带RFM的会员营销系统有吗？

来源：蜘蛛抓取(WebSpider) 时间：2022-06-21 04:18 标签： 营销系统

哪个好？从无到有、从0到几十万、上百万，会员都是一点点做起来的，针对餐厅所处发展阶段的不同，结合天财商龙会员管理系统，策略搭配工具，简单解读餐厅发展会员的阶段性侧重点，仅供参考！

1、培育期（1-6个月）

关注点：门店操作习惯。

运营行动：优化体验，获取初期顾客，打造核心顾客。

数据变化：顾客总量少，单个顾客质量高。

这个阶段，需要确认会员拉新的途径及方式。例如，智慧餐厅结合 CRM 会员管理系统实现“服务即会员”，扫码点餐落地去应用，服务员话术引导，将线下服务更多的移到线上来，为后续大力度推进会员工作做准备。

关注点：新顾客数，新顾客质量。

运营行动：获取大量新顾客，快速占领市场。

数据变化：顾客快速增长，新顾客增多。

这个阶段，餐厅发展成长阶段，客流增多，智慧餐厅结合 CRM 会员管理系统的投入使用，通过预订，排队、外卖、点餐、评价、支付、分享、领红包、买券，评价互动，砍价等营销活动，实现服务即会员，高效拉新。

关注点：顾客复购率，核心顾客数、留存率。

运营行动：提升复购率，价值最大化。

数据变化：增速减慢，存量大，复购率提升。

这个阶段，基础会员量有了，可通过智能储值、消费返现、完善资料奖励等活动可锁定顾客二次消费，积分体系搭建与积分商城互联，实现线上线下引流，增加会员黏性，实现为企业留存会员的作用。

关注点：新顾客数，新顾客质量，老顾客唤醒数及质量。

运营行动：改造产品体验，再次获取新顾客，激活沉睡顾客。

数据变化：新顾客增加，存量顾客激活。

这个阶段，可通过系统中RFM模型实时了解高价值会员、沉睡会员群体，一键发起营销；针对性沉睡会员唤醒营销；常态消费返券、集次奖励等活动可提高会员消费频次。

会员营销不仅需要这样的支撑工具，更需要有长期思维。效益可能不会立竿见影，却可源远流长。

最后要注意，会员策略中，维护动作不可少。例如：生日营销、节日营销、会员日营销、标签营销、自定义群组营销......慢慢摸索吧。

希望上述文章能够大家带来些许启发，关于会员管理系统的更多内容，可咨询页面右侧或底部线上客服。

手机充值业务是一项主要电信业务形式，客户的充值行为记录正好满足RFM模型的交易数据要求。 根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有三个神奇的要素，这三个要素构成了数据分析最好的指标：最近一次消费(Recency)、消费频率(Frequency)、消费金额(Monetary)。

我早期两篇博文已详述了RFM思想和IBM Modeler操作过程，有兴趣的朋友可以阅读！

RFM模型：R(Recency)表示客户最近一次购买的时间有多远，F(Frequency)表示客户在最近一段时间内购买的次数，M  (Monetary)表示客户在最近一段时间内购买的金额。一般原始数据为3个字段：客户ID、购买时间（日期格式）、购买金额，用数据挖掘软件处理，加权（考虑权重）得到RFM得分，进而可以进行客户细分，客户等级分类，Customer Level Value得分排序等，实现数据库营销！

