数据改变认知——不知怎么选,用RFM模型看舔狗质量!
假设我长得很漂亮,拥有众多追求者,但是初出闺房的我对这世界上的男人毫无认知,那么该如何选择呢?这真是一个问题!
妈妈说,愿意为我花钱的男人未必爱我,但不愿意为我花钱的男人必定不爱我,而后传授了一套RFM模型,让我去规避渣男、拥抱幸福,听下来好像有点道理,在这里分享给各位美女帅哥。
什么是RFM模型
RFM对应三个单词:
1)Recency,最近一次消费,R的值越小,用户价值越高;
2)Frequency,消费频率,F的值越大,用户价值越高;
3)Monetary,消费金额,M的值越大,用户价值越高;
它可以描述一个你关注的群体对你的价值。判断的核心标准就是这个群体的人谁愿意为你花钱......
我第一时间对身边的人粗略的做了一下分层,大概结果是:
1)妈妈最爱我......
2)我之前最爱我老婆......
3)我现在最爱我女儿......
PS:不得不说,很准确!!!嗯,不对!我是一个小仙女,怎么会有老婆?
这个就是传说中的RFM模型,他可以是爱不会消失的依据,比如:
1)舔狗最近一次为我花钱是什么时候;
2)舔狗多久为我花一次钱;
3)舔狗总共为我花了多少钱;
所以在相处的时候,也可以用这个做一个参考值(注意是参考值),数据是不会骗人的。
基本分层
从数学排列组合角度,三个维度可以有八个组合:
|
用户分类 |
最近一次消费 时间间隔(R) |
消费 频率(F) |
消费 金额(M) |
妈妈说 |
|
重要价值 |
高(价值) |
高(价值) |
高(价值) |
再生父母 |
|
一般价值 |
高 |
高 |
低 |
殷勤的渣男 |
|
重要发展 |
高 |
低 |
高 |
需要给点甜头的舔狗 |
|
一般发展 |
高 |
低 |
低 |
新舔狗 |
|
重要保持 |
低 |
高 |
高 |
即将觉醒的舔狗 |
|
一般保持 |
低 |
高 |
低 |
被识别的渣男 |
|
重要挽留 |
低 |
低 |
高 |
已经觉醒的舔狗 |
|
一般挽留 |
低 |
低 |
低 |
千秋白嫖君 |
精算定价
无论是对项目定级、还是对考核定级,这里又涉及了一个一定绕不过去的关键问题:如何定价!
RFM的原理很简单,合理的定价是首先要考虑的,这个火候跟模型本身无关,跟对业务的理解很有关系,举个例子来说:你认为给女朋友10w彩礼已经不得了了,而你丈母娘觉得50w是起步价,这里面的尺度需要好生拿捏。
如果以一年为周期,那么可以定义一个月内付费的为高价值客户;如果以一个季度为例可以认为一周内付费的为高价值客户;如果以一周为例,可以认为当天付费的为高价值客户;
但他到底是不是高价值用户,需要你自己不断的去精算、尝试。这里粗暴的取了一个比例因子10,也限制了最小单位是1天(取整),于是一年内:
|
R/天 |
R分 |
F/次 |
F分 |
M/元 |
M分 |
|
30 |
5 |
1 |
1 |
500 |
1 |
|
50 |
4 |
3 |
2 |
1000 |
2 |
|
70 |
3 |
6 |
3 |
3000 |
3 |
|
90 |
2 |
9 |
4 |
5000 |
4 |
|
110 |
1 |
11 |
5 |
10000 |
5 |
这里以M为例,计算出所有舔狗为我花费的平均值,大于平均值的价值是高,低于平均值的是低:
1)平均值:4000元;
2)小王6000,高价值;
3)小张1000,低价值;
这里不要以为有了高地后,M值就没用了,因为还会做第二轮排序,在低价值舔狗中,也有三六九等。
模型扩展
妈妈说,这个是基本心法,千万要活学活用,可以以这个模型为基础可以加一个其他维度扩展出新的模型。比如在基础上又衍生出了一个时间维度,就变成了RLMF模型,这个L代表在一起的时间。
举个例子来说,同样是两个舔狗,舔一年和舔了十年的是不一样的,虽然在这一年里差不多,但拉开了看,可能十年这个更靠得住。
类似这种模型可以有很多,主要是看关注的是什么:
1)可以关注在一起的时长;
2)还可以关注年龄;
3)也可以关注距离;
4)甚至还可以关注颜值和家务多不多
......
