Anda dapat membuat model RFM dari Tabel Ringkasan Pesanan dan Tabel Detail Pesanan yang diimpor atau disimpan setelah laporan. Model ini digunakan untuk menganalisis dan menyaring pengguna.
Apa itu model RFM?
Model RFM adalah metode untuk mengukur nilai pengguna berdasarkan tiga indikator: R (Recency) interval konsumsi, F (Frequency) frekuensi konsumsi, dan M (Monetary) jumlah konsumsi.
Model RFM memberikan skor kuantitatif pada tiga metrik pengguna tersebut. Kriteria penilaian adalah sebagai berikut:
R: Berdasarkan jumlah hari sejak konsumsi terakhir, 0–30: 3, 31–90: 2, dan lebih dari 90: 1.
F: Berdasarkan jumlah konsumsi, 1: 1, 2–4: 2, dan 5 ke atas: 3.
M: Berdasarkan jumlah konsumsi, 0–100: 1, 100–1.000: 2, dan lebih dari 1.000: 3.
Dengan membandingkan skor pengguna individu dengan nilai perbandingan (skor rata-rata seluruh kelompok pengguna atau skor yang ditentukan), tingkat nilai relatif pengguna dalam kelompok diperoleh. Pengguna kemudian dibagi menjadi 8 jenis berdasarkan integrasi tiga indikator, sehingga memungkinkan operasi yang lebih terarah untuk berbagai jenis pengguna.
Jenis Pengguna RFM dan Aturan Klasifikasi
Membandingkan skor RS, FS, dan MS pengguna dengan nilai perbandingan RS, nilai perbandingan FS, dan nilai perbandingan MS masing-masing, tingkat nilai relatif pengguna dalam kelompok dapat diperoleh:
Skor pengguna lebih besar dari nilai perbandingan, menunjukkan nilai lebih tinggi.
Skor pengguna lebih kecil dari nilai perbandingan, menunjukkan nilai lebih rendah.
RS, FS, dan MS adalah skor interval konsumsi, frekuensi konsumsi, dan jumlah konsumsi pengguna masing-masing.
Nilai perbandingan RS, nilai perbandingan FS, dan nilai perbandingan MS adalah nilai rata-rata dari skor interval konsumsi, frekuensi konsumsi, dan jumlah konsumsi semua pengguna dalam model RFM (yaitu, rata-rata tertimbang dalam statistik), atau nilai kustom.
Untuk informasi lebih lanjut tentang cara menetapkan aturan penilaian dan nilai perbandingan dalam model RFM, lihat Buat Model RFM.
Nilai pengguna dalam salah satu dari R, F, dan M dapat dibagi menjadi kategori tinggi dan rendah. Berdasarkan performa R, F, dan M, pengguna dapat diklasifikasikan menjadi 8 jenis. Jenis dan aturan klasifikasi rinci ditunjukkan pada gambar berikut.
Tipe pelanggan RFM | RS | FS | MS | Deskripsi |
Pengguna bernilai tinggi | Lebih besar dari atau sama dengan nilai perbandingan RS | Lebih besar dari atau sama dengan nilai perbandingan FS | Lebih besar dari atau sama dengan nilai kontras MS | Definisikan pengguna dengan tanggal konsumsi terbaru, frekuensi konsumsi tinggi, dan jumlah konsumsi tinggi sebagai pengguna bernilai tinggi. |
Pengguna yang dipertahankan secara khusus | Rendah | Lebih besar dari atau sama dengan nilai perbandingan FS | Lebih besar dari atau sama dengan nilai kontras MS | Definisikan pengguna yang tanggal konsumsi terakhirnya jauh tetapi frekuensi konsumsi dan jumlah konsumsinya tinggi sebagai pengguna retensi utama. |
Pengguna yang dikembangkan secara khusus | Lebih besar dari atau sama dengan nilai perbandingan RS | Rendah | Lebih besar dari atau sama dengan nilai kontras MS | Pengguna dengan tanggal konsumsi terbaru dan jumlah konsumsi tinggi tetapi frekuensi konsumsi rendah didefinisikan sebagai pengguna pengembangan utama. |
Pengguna yang dipertahankan secara khusus | Rendah | Rendah | Lebih besar dari atau sama dengan nilai kontras MS | Pengguna yang tanggal konsumsi terakhirnya jauh dan frekuensi konsumsinya rendah tetapi jumlah konsumsinya tinggi didefinisikan sebagai pengguna retensi utama. |
