問他咋做數(shù)據(jù)分析，張口就來RFM，結(jié)果還用錯！
很多同學(xué)表示想看RFM，今天它來了。RFM是很傳統(tǒng)的數(shù)據(jù)分析模型，幾乎所有文章都會提到它，然而市面上流傳的各種亂用、錯用也非常多。今天我們系統(tǒng)講一下
?
?1?
RFM基本原理
RFM是三個單詞的縮寫：
?
最近一次消費(fèi)時間 (Recency)，取數(shù)的時候一般取最近一次消費(fèi)記錄到當(dāng)前時間的間隔，比如7天、30天、90天未到店消費(fèi)。直觀上，一個用戶太久不到店消費(fèi)，肯定是有問題，得做點什么事情。很多公司的用戶喚醒機(jī)制都是基于這個制定的。
? ? ? ? ? ? ? ? ? ?
一定時間內(nèi)消費(fèi)頻率 (Frequency)，取數(shù)時，一般是取一個時間段內(nèi)用戶消費(fèi)頻率。比如一年內(nèi)有多少個月消費(fèi)，一個月內(nèi)有多少天到店等等。直觀上，用戶消費(fèi)頻率越高越忠誠。很多公司的用戶激勵機(jī)制都是基于這個制定的，買了一次還想讓人家買第二次。
?
一定時間內(nèi)累計消費(fèi)金額(Monetary) ，取數(shù)時，一般是取一個時間段內(nèi)用戶消費(fèi)金額。比如一年內(nèi)有多少消費(fèi)金額。直觀上，用戶買的越多價值就越大。很多公司的VIP機(jī)制是基于這個指定的，滿10000銀卡，滿20000金卡一類。
?
所以，即使單獨(dú)看這三個維度，都是很有意義的。當(dāng)然，也有把三個維度交叉起來看的（如下圖）。
?
?
因為RFM與時間有關(guān)，因此很多同學(xué)在取數(shù)的時候會糾結(jié)時間怎么分。嚴(yán)格來說，越柴米油鹽，消費(fèi)頻次本身越高的業(yè)務(wù)，取的時間應(yīng)該越短。最典型的就是生鮮，人天天都要吃飯，7天不來可能就有問題。普通的快消品零售可能取30天，類似服裝百貨零售可能取90天。當(dāng)然，更多的做法是按月取。比如R按月取，F、M算最近一年內(nèi)的數(shù)值。這樣做單純是因為比較方便理解而已。
?
RFM本質(zhì)上是一種用三個分類維度，找判斷標(biāo)準(zhǔn)方法。通過三個維度的組合計算，能判定出用戶的好壞，然后采取對應(yīng)措施。
?
RFM的真正意義，在于：這是一種從交易數(shù)據(jù)反推用戶價值的方法，因此可行性非常高！要知道：做數(shù)據(jù)分析的最大瓶頸是數(shù)據(jù)采集，而只要是個正常企業(yè)，交易數(shù)據(jù)是肯定有的。因此只要企業(yè)建立了用戶ID統(tǒng)一認(rèn)證機(jī)制，就能將用戶ID與交易數(shù)據(jù)關(guān)聯(lián)起來，就能用RFM來分析用戶了。即使沒有埋點、沒有網(wǎng)站、沒有基礎(chǔ)信息也能做，簡直是方便好用的神器。
?
當(dāng)然，所有方便好用的工具，都自帶一些不足，RFM模型也是如此。
?2?
RFM的最大短板
RFM最大的短板，在于用戶ID統(tǒng)一認(rèn)證。不要小看這幾個字，在相當(dāng)多的企業(yè)里非常難實現(xiàn)。比如你去超市、連鎖店、門店買東西，往往收銀小妹會機(jī)械的問一句：有會員卡嗎？如果回答沒有，她也放你過去了。導(dǎo)致的結(jié)果，是線下門店的訂單，一般有70%-90%無法關(guān)聯(lián)到用戶ID，進(jìn)而導(dǎo)致整個用戶數(shù)據(jù)是嚴(yán)重缺失的，直接套RFM很容易誤判用戶行為。
?
