电商平台CRM规划:多维度用户价值称量的会员等级设置(一)

从零开始学运营,10年经验运营总监亲授,2天线下集训+1年在线学习,做个有竞争力的运营人。了解详情

近期在规划平台的会员管理系统,在规划过程中,简单总结下自认为的几点小创新。接下来会写成几篇小文进行分享,欢迎大家吐槽指教。

会员等级设置

公司定位是平台,会员管理系统要满足不同业态不同品牌商对其线上线下会员管理的同时,也要符合平台对全品牌会员的系统管理诉求。在会员等级管理时,对会员价值的称量上采用了比较灵活的多维度动态指标综合加权的成长值(在当前市场所见到的CRM产品中没有见到过,该指标完全由自己定义)。通过最终唯一的成长值指标对会员进行价值称量分级。

会员等级设置

等级成长值设置

会员成长值是根据不同的成长策略进行量化赋分,并按照不同的权重进行综合加权得出的总值。其综合考虑到了会员与品牌的消费交易行为、和品牌的参与互动行为数据,在此基础上,对电商会员分组管理中常用的RFM模型进行了会员价值动态称量。将此作为一个动态成长值指标加入综合成长值计算。

等级成长值设置

品牌商可以根据其运营需要对会员成长值进行灵活配置,三个指标会员可以任意选择,可以不启用某些指标。

成长值=RFM权重*RFM会员成长值+消费激励权重*消费激励会员成长值+活跃权重*会员活跃成长值(RFM权重+消费激励权重+活跃权重=100%)

  1. RFM模型策略中,RFM对某特定的会员具有时效性的,其消费行为是动态的,对应RFM会员成长值是动态的。同一个会员在不同时间,其所处的RFM得分不同;
  2. 消费激励策略中,成长值是正向增长的,会员产生一次消费行为,激励一次,成长值累加一次;
  3. 会员活跃策略中,成长值也是正向增长的,会员参与一次品牌的互动活动,赢取相应的成长值。

RMF模型成长值配置

RMF模型成长值配置

RFM模型,熟悉电商数据分析的同学都很清楚,该模型是用来进行用户分组的,通过对用户在R(Recency,最近一次消费)F(Frequency,消费频率)M(Monetary,消费金额)三方面的指标(在此不做详细解释,不熟悉的同学请参照以上图片释义)表现进行聚类,然后对聚类分组进行定性描述的。

如图示:

我们做了5个组距的划分,对应产生5*5*5=125种RFM聚类属性。给RFM三个指标不同的组距赋予不同的成长值,对应的125种RFM聚类产生125中成长值组合。品牌商可以根据业务需要对组距可以进行自定义增减,组距为n,对应产生n*n*n中RFM聚类属性。

如:一个用户在某个时间段内的RFM聚类属性为:近30天内,消费9次,总计消费10000元;其对应的成长值为100+300+200=600;

后来该用户因故没有再次来平台消费,过了一年后再次统计,该用户的RFM聚类属性为:超过360天,消费0次,总计消费0元,其对应的成长值-100+0+30=-70

将此纳入综合成长值,其为一个负向因子,可能会影响会员等级的下调。

消费激励策略成长值配置

消费激励策略成长值配置

消费激励策略,对会员的消费行为进行成长值量化。除了对消费金额进行成长值量化外,还会员的消费金额进行分级对待,突出单次消费贡献度。

考虑品牌运营实际需要,将充值作为用户的一种特殊消费行为,对会员的充值力度进行成长量化,某种程度上反应了会员对品牌的认可和忠诚度。

消费激励策略,其成长值的是会员消费行为的单向累计的统计,只有增加,没有减少。

如,某用户某日第一次消费100元,增加成长值100,其总消费成长值为100;1月后,来充值100元,增加成长值10,其总成长值为110;

会员活跃策略成长值配置

会员活跃策略成长值配置

会员活跃策略,通过会员与品牌商的互动行为(签到、分享、评价、领卡等)进行量化,互动一次,增加一次相应的成长值,反应了会员对品牌的好感度和兴趣度。

会员活跃策略,其成长值的是会员与品牌互动行为的单向累计的统计,只有增加,没有减少。

如:某日某用户,首次领卡成为会员,获得成长值10;对品牌进行了评价,获得成长值10;而且还进行了一次品牌签到,获得成长值5,其累积成长值为25;一周后,该会员再次评价了该品牌,获得成长值10,其累积成长值为35。

PS:事实上用户对品牌的好感度和兴趣度随着时间的变化应该也是变化的,应该也要考虑行为的时间间隔,相应的成长值应该有增加,也有减少。如关注,取消关注;领卡,取消卡等

以上对会员价值多维度指标的综合成长值,虽然尚有不足之处,但能够一定程度反应用户对品牌的忠诚度、贡献度、活跃度,能够体现用户对品牌的价值。

站在平台角度,成长值也能够反应用户对平台产品的活跃度、认可度。

本着学习交流的态度发此文,如有疑异或好的建议,请评论留言!