Pengguna Nilai Umum | Lebih besar dari atau sama dengan nilai perbandingan RS | Lebih besar dari atau sama dengan nilai perbandingan FS | Rendah | Pengguna dengan tanggal konsumsi terbaru dan frekuensi konsumsi tinggi tetapi jumlah konsumsi rendah didefinisikan sebagai pengguna nilai umum. |
Pengguna yang dipertahankan secara umum | Rendah | Lebih besar dari atau sama dengan nilai perbandingan FS | Rendah | Pengguna yang tanggal konsumsi terakhirnya jauh dan jumlah konsumsinya tidak tinggi tetapi frekuensi konsumsinya tinggi didefinisikan sebagai pengguna umum. |
Pengguna yang dikembangkan secara umum | Lebih besar dari atau sama dengan nilai perbandingan RS | Rendah | Rendah | Pengguna dengan tanggal konsumsi terbaru tetapi frekuensi konsumsi rendah dan jumlah konsumsi rendah didefinisikan sebagai pengguna pengembangan umum. |
Pengguna potensial | Rendah | Rendah | Rendah | Pengguna yang tanggal konsumsi terakhirnya jauh, frekuensi konsumsinya tidak tinggi, dan jumlah konsumsinya tidak tinggi didefinisikan sebagai pengguna potensial. |
Buat model RFM
Anda dapat memilih dua jenis analisis saat membuat model RFM:
Data ringkasan pesanan: Menggabungkan data mentah N hari terakhir menjadi tabel lebar besar dengan granularitas pengguna. Setiap pengguna dalam tabel hanya memiliki satu data.
Untuk informasi lebih lanjut tentang contoh Persyaratan Tabel Data Impor Quick Audience, lihat Ringkasan Pesanan.
Data detail pesanan: Menggunakan data transaksi pengguna sebagai dasar analisis. Setiap baris dalam tabel mewakili catatan transaksi pengguna. Saat model RFM dihasilkan, sistem menggabungkan detail pesanan untuk setiap pengguna.
Untuk informasi lebih lanjut tentang contoh detail pesanan, lihat Persyaratan Tabel Data Impor Quick Audience. Untuk informasi lebih lanjut tentang cara mengimpor detail pesanan, lihat Detail Pesanan. Untuk informasi lebih lanjut tentang cara melaporkan dan menyimpan data acara pesanan, lihat Hub Acara.
Prosedur
Pilih Ruang Kerja > Wawasan Pengguna > Model Pemasaran > Model RFM.
Klik Buat Baru di sudut kanan atas untuk masuk ke halaman konfigurasi model RFM.
Pilih metode konfigurasi, seperti yang ditunjukkan pada gambar berikut.
Pilih Ringkasan Pesanan atau Detail Pesanan sebagai jenis analisis.
Pilih tabel data impor untuk dianalisis (gunakan alias tabel data yang ditetapkan saat impor).
Satuan jumlah. Anda dapat memilih CNY, USD, GBP, EUR, atau HKD.
Klik Next.
Konfigurasikan parameter RFM
Gambar berikut menunjukkan analisis RFM dari data ringkasan pesanan.
Gambar berikut menunjukkan analisis RFM dari detail pesanan.
Hanya untuk Detail Pesanan, Anda dapat menentukan periode statistik, jenis perilaku pesanan, dan bidang waktu pesanan.
Jika bidang Saluran Pembelian dan Nama Kategori Komoditas dikonfigurasi saat tabel detail pesanan diimpor, Anda juga dapat menentukan saluran statistik dan kategori komoditas untuk menyaring data yang sesuai untuk analisis yang ditargetkan. Anda dapat memilih hingga 100 nilai untuk masing-masing saluran statistik dan kategori produk.
Untuk semua jenis: Pilih jumlah interval (3 atau 5) dari R, F, dan M masing-masing, dan atur rentang interval yang sesuai dengan setiap skor. Distribusi jumlah orang dalam interval yang sesuai ditampilkan di bawah ini.
Aturan penilaian adalah sebagai berikut:
R interval konