online gambling singapore online gambling singapore online slot malaysia online slot malaysia mega888 malaysia slot gacor live casino malaysia online betting malaysia mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 mega888 資料分析鍊金術(七)-消費者分層-RFM模型原理與應用

    BIG DATA在行銷研究中其中一個重要應用就是將消費者分群,再依照不同族群的特性擬定不同的行銷策略以達到更精準的行銷策略及更佳的行銷效益。這樣分群>擬訂策略>效益評估是個標準的行銷研究流程,這篇文章只會提到第一個步驟-分群其中的某種方式而已。

   分群的方式千千百百種,可以依照年齡分、性別分、地區分,要依照什麼來分端看需求和消費者特性來說,沒有一定的方式。今天要介紹的RFM模型,是使用R(最近消費日期)、F(消費頻次)、M(消費金額)來做使用者分群,使會員資料庫分析中常用的分析模型。

        RFM模型將消費者依R>F>M來區分成不同的族群,做法是先將R分成五等分後,再將每個等分裡的消費者依照F和M再區分成五等分,所以最後會有125個群組。但是實務上我們並不會真正設計125種不同的行銷方案,我們可以簡單的分成4群或9群,再來設計。每一個分群都代表不同類型的消費態度和習慣,也可以依此來設計相對應的行銷方式。

        重點是,RFM模型的原理很簡單,自己寫語法跑就可以了。其實分群只是行銷的第一步,如何幫各族群命名,和針對族群設計策略才是重點,但是因為這部分有太多商業機密,所以也不方便舉例,但是這才是整個行銷研究的重點和精華所在。

資料來源:Bryan的行銷研究及資料分析筆記

 

留下你的回應

以訪客張貼回應

0
  • 找不到回應

YOU MAY BE INTERESTED