 

作者:Reuter,个人微信:littlefox88,欢迎交流~

本文由 @Reuter 原创发布于人人都是产品经理。未经许可,禁止转载。

赞赏是对原创者的最大认可
5人打赏
评论
欢迎留言交流
  1. RFM非常适合传统的高频电商平台,现在有类似装修建材、婚庆、甚至更极端的二手车或新车交易平台的用户价值模型体系应该如果分析呢?
    这种低频大额消费的网站如何评估用户价值?
    RFM应该不适用,烦请老师指教,谢谢

    回复
  2. 后来该用户因故没有再次来平台消费,过了一年后再次统计,该用户的RFM聚类属性为:超过360天,消费0次,总计消费0元,其对应的成长值-100+0+30=-70

    将此纳入综合成长值,其为一个负向因子,可能会影响会员等级的下调。

    对于成长值的逆向,请问怎么理解?

    回复
  3. 很有收益。但是针对低频的建材行业,请问会员体系的搭建对于一些行为值貌似起不到什么作用,更谈不上RFM。还有会员等级上感觉都没有太大的作用,请赐教~ 这样行业的会员体系该从哪方面考虑?

    回复
  4. 嘻嘻,大神你好,有几个问题请教下呢。
    1.你这里的品牌商是指NIKE、Adidas这种大型的品牌商吗?对于飞凡,我理解的xx商场才是你们的客户呀,为啥这里的会员是对于品牌商的?是说你们不仅为商场提供对应的服务,商场下的品牌商也会在你们的系统中拥有自己的会员吗?
    2.对于上文的成长值加权来看,成长值=RFM权重*RFM会员成长值+消费激励权重*消费激励会员成长值+活跃权重*会员活跃成长值(RFM权重+消费激励权重+活跃权重=100%),这里如果是3:4:3的话,如果曾经会员的消费激励和活跃度很高的话,那即使RFM中该客户成长值很低,很有可能最终还是得到了一个比较大的正值,那对于运营者来说,会不会出现不易发现高价值的流失客户的情况?
    3.相比于单纯的RFM模型,这样加了成长值的模式,会有哪些益处?

    回复
  5. 飞凡同事,请问你万信号多少,看了你的分享,干货满满。能不能加好友向你请教

    回复
    1. 加我微信吧,littlefox88

      回复
  6. 好分享,非常感谢!

    回复
  7. 希望老师解答下,会员等级设置中“有效期”的使用场景,既然成长值是一个动态的值,那么会员等级也是根据成长值变化的,为什么要设置有效期呢?

    回复
  8. 干货,这是我看到的最详细的会员体系资料

    回复
    1. 欢迎交流,欢迎转发分享,欢迎打赏拍砖 :oops:

      回复
  9. 小白有一个疑问,RFM中FM的取值是个固定的时间吗?一般应用的时候,是不是有的商家设置一个月,有的三个月?怎么没有设置的地方?

    回复
  10. 话说修改原先设定的条件后,应该不会对历史数据产生影响吧?只是在修改后对以后的操作发生影响?

    回复
    1. 历史的数据肯定不应该影响。新规则只对执行之后的用户操作有影响。

      回复
  11. 学习了,纠正下觉得有问题的地方,RFM的“最近一次消费”判断如果按照与当前时间间隔,那么所有消费都是7天内;而应是与上一次“消费时间”的间隔,例如6号消费一次,23号消费一次;那么23号的最近一次归属在30天内;而6号是与再之前一次消费时间间隔,如果是首次消费,建议与注册时间间隔为准。

    回复
    1. RFM讲的应该是与上次消费的时间对比。23号应该与号消费的时间对比时间差。

      回复
  12. 分析的很透彻,似乎欠缺的降级项目啊!没有看到成长值减分项?而且只对用户做了会员等级划分,没有对商家进行分析! ;-)

    回复
    1. 有降级项目项目啊,这个是给平台、商家服务的工具啊

      回复
  13. 干货满满!

    回复
    1. 认可就多多关注,多多分享,多多打赏 ;-)

      回复
    2. 这是什么工具昂

      回复
  14. 学习了,👍

    回复
  15. 干货满满,在哪可以看到这个完整的原型展示吗

    回复
  16. 洪老师,干货啊! :mrgreen:

    回复
  17. 路过 学习中 :mrgreen:

    回复
  18. 我转载了,发到我自己的公众号上了

    回复
    1. 什么公众号,请署名

      回复
    2. 就是我的昵称 静看商海。我自己学习钻研关注企业核心竞争力。客户服务是其中的一个部分

      回复
    3. 现在还没转,等同意。

      回复
    4. 方便微信加一个,littlefox88

      回复
  19. 学习了,会员服务体系的架构设定。

    回复
    1. 这个是一系列的,后续还会有的些CRM设计的内容

      回复
    2. 继续关注。喜欢分析和研究客户。

      回复