这里详细展开RLMF模型,以在一起的时长和最近一次购买的时间,又会分层以下象限:

|
新舔狗 |
虽然刚认识,但刚花过钱 |
有必要持续接触,给点甜头,看能否发展为忠实舔狗 |
|
忠实舔狗 |
最有价值用户 |
持续在他们面前保持人设,并且对他们要有定制化服务 |
|
犹豫中的舔狗 |
很久没花钱了,而且认识时间短 |
这个人群貌似可以刺激的点较少,采用朋友圈类刺激即可,看看能否发展为新舔狗,否则接触ROI较低 |
|
觉醒的舔狗 |
忠实的舔狗但已觉醒 |
由于长时间的漠视和缺少激励,一些忠实的舔狗慢慢远离,这一定要引起重视! |
在这个基础上再衍生一步,比如将付费因素剔除,重新做下定义:
1)L,认识超过1年是高价值;
2)R,最近消费时间<1个月为高价值;
以两个维度可以形成四个分层
|
用户分类 |
R |
L |
|
老舔狗 |
高 |
高 |
|
新舔狗 |
高 |
低 |
|
觉醒的舔狗 |
低 |
高 |
|
低价值舔狗 |
低 |
低 |
以花钱频率再做一次硬性划分:一个月大于5次的为高价值,小于5次的为低价值:
|
用户分类 |
R |
L |
F |
|
终极舔狗 |
高 |
高 |
高 |
|
理智的终极舔狗 |
高 |
高 |
低 |
|
有激情的新舔狗 |
高 |
低 |
高 |
|
新舔狗 |
高 |
低 |
低 |
|
觉醒的舔狗 |
低 |
高 |
高 |
|
白嫖君 |
低 |
高 |
低 |
|
疑是海王 |
低 |
低 |
高 |
|
低价值舔狗 |
低 |
低 |
低 |
这个时候再把付费额度做出来就知道谁是大鱼了,这里颜色做区分,比如终极舔狗是红色,理智的终极舔狗是橙色,同等级的舔狗以气泡大小做区分:

其他维度
认识时间可以是一个很重要的考虑维度,但我觉得跟某个舔狗在一起的感觉最重要,这个感觉或者感受,就是能否畅所欲言,能否不再伪装,我不用维护我的人设,我可以真实的做自己,这个维度可能也很重要,于是上面的认识时长被我们变成了:
相处成本,相处成本可以是见面距离、可以是年龄代沟、可以是生活习惯......最好能做到数据化,不然就只能靠感觉了

|
大激励人群 |
持续保持联系,但成本较高 |
每次见面都需要给予彼此激励,否则很容易断,比如异地恋 |
|
小激励人群 |
在持续接触,并且成本低 |
适当激励即可,保持人设,或者释放自我 |
|
激励ROI低 |
接触成本低,但很难刺激 |
一般来说无视即可,比如和尚难以成为舔狗 |
|
激励无效人群 |
接触成本过高导致ROI奇低 |
异地大学同学舔狗,见面除了叙旧,也没撒用啊 |
至此理论部分结束,进入实操,网上有很多工具可以做这个东西,但我们是伟大的程序员,直接拿数据自己玩吧,这里涉及数据敏感就不继续了,祝各位好姐妹早日找到如意郎君。
数据改变认知——不知怎么选,用RFM模型看舔狗质量!的更多相关文章
- legend2---开发日志6(后端和前端如何相互配合(比如php,js,元素状态和数据改变))
legend2---开发日志6(后端和前端如何相互配合(比如php,js,元素状态和数据改变)) 一.总结 一句话总结:php给元素初始状态,js根据这个状态做初始化和后续变化,使用vue真的很方便( ...
- Android 监听ContentProvider的数据改变
今天介绍一下怎么监听ContentProvider的数据改变,主要的方法是:getContext().getContentResolver().notifyChange(uri,null),这行代码是 ...
- Android,监控ContentProvider的数据改变
有时候应用中需要监听ContentProvider的改变并提供响应,这时候就要利用ContentObserver类了 不管是ContentProvider中实现的,insert,delete,upda ...