这里再次借用@数据挖掘与数据分析的RFM客户RFM分类图。

因为RFM分析仅是项目的一个小部分分析，但也面临海量数据的处理能力，这一点对计算机的内存和硬盘容量都有要求。

先说说对海量数据挖掘和数据处理的一点体会：（仅指个人电脑操作平台而言）

  • 一般我们拿到的数据都是压缩格式的文本文件，需要解压缩，都在G字节以上存储单位，一般最好在外置电源移动硬盘存储；如果客户不告知，你大概是不知道有多少记录和字段的；
  • Modeler挖掘软件默认安装一般都需要与C盘进行数据交换，至少需要100G空间预留，否则读取数据过程中将造成空间不足
  • 海量数据处理要有耐心，等待30分钟以上运行出结果是常有的现象，特别是在进行抽样、合并数据、数据重构、神经网络建模过程中，要有韧性，否则差一分钟中断就悲剧了，呵呵；
  • 数据挖掘的准备阶段和数据预处理时间占整个项目的70%，我这里说如果是超大数据集可能时间要占到90%以上。一方面是处理费时，一方面可能就只能这台电脑处理，不能几台电脑同时操作；
  • 多带来不同，这是我一直强调的体验。所以海量数据需要用到抽样技术，用来查看数据和预操作，记住：有时候即使样本数据正常，也可能全部数据有问题。建议数据分隔符采用“|”存储；
  • 如何强调一个数据挖掘项目和挖掘工程师对行业的理解和业务的洞察都不为过，好的数据挖掘一定是市场导向的，当然也需要IT人员与市场人员有好的沟通机制；
  • 数据挖掘会面临数据字典和语义层含义理解，在MetaData元数据管理和理解上下功夫会事半功倍，否则等数据重构完成发现问题又要推倒重来，悲剧；
  • 每次海量大数据挖掘工作时都是我上微博最多的时侯，它真的没我算的快，只好上微博等它，哈哈！

传统RFM分析转换为电信业务RFM分析主要思考：

这里的RFM模型和进而细分客户仅是数据挖掘项目的一个小部分，假定我们拿到一个月的客户充值行为数据集（实际上有六个月的数据），我们们先用IBM Modeler软件构建一个分析流：

数据结构完全满足RFM分析要求，一个月的数据就有3千万条交易记录！

 接着我们采用RFM分析节点就完成了RFM模型基础数据重构和整理；

传统的RFM模型到此也就完成了，但125个细分市场太多啦无法针对性营销也需要识别客户特征和行为，有必要进一步细分客户群；

另外：RFM模型其实仅仅是一种数据处理方法，采用数据重构技术同样可以完成，只是这里固化了RFM模块更简单直接，但我们可以采用RFM构建数据的方式不为RFM也可用该模块进行数据重构。

我们可以将得到的数据导入到Tableau软件进行描述性分析：（数据挖掘软件在描述性和制表输出方面非常弱智，哈哈）

我们也可以进行不同块的对比分析：均值分析、块类别分析等等

这时候我们就可以看出Tableau可视化工具的方便性

接下来，我们继续采用挖掘工具对R、F、M三个字段进行聚类分析，聚类分析主要采用：Kohonen、K-means和Two-step算法：

这时候我们要考虑是直接用R(Recency)、F(Frequency)、M  (Monetary)三个变量还是要进行变换，因为R、F、M三个字段的测量尺度不同最好对三个变量进行标准化，例如：Z得分（实际情况可以选择线性插值法，比较法，对标法等标准化）！另外一个考虑：就是R、F、M三个指标的权重该如何考虑，在现实营销中这三个指标重要性显然不同！

有资料研究表明：对RFM各变量的指标权重问题,Hughes,Arthur认为RFM在衡量一个问题上的权重是一致的,因而并没有给予不同的划分。而Stone,Bob通过对信用卡的实证分析,认为各个指标的权重并不相同,应该给予频度最高,近度次之,值度最低的权重；

这里我们采用加权方法：WR=2 WF=3 WM=5的简单加权法（实际情况需要专家或营销人员测定）；具体选择哪种聚类方法和聚类数需要反复测试和评估，同时也要比较三种方法哪种方式更理想！

下图是采用快速聚类的结果：

接下来我们要识别聚类结果的意义和类分析：这里我们可以采用C5.0规则来识别不同聚类的特征：

其中Two-step两阶段聚类特征图：

采用评估分析节点对C5.0规则的模型识别能力进行判断：

结果还不错，我们可以分别选择三种聚类方法，或者选择一种更易解释的聚类结果，这里选择Kohonen的聚类结果将聚类字段写入数据集后，为方便我们将数据导入SPSS软件进行均值分析和输出到Excel软件！

