會員經營行銷趨勢—企業經營必修課程，了解會員經營龐大商機

在目前廣告成本高漲的時代，越來越多企業注重會員經營，會員經營與行銷已經變成企業的必修課程，說到企業經營一定要提到RFM行銷模型，RFM一直以來都是從會員經營非常重要的工具，而沿用至現代，行動網路的改變讓RFM也產生了變化，搭配上數位科技的發展，RFM已經轉為RFM數位策展術，除了消費頻次以外，也需要考量到如何在消費者心中有心佔率，根據統計顯示20%的客戶，可以決定80%的業績。
RFM分眾模型可以幫助你找到那群20%－重要的核心/發展客戶，因為這群客戶最可以幫你拉新（將非會員→會員）、裂變（找到樂於推薦的用戶以此擴散出去）。

想要做好分眾行銷必須先了解RFM模型究竟是什麼，簡單來說就是尋找最近一次消費、消費頻率高、花費最多錢的那群人，然後花心思經營那群人。以下點出RFM數位策展術的四個重點，請大家筆記起來！

RFM會員經營行銷四大重點：

企業會員智慧化

建立一套流程可以讓粉絲輕鬆綁定成會員，並且透過Mertech讓流程自動化，讓會員資料要自動源源不絕的進來，綁定一次之後就可以持續下去，就是RFM數位策展術的目標。透過數位策展吸引會員，再透過RFM找出值得培養的會員。

訂閱自動化

例如顧客每個月固定存$1000，業者對顧客固定推播，讓顧客到線下去領取貨品。就如同以往的羊奶配送一樣，定期繳費後，羊奶就會直接送到你家門前，而未來的品牌也會逐漸往這裡發展，用訂閱至流程去抓住客戶。

補給無人化

即為補給經濟，一旦知道顧客的領取頻率，就可以自動送到顧客家。這也和前面提到的RFM有相關，透過綁定會員之後的消費頻次計算，就可以得知消費者得使用習慣，同時根據消耗使用的速度，在消費者正準備購買下一次商品時，推播資訊給他，達到補給無人化。
例：王永慶先生早期在賣米時，會推算顧客何時米缸會見底，等時間一到就自動送米上門，而以前這件事只能快人力去計算以及送米，現在則可以使用Martech工具去增加效率以及精準度。

線下實體無人化

最後一個階段則為線下無人化。例如無人商店，只要拿QRcode去掃，就可以完成購買的動作。而這件事情並不需要特別高技術底就有希望可以達成，例如EILIS智慧互動助理就有掃描QRcode即可獲取集點等功能。

做RFM會員經營行銷前要了解的五項要點

1. 了解自己的產品是否適合做到數位化

有很多產業其實不需要做到數位化，要自行去評估，包含數位化後是否可以達到公司的目標、真正幫助到公司的業績成長或是增加員工的效率，都是在數位化之前需要考量的，數位化並不是救命仙丹，而是一種方法，這個方法不一定適用於所有企業。

2. 了解數位通路的定位

並不是說只要有架設網站就萬事OK，有些電商其實不用架網站，只要運用FB/IG直播銷售，再用Google表單下訂單就可以了。所以了解數位渠道的定位，才能建立數位策展的流程，根據自家公司的狀態選擇粉絲進入的管道、收單的管道等。

3. 了解自身會員互動模式為何

了解你的會員是使用單向銷售（例：用網站銷售）還是雙向銷售。範例：衛生紙很適合用訂閱制，甚至做到補給經濟！根據消費者購買的時間以及頻次，可以在消費者快要使用完前，再推廣一則訊息給他，增加消費者願意購買的意願。

4. 內容行銷

內容行銷就是口碑行銷，只是以往是以人傳人，現在google的口碑行銷是運用SEO，讓更多人去看到。簡單來說，寫出來的內容不是要給「人」看的，而是要給「電腦」看的。

