分析的内容，回购人数和基数都在增长，但回购率却是下降的，这说明回购人数的增长要比基数的增长慢。也就是说在新增的基数人群中有一部分的人不会再回购，这才导致回购率比较低，接下来的重点就是要找出这些人并探查出不再回购的原因。

顺着以上的思路大家是不是有些分析的感觉了？明天小朱老师继续深入讲解RFM模型，喜欢的同学记得来围观哦~