至于用戶一人多張會員卡輪流薅羊毛，多個用戶共同一張VIP卡拿最大折扣，店員自己用親戚的卡把無ID訂單的羊毛給薅了之類的事，更是層出不窮，而且在實體企業(yè)、互聯(lián)網(wǎng)企業(yè)都普遍存在。所以做RFM模型的時候，如果你真看到111類用戶，別高興太早，十有八九是有問題的?，F(xiàn)在的企業(yè)往往在天貓、京東、自有微商城、有贊等幾個平臺同時運(yùn)作，更加大了統(tǒng)一認(rèn)證的難度。如果沒有規(guī)劃好，很容易陷入無窮無盡的補(bǔ)貼大坑。
?3?
RFM的深層問題
即使做好了用戶ID統(tǒng)一認(rèn)證，RFM還有一個更深層的問題。
讓我們回顧一下，RFM模型的三個基本假設(shè)：
R：用戶離得越久就越有流失風(fēng)險
F：用戶頻次越高越忠誠
M：用戶買的越多越有價值
反問一句：這三個假設(shè)成立嗎？如果不結(jié)合具體行業(yè)、具體產(chǎn)品、具體活動來看，似乎是成立的。但是一旦具體討論就會發(fā)現(xiàn)：很多場景不滿足這三個假設(shè)。因此：單純講RFM，不結(jié)合產(chǎn)品、活動，是很容易出BUG的。
?
R：用戶離得越久就越有流失風(fēng)險
如果是服裝這種季節(jié)性消費(fèi)，用戶間隔2-3個月是很正常
如果是手機(jī)、平板這種新品驅(qū)動產(chǎn)品，間隔時間基本跟著產(chǎn)品更新周期走
如果是家居、住房、汽車這種大件耐用品，R就沒啥意義，用戶一輩子就買2次
如果是預(yù)付費(fèi)，后刷卡的模式，R就不存在了，需要用核銷數(shù)據(jù)代替
?
所以R不見得就代表著用戶有流失風(fēng)險，特別是現(xiàn)在有了埋點數(shù)據(jù)以后，用戶互動行為更能說明問題。
?
F：用戶頻次越高越忠誠
如果用戶消費(fèi)是事件驅(qū)動的，比如賽事、節(jié)假日、生日、周末……
如果用戶消費(fèi)是活動驅(qū)動的，比如啥時候有優(yōu)惠啥時候買……
如果用戶消費(fèi)是固定模式的，比如買藥的用量就是30天……
?
以上情況都會導(dǎo)致F的數(shù)值不固定，可能是隨機(jī)產(chǎn)生的，也可能是人為操縱的。很多企業(yè)僵硬地執(zhí)行RFM模型，往往會定一個固定的F值，比如促使用戶買4次，因為數(shù)據(jù)上看買了4次以上的用戶就很忠誠。結(jié)果就是引發(fā)用戶人為拆單，最后F值做上去了，利潤掉下來了。
?
M: 用戶買的越多越有價值
如果用戶是圖便宜，趁有折扣的時候囤貨呢？
如果用戶買了一堆，已經(jīng)吃膩了、用夠了呢？
如果用戶買的是耐用品，買完這一單就等十幾二十年呢？
如果用戶消費(fèi)本身有生命周期，比如母嬰，游戲，已經(jīng)到了生命周期末尾呢？
?
很多情況下，用戶過去買的多，不代表未來買的多。這兩者不劃等號。因此真看到011、001、101的客人，別急著派券，整明白到底出了啥問題才是關(guān)鍵。
?
除了單獨(dú)維度的問題外，三個維度連起來看，也容易出問題。因為很多公司的用戶結(jié)構(gòu)不是金字塔形，而是埃菲爾鐵塔型：底部聚集了太多的不活躍用戶，且不活躍用戶大多只有1單，或者只有幾次登錄便流失，因此RFM真按八分類化出來，可能000的用戶比例特別多。
?
這意味著現(xiàn)有存活的用戶，可能是幸存者偏差的結(jié)果，現(xiàn)有的111不是000的未來。要更深層次地分析為啥會沉淀大量不活躍用戶，甚至從根上改變流程，才能解決問題。真按照RFM生搬硬套?？赡芫桶褬I(yè)務(wù)帶到死胡同里了。
?4?