5. 使用自動化工具

例：使用Chatbot、AI技術節省人力與成本。要做客戶管理或是訂閱機制其實不難，只要有一張excel去紀錄客戶的習性，在找一個有耐心的人複製貼上資訊，就可以做到一樣的效果了，但這樣做實在是太沒有效率，所以夠過自動化工具，我們可以減少重複且繁瑣的事情，更專注在流程以及企劃的設計。

了解RFM數位策展術後我們要依序介紹RFM模型概述以及如何實際運用RFM數位策展術做好會員經營與行銷

RFM會員經營行銷模型概述

RFM模型是網點衡量當前用戶價值和客戶潛在價值的重要工具和手段，RFM是Rencency（最近一次消費），頻（消費頻率），貨幣（消費金額），三個指標首字母組合，如圖所示：

R值：最近一次消費（Recency）

消費指的是客戶在店鋪消費最近一次和上一次的時間間隔，理論上 – R值越小的客戶是價值越高的客戶，即對店鋪的回購幾次最有可能產生回應。目前網購便利，顧客已經有了更多的購買選擇和更低的購買成本，去除地域的限制因素，客戶非常容易流失，因此CRM操盤手想要提高回購率和留存率，需要時刻警惕 – R值。
如下圖，某零食網店用戶最近一次消費 – R值分佈圖（時間截至2016年12月31日）：

1.客戶R值呈規律性的「波浪形」分佈，時間越長，波浪越小;
2.最近一年內用戶佔比50％（真的很巧）;
數據分析：這個數據根據向行業內專業人員請教，已經是比較理想了的說明每引入2個客戶，就有一位用戶在持續購買，說明店鋪復購做的比較好，R值在不斷的變為0。

F值：消費頻率（Frequency）

消費頻率是客戶在固定時間內的購買次數（一般是1年）。但是如果實操中實際店鋪由於受品類寬度的原因，比如賣3C產品，耐用品等即使是忠實粉絲用戶也很難在1年內購買多次。所以，一般店鋪在運營RFM模型時，會把F值的時間範圍去掉，替換成累計購買次數。
如下圖，某零食網店用戶購買頻次圖（如1個客戶在1天內購買多筆訂單，則自動合併為1筆訂單）：

1.購買1次（新客戶）佔比為65.5％，產生重複購買（老客戶）的佔比為34.4％;
2.購買3次及以上（成熟客戶）的佔比為17％，購買5次及以上（忠實客戶）的佔比為6％。
數據分析：影響復購的核心因素是商品，因此復購不適合做跨類目比較比如食品類目和美妝類目：食品是屬於「半標品」，產品的標品化程度越高，客戶背叛的難度就越小，越難形成忠實用戶；但是相對美妝，食品又屬於易耗品，消耗週期短，購買頻率高，相對容易產生重複購買，因此跨類目復購並不具有可比性。

M值：消費金額（Monetary）

M值是RFM模型中相對於R值和F值最難使用，但最具有價值的指標大家熟知的「二八定律」（又名「帕雷托法則」）曾作出過這樣的解釋：公司80％的收入來自於20％的用戶。
這個數據我在自己所從事的公司總都得到過驗證！可能有些店鋪不會那麼精確，一般也很會控制在30％的客戶貢獻70％的收入，或者40％，貢獻60％的收入。
理論上M值和F值是一樣的，都帶有時間範圍，指的是一段時間（通常是1年）內的消費金額，在工作中我認為對於一般店鋪的類目而言，產品的價格帶都是比較單一的。比如：同一品牌美妝類，價格浮動範圍基本在某個特定消費群的可接受範圍內，加上單一品類購買頻次不高，所以對於一般店鋪而言，M值對客戶細分的作用相對較弱。
所以我認為用店鋪的累計購買金額和平均客單價替代傳統的中號值能更好的體現客戶消費金額的差異。
教大家一個特別簡單的累積金額劃分方法：將1/2的客單價作為累積消費金額的分段，比如客單價是300元，則按照150元進行累計消費金額分段，得出十個分段。
現以國內某知名化妝品店鋪舉例，店鋪平均客單為160元，因此以80元作為間隔將累積消費金額分段，從表中可以很明顯發現，累計消費160元以下用戶佔比為65.5％（近2/3），貢獻的店鋪收入比例只佔31.6％（近1/3），具體如下：