- vue 数据改变但是视图没更新
在使用过程中会出现数据改变但是视图没有更新的情况(类型数组或者对象),这里我们就需要用到 $set 如果是对象类型: this.$set(this.userInfo, 'name', 'gionlee ...
- ajax验证用户名 当用户名框的数据改变时 执行ajax方法
ajax验证用户名 当用户名框的数据改变时 执行ajax方法 <html xmlns="http://www.w3.org/1999/xhtml" ><head ...
- mpvue 使用echarts动态绘制图表(数据改变重新渲染图表)
最近在公司开发一款微信小程序,按照客户需求用饼状图显示当前设备状态(开机.故障.关机),于是就在网上寻找各种资料,找了很多mpvue使用关于echarts绘制图表,最终功夫不负有心人,找到一篇关于mp ...
- RFM模型的变形LRFMC模型与K-means算法的有机结合
应用场景: 可以应用在不同行业的客户分类管理上,比如航空公司,传统的RFM模型不再适用,通过RFM模型的变形LRFMC模型实现客户价值分析:基于消费者数据的精细化营销 应用价值: LRFMC模型构建之 ...
- 数据分析-RFM模型用户分析
RFM模型 根据美国数据库营销研究所Arthur Hughes的研究,客户数据库中有3个神奇的要素,这3个要素构成了数据分析最好的指标: 最近一次消费 (Recency) 消费频率 (Frequenc ...
- 【年终分享】彩票数据预测算法(一):离散型马尔可夫链模型实现【附C#代码】
原文:[年终分享]彩票数据预测算法(一):离散型马尔可夫链模型实现[附C#代码] 前言:彩票是一个坑,千万不要往里面跳.任何预测彩票的方法都不可能100%,都只能说比你盲目去买要多那么一些机会而已. ...
随机推荐
- DotNetty实现WebSocket的简单使用
工作中项目是物联网项目的,管理平台又是bs架构. 如果用 Socket 的话,Web 端还需要转发,就全部统一采用了 WebSocket . DotNet 平台上的 WebSocket 实现有很多种, ...
- Ubuntu怎么修改DNS
有时候会出现配置好网络之后,可以ping通网关却ping不通www.baidu.com orangepi@orangepi3:~$ ping 192.168.1.1 PING 192.168.1.1 ...
- CF1288
A 考虑\(x + 1 = \sqrt{d}\)时在有理域上有最优界. 那我在整数域上附近取三个点取min就行了. // code by fhq_treap #include<bits/stdc ...
- 文件/目录对比:diff命令
命令格式 diff [参数] [文件1或目录1] [文件2或目录2] Linux diff命令用于比较文件的差异. diff以逐行的方式,比较文本文件的异同处. 如果指定要比较目录,diff会比较目录 ...
- 如何反向推断基因型文件中的参考碱基(REF/ALT)?
目录 需求 解决 方法一 方法二 需求 客户随手丢来一个基因型文件,类似于hapmap格式,只是少了中间多余的那几列,像这种类hapmap格式文件,往往是芯片数据. 这样的数据因为缺乏等位基因:参考碱 ...
- 一个简单但能考察C语言基础的题目
请看题: #include<stdio.h> int a=1; int main(void) { int a=a; printf("a=d%\n",a); return ...
- SpringCloud微服务实战——搭建企业级开发框架(三十):整合EasyExcel实现数据表格导入导出功能
批量上传数据导入.数据统计分析导出,已经基本是系统必不可缺的一项功能,这里从性能和易用性方面考虑,集成EasyExcel.EasyExcel是一个基于Java的简单.省内存的读写Excel的开源项 ...
- IT四大名著
标题耸人听闻,sorry. CPU.操作系统.编译器和数据库我都不会.我英语也不行,但我认识所有的字母.:-) 万一有人感兴趣呢?https://sqlite.org/doclist.htmlThe ...
- 内存中 1k 代表什么
1K也就是 1KB == 1000 bytes == 1000 *8 位 通常一个地址里面有8位,就是说一个房间里面能存8个0或者1
- 常见排序——Java实现
1 package struct; 2 3 /** 4 * 5 * @作者:dyy 6 * @公司:陕西科技大学 7 * @修改日期: 8 * @邮箱:1101632375@qq.com 9 * @描 ...