用有赞做好全渠道获客,快速把流量和粉丝转化成首单成交客户,并与客户建立可持续的客户关系
用有赞做好客户经营,深入分析用户消费习惯,了解客户,更懂客户,把顾客变成终身客户
一、产品介绍
RFM模型可以帮助商家从客户最近一次购买(Recency)、购买次数(Frequency)、购买金额(Monetary)为分析维度,识别高出价值和潜在高价值客户,为这部分客户针对性制定促销、推广和服务,进一步提高这部分客户的忠诚度和价值。
二、使用场景
商家根据自身经营的商品的笔单价,基于最近一次购买时间短、购买金额高前20%划分为高价值客户,针对这部分客户进行一系列优惠促销,吸引复购,进一步扩大了客户的消费贡献。
三、操作说明
功能路径:CRM-数据分析-RFM分析
筛选
时间筛选:支持按自然日筛选
付款前【全部】数据,筛选时间前全部的数据
付款前【一年内】数据,筛选时间近一年内的数据
身份选择:支持按客户、按会员统计
店铺选择:支持根据客户归属的店铺查询全部或具体店铺的客户数据
RF分析
以最近一次消费时间(R)作为列,消费次数(F)作为行,形成分布矩阵,最近一次消费时间短、消费次数多的活跃客户往左上角排布,商家根据自身的经营特征,快速识别出前X%的客户,基于这些特征结合客户分群进行针对性的运营,如送老客专属券、导购关怀回访等。
商家可以在分布矩阵中,切换会员数、累计支付金额、客单价、笔单价、客单量视角,分析高活跃客户的消费特征
RM分析
以最近一次消费(R)时间作为列,消费金额(M)作为行,形成分布矩阵,最近一次消费时间短、消费金额多的高价值客户往左上角排布,商家根据自身的经营特征,可以对消费活跃度高,但消费贡献度低的客户进行针对性的运营,以提高这部分客户的客单价。
商家可以在分布矩阵中,切换会员数、累计支付金额、客单价、笔单价、客单量视角,分析高价值客户的消费特征