RFM的典型亂用
RFM本身并沒有錯，在數(shù)據(jù)匱乏（特別是缺少埋點數(shù)據(jù)）的情況下，用RFM比不用RFM好太多了。RFM的三個維度，每一個都很好用。RFM的整體架構(gòu)，也適合用于評估用戶經(jīng)營的整體質(zhì)量。錯的，是生搬硬套RFM，不做深入分析。錯的是看到買了大單的就叫爸爸，看到用戶不買就急著發(fā)券的無腦做法。一味派券不但嚴(yán)重透支營銷成本，更會培養(yǎng)出更多薅羊毛用戶，破壞了正常經(jīng)營，只為了RFM的數(shù)值好看。
?
特別是網(wǎng)上文章、網(wǎng)課最喜歡教的：按RFM，每個拆分成5段，分成5*5*5=125類，然后再用K均值聚類聚成5-8類的做法，更是大錯特錯。
一來，經(jīng)過K均值聚類以后，連RFM原有的含義清晰的優(yōu)點都沒有了，到底這8類咋解讀，非?；靵y。
二來，這樣做沒有考慮數(shù)據(jù)滾動更新，過了一周或者一個月，RFM指標(biāo)都變了呀！難道你還天天把全量用戶拿出來聚類嗎。
三來，k均值聚類不是一個穩(wěn)定的分類方法，無監(jiān)督的分類更適合做探索性分析。隔了一周，一個用戶被分成完全不同的兩類，這會讓市場營銷、運(yùn)營策劃執(zhí)行政策的時候非常抓狂：一天一個樣，到底要推什么！
本質(zhì)上看，因為網(wǎng)課、網(wǎng)文給的都是一張清洗得完美的靜態(tài)數(shù)據(jù)表，一不需要跟別的部門合作，二不需要考慮連續(xù)場景，所以才選了一個模型+算法的做法。嗯，能不能用不重要，顯得自己牛逼最關(guān)鍵！
?5?
如何讓RFM更有用
綜合RFM失效的場景，可以看出：季節(jié)性、商品特征、促銷活動、節(jié)假日事件、用戶生命周期，這五大要素，都會影響到用戶的行為。因此不局限于RFM，深入研究用戶場景非常關(guān)鍵。
?
注意，這五大要素研究起來，并沒有想象中的難。比如很多商品有內(nèi)在的關(guān)聯(lián)性，只要熟悉業(yè)務(wù)就能整明白。比如季節(jié)性、節(jié)假日事件，本質(zhì)上都和時間有關(guān)，因此，對用戶登錄、消費(fèi)的時間打上標(biāo)簽，就能進(jìn)行分析（如下圖）。促銷活動也是同理，促銷活動可以直接從訂單識別出來，因此也很容易給用戶貼上：促銷敏感型的標(biāo)簽。
用戶生命周期，需要數(shù)據(jù)采集，而且是采集一個最關(guān)鍵的數(shù)據(jù)即可。最典型的用戶生命周期是母嬰行業(yè)做法，企業(yè)一定會采集一個最關(guān)鍵的數(shù)據(jù)：懷孕多少周了。這個數(shù)據(jù)爸爸們不見得清楚，媽媽們一定很清楚。知道了起點，后續(xù)就可以推算了。類似的還有藥店連鎖做慢病管理，K12教育等等。
?6?
小結(jié)
任何模型都有其產(chǎn)生的歷史背景、數(shù)據(jù)基礎(chǔ)、使用范圍，也不是所有模型的目的都是精準(zhǔn)。簡單、好用、省事，是更多時候的考慮。
因此再次強(qiáng)烈建議同學(xué)們，不要沉迷于當(dāng)知識收集者，企圖找到《宇宙唯一真理模型》然后死記硬背，頂禮膜拜。多研究自己工作的行業(yè)特點，改造方法為我所用，才是讓數(shù)據(jù)發(fā)揮更大作用的方法。說起死記硬背，然后亂用的模型，除了RFM還有很多。比如關(guān)聯(lián)分析，都快2021年了，居然還有人信啤酒與尿布，被亂用得也是一塌糊涂，
? ??