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？
1704223360
1704223361
对于一家企业来说，在RFM划分出的8个用户层次中，愿意为其投入最多资源的是来得最频繁、消费最多且最近也来消费过的客户；而最不愿意为其投入资源的是来得最少、消费最少，同时许久未来消费的客户。
1704223362
1704223363
这样的划分，也恰好验证了前文所述，忠诚度体系的目标客群其实就是那20%甚至更低比例的高净值用户，因为这些人的存在，产品与品牌才得以获得更好的发展。
1704223364
1704223365
然而互联网公司却常常陷入困局：为了做会员而做会员体系，为了做积分而设计积分体系。
1704223366
1704223367
这些互联网公司只看到会员体系或者积分体系可以有效调动用户的积极性，却不明白其背后运作的真正逻辑与商业模式。
1704223368
1704223369
设计积分体系本身并没有问题，但请在设计前先回到原点——忠诚度才是设计积分体系的出发点。
1704223370
1704223371
当然，不同公司对忠诚度的定义可能是不一样的。
1704223372
1704223373
忠诚度的概念来自传统零售业的一种管理用户的标准。对于不同的行业，忠诚度的表现和指针也是不同的。
1704223374
1704223375
• 对于零售业来说，消费的次数多、消费的金额高、近期也有光顾的客户比消费次数少、消费金额低、近期不来光顾的客户要更忠诚。