1704223310
1704223311
1704223312
1704223313
• 忠诚用户贡献的价值要远远高于其他用户,而贡献价值大小通常和他们的级别呈正比。
1704223314
1704223315
• 维护一个忠诚用户所耗费的成本通常只有获得新客成本的1/5。
1704223316
1704223317
• 二八原则永远存在:20%的用户贡献了80%的收益。
1704223318
1704223319
但如果你仔细琢磨这些关键假设,你就会发现在整个忠诚度体系中,京东真正要维护的并不是全部会员,而是那20%甚至更少的高净值用户。
1704223320
1704223321
于是,传统零售业在考虑构建用户忠诚度体系时,首先要做到能够将这20%甚至更少的用户给遴选出来。应该怎么选?自然有方法。
1704223322
1704223323
我在前文中提到,传统零售业热衷于为会员发放会员卡。而如果你有心,就会注意到会员消费是需要至少刷一次卡的,而只要你刷了带有磁条的会员卡,磁条就记录了你的会员号码,会员号码可帮助商家匹配到你的真实会员信息。
1704223324
1704223325
当然,如果你选择了刷卡支付,那么在理论上,你还要至少刷一次银行信用卡或者借记卡才能完成整个消费流程。
1704223326
1704223327
再次强调,对于正在构建忠诚度体系的商家来说,了解到会员的消费行为是关键所在。
1704223328
1704223329
了解了用户行为之后,又该如何划分会员等级呢?这时,我们就要请出算法模型先生来为大家讲解了。
1704223330
1704223331
在诸多的模型中,RFM(客户关系管理)模型理论的(见图4–4)应用最广。
1704223332
1704223333
1704223334
1704223335
1704223336
图4–4 RFM模型
1704223337
1704223338
• R代表Recency,指最近一次消费。
1704223339
1704223340
1704223341
1704223342
• F代表Frequency,指一段时间内的消费频率。
1704223343
1704223344
• M代表Monetary,指累计消费金额。
1704223345
1704223346
• 这三个要素可以简单有效地反映客户的价值。
1704223347
1704223348
整个RFM模型主张最后一次消费的时间节点越近越好,因为这样的用户更敏感,基于这种用户的运营和营销产生的效果也更好。RFM模型还主张在限定时间里的消费频率越多越好,消费金额越高越好,原因是消费频率高说明用户的满意度高,愿意复购;消费金额高则说明用户本身的价值高。
1704223349
1704223350
如果你没能完全理解上面这段话,那么我们就继续深入讨论一下。
1704223351
1704223352
如果我们列一张表,或许就能更清晰地看出这个模型想要表达的意思(见表4–2)。我们将原点定义为平均值,如果某个象限的数值表现高于平均值,那么我们就定义为“高”,反之定义为“低”,于是我们就得到了下面这张表。
1704223353
1704223354
表4–2 RFM模型拆解
1704223355
1704223356
1704223357
1704223358
1704223359
这样看是不是清楚了很多?
[
上一页 ]
[ :1.70422331e+09 ]
[
下一页 ]