【会员营销】店铺诊断之RFM模型分析篇_运营推广

店铺诊断之RFM模型分析篇

在这个大数据的时代，运营一个店铺也需要大量的数据支撑，没有数据就没有话语权，我们需要用数据说话，也需要用数据竞争。为了丰富数据，使得卖家在店铺运营过程中有更多决策支持，更多理论和实战依据。

路径：数据分析-店铺诊断-RFM模型分析

RFM模型分析主要是对店铺客户从忠诚度和活跃度两个方面进行解析。通过对R值与F值的观察分析得出店铺每个买家当前所在的忠诚度象限。

R值，即最近一次付款时间，结合一般电商行业对R值的考量，将R值距当前的天数分成（0,45）（45,90）（90,180）（180,365）（365，∞）5个区间段，R值越小，即证明距离最近一次购买时间越短，活跃度也越高。

F值，即买家是购买频次，将F值分成F=1、F=2、F=3、F=4、F≥5，F值越大，证明买家购买次数多，忠诚度也越高。

通过以上解说，在图中根据R值和F值的区间段延伸出两条横纵两条坐标轴，横向表示F值递增，即忠诚度；纵向表示R值递减，即活跃度。由此产生25个区间块，从左下角到右上角，颜色由蓝变黄，也是象征忠诚度和活跃度的一个渐变规则：从蓝色看，颜色越淡，活跃度越高；从黄色看，颜色越深，忠诚度越高。

每个区间块的数据包括当前区间块的R值和F值说明、落在该区间块的客户数以及占总客户数的比值、当前区间块的平均客单价、当前区间块在过去一年或店铺整个运营过程中的付款总额。

R值分析，即针对不同的R值区间段进行分析，统计当前R值区间段对应的客户数及在总客户数的比值，其它可选指标的分析情况。R值间隔支持自定义，定义后第二天才生效。报表呈现的指标可以选择F值、M值、会员等级。这个报表是对RFM模型分析的进一步解析，将RFM模型分析中R值的5个区间段进行拓展，体现出更细致的划分。