全部产品

新建RFM模型

您可以创建RFM模型,用于RFM分析、受众筛选等。

背景信息

RFM模型是一种通过客户的R消费间隔(Recency)、F消费频率(Frequency)、M消费金额(Monetary)三项指标来衡量客户价值的手段。

RFM模型对客户的三项指标的值分别进行量化评分,然后通过单个客户的得分与对比值(整个客户群体的平均得分,或指定分数)相比较,得出该客户在群体中的相对价值水平,进而综合三项指标将客户群体划分为多种类型,从而便于为不同类型的客户采取有针对性的运营手段。RFM用户类型划分,请参见RFM分析

创建RFM模型时可选择两种分析类型:

  • 客户数据:对于大规模的数据量,需要先将原始数据聚合成以客户为粒度的标签数据(聚合后的数据量建议保持在1亿行以内),表中每个客户只存在一条数据。适用于大规模RFM模型的分析。

  • 交易数据:适用于分析小规模(建议1亿行以内)的交易数据,每一行表示一条用户交易记录,交易记录包含客户标识、交易日期(日期类型)、交易金额(数值类型)信息。适用于小规模RFM模型的分析。

RFM模型样例格式请参考RFM模型样例

操作步骤

  1. 选择用户洞察>(对于标准版)所在工作空间>数据集,进入数据集管理页面。

  2. 单击右上角新建>用户模型>RFM模型,进入RFM模型配置页面。

  3. 单击客户数据交易数据

  4. 单击选择数据表,在弹窗中选择数据源和数据表,单击确认

  5. 单击下一步。配置映射。

    • 当选择分析类型为客户数据时,设置RFM模型的用户标识、用户标识类型、最近一次消费时间、累积消费次数、累积消费金额的映射字段。 客户数据

    • 当选择分析类型为交易数据时,设置RFM模型的用户标识、用户标识类型、交易日期、交易金额的映射字段。交易单数将取对交易数据的计数。

      交易数据
      说明
      • 用户标识是用户在该数据集中的唯一标志,可以唯一确定一个用户。

      • 用户标识类型为用户标识对应的ID类型,当受众圈选时,圈选的默认ID类型即为这里设置的用户标识。

      • ID类型支持OneID(仅适用于用户标识类型)、UnionID、手机号码、电子邮箱、淘宝ID、淘宝昵称、支付宝ID、微博ID、手机IMEI、手机IDFA、手机IMSI、MAC地址、OpenID,共13种类型。

    • 添加其他ID类型。

      当构建RFM模型的数据表中包含其他用户ID字段时,可将其他用户ID一并加入到数据集中,当基于该模型生成的受众推送到数据银行时,支持选择多种ID。

      ID
      说明

      请为新增ID设置ID类型,以免基于该RFM模型生成的人群包在推送到数据银行时无法选择多种ID。

  6. 单击下一步。设置RFM参数。

    分别设置R、F、M的区间数,以及各区间的范围和对应的得分,下方显示相应区间的人数分布。

    评分规则遵循:

    • R消费间隔:最近一次购买距今天的天数越少,得分越高。

    • F消费频率:最近n天消费次数越多,得分越高。

    • M消费金额:最近n天消费金额越多,得分越高。金额单位默认为元,可在页面右侧选择其他币种。

    当选择分析类型为交易数据时,还需要在页面右侧设置数据统计周期,为最近N天或历史截至当日(即自有数据开始至当日)。

    区间
  7. R、F、M的评分规则都配置完成后,单击下一步。设置参数对比值,可使用整个客户群体的平均得分作为对比值,也可以自定义对比值。

    说明

    对比值用于在后续分析中将单个用户的得分与对比值相比较,得出该用户在群体中的相对价值水平,从而划分不同用户类型,请参见RFM用户类型划分规则。RS、FS、MS分别为R、F、M三项的得分,相应地,需要设置RS、FS、MS三项对比值。

    • 若使用整个用户群体的平均得分(即统计学中的加权平均值)作为对比值,页面将显示当前客户群体按设置的评分规则的RS、FS、MS平均得分,如下图所示。

    • 若自定义对比值,请根据业务需要,参考页面显示的整个用户群体的平均得分调整对比值。

    6
  8. 单击完成,在弹窗中输入RFM模型名称和保存位置,单击确认

    保存

    页面将跳转至数据集管理页面,可以在数据集列表看到新创建的RFM模型。相关管理操作,请参见管理RFM模型