RFM會員經營與行銷模型的實踐應用

作為CRM操盤手，主要有兩種方法來分析RFM模型的結果：用基於RFM模型的劃分標準來進行客戶細分，用基於RFM模型的客戶評分來進行客戶細分。

1.基於RFM模型進行客戶細分

CRM實操時可以選擇RFM模型中的1-3個指標進行客戶細分，如下表所示。切記細分指標需要在自己可操控的合理範圍內，並非越多越好，一旦用戶細分群組過多，一來會給自己的營銷方案執行帶來較大的難度，而來可能會遺漏用戶群或者對同個用戶造成多次打擾。
最終選擇多少個指標有兩個參考標準：店鋪的客戶基數，店鋪的商品和客戶結構。

店鋪的客戶基數：在店鋪客戶一定的情況下選擇的維度越多，細分出來每一組的用戶越少對於店鋪基數不大（5萬以下客戶數）的店鋪而言，選擇1-2個維度進行細分即可。對於客戶超過50萬的大賣家而言可以選擇2-3個指標。
店鋪的商品和客戶結構：如果在店鋪的商品層次比較單一，客單價差異幅度不大的情況下，購買頻次（F值）和消費金額（M值）高度相關的情況下，可以只選擇比較容易操作的購買頻次（F值）代替消費金額（M值）。對於剛剛開店還沒形成客戶粘性的店鋪，則可以放棄購買頻次（F值），直接用最後一次消費（R值）或者消費金額（M值）。

2.通過RFM模型評分後輸出目標用戶

除了直接用RFM模型對用戶進行分組之外，還有一種常見的方法是利用RFM模型的三個屬性對客戶進行打分，通過打分確定每個用戶的質量，最終篩選出自己的目標用戶。
RFM模型評分主要有三個部分：

確定RFM三個指標的分段和每個分段的分值;
計算每個客戶RFM三個指標的得分;
計算每個客戶的總得分，並且根據總得分篩選出優質的客戶

比如，實操的過程中一般每個指標分為3-5段，其中[R值可以根據開店以來的時間和產品的回購週期來判定，F值根據現有店鋪的平均購買頻次，男值可參考上文客單價的分段指標。舉個例子：

確認RFM的分段和對應分段的分值之後，就可以按照用戶情況對應進行打分。
這個時候可能有人會對此產生質疑，我如何驗證這個給予的分值就是合理的呢？確實我也暫時沒有辦法給予和科學研究的回复，如果需要驗證的話，每次對用戶數據進行導入之後，需要用算法模型進行回歸驗證。
但是這樣太複雜也太麻煩，如果有朋友感興趣的話可以進行驗證，能夠根據不同店鋪的情況，對於每個指標的賦值進行一個更加科學合理的定值。

RFM會員經營與行銷模型的意義

RFM模型大量的應用於營銷層面，用以刺激新用戶持續的消費、留存。同時也能作為監控業務用戶健康度的重要指標，報告如果顯示上一次購買很近的客戶，人數如增加，則表示該公司是個穩健成長的公司;反之，如上一次消費為一個月的客戶越來越少，則是該公司邁向不健全之路的徵兆。
用客戶絕對貢獻金額來分析客戶是否流失，有時會曲解客戶行為。因為每個商品價格可能不同，對不同產品的促銷有不同的折扣，所以採用相對的分級（例如R，F，M都各分為五級）來比較消費者在級別區間的變動，則更可以顯現出相對行為。
企業用R，F的變化，可以推測客戶消費的異動狀況，根據客戶流失的可能性，列出客戶，再從M（消費金額）的角度來分析，就可以把重點放在貢獻度高且流失機會也高的客戶上，重點拜訪或聯繫，以最有效的方式挽回更多的用戶。　