输出结果后将数据导入Excel，将R、F、M三个字段分类与该字段的均值进行比较，利用Excel软件的条件格式给出与均值比较的趋势！结合RFM模型魔方块的分类识别客户类型：通过RFM分析将客户群体划分成重要保持客户、重要发展客户、重要挽留客户、一般重要客户、一般客户、无价值客户等六个级别；（有可能某个级别不存在）；

另外一个考虑是针对R、F、M三个指标的标准化得分按聚类结果进行加权计算，然后进行综合得分排名，识别各个类别的客户价值水平；

至此如果我们通过对RFM模型分析和进行的客户细分满意的话，可能分析就此结束！如果我们还有客户背景资料信息库，可以将聚类结果和RFM得分作为自变量进行其他数据挖掘建模工作！

不少行业对客户消费行为的分析主要从（)三个方面考虑，即所谓RFM。

在RFM模型规则中R表示在什么时间点对用户进行接触 怎样最有效（）

在客户运营平台里对客户分群时，商家可以通过类型标签进行选择新建人群，以下哪些是商家可选择的类型标签？

A、消费偏好-折扣敏感度(通过分析用户折扣订单和营销活动的参与情况得出)

B、基本属性-地域(根据最近180天用户淘宝收货地址计算预测得出)

C、店铺关系-店铺会员等级(基于ECRM会员体系的会员-店铺关系等级得出)

D、行业属性-宝宝年龄(根据用户注册信息及最近180天在淘宝母婴类目下相关行为综合得出)

不同行业不同店铺会员的最近一次消费、消费频率、消费金额是不同的，商家可以根据自身的情况来对相应的数值做灵活调整，以下对于RFM各项数值的理解，哪一项是错误的？

A、理论上R值越小的客户价值越高，即对店铺的回购刺激最有可能产生回应

B、F值是客户在固定的时间内的购买次数，即消费频率

C、对于单一类目来讲，产品价格带较窄，所以M值对于客户细分的作用相对较弱

D、R值为客户最近的一次消费，它的变化，最终影响的是客户的生命周期，好的客户营销是不断让R值变大，且不断缩短其变大的周期

天猫平台提供了一款能够帮助商家对会员关系管理的工具，商家可以通过该工具对客户进行等级设置。在客户关系管理工具中，对成交用户的分析，可以分析以下哪些内容？

C、粉丝占比和会员占比

D、老客户最近一次购买时间

产品化的会员运营，可以帮助商家实现对会员关系进行管理，以下哪些是产品化会员运营的重要意义？

A、产品化会员运营可以帮助商家对客户资料进行收集和编辑

B、产品化会员运营可以帮助商家对店铺会员进行数据分析

C、产品化会员运营可以帮助商家对店铺会员进行等级设置

D、产品化会员运营可以针对不同的人群进行不同的营销活动

商家针对不同维度的会员设置会员标签，可以对这部分会员进行针对性的营销，以下做法，正确吗？
针对店铺预流失会员，可以减少关注度，一年维护一次即可

商家可以根据会员的不同维度进行自定义标签打标管理，这样做的有哪些好处？

A、可以提升不同标签会员的忠诚度，增强会员的互动

B、可以针对不同标签的会员进行分类管理，使人群划分更清晰

C、精准定位店铺的会员，明确会员的特征

D、针对不同标签的会员做不同的营销

会员等级的划分对于会员的统计管理有着重要的作用，请问具体有哪些好处？

A、方便把会员进行归类

B、便于统计各个层级会员人数

C、可以针对不同等级会员，制定区别优惠

D、高级别会员可以享受特殊服务

我要回帖

更多关于 营销系统 的文章

 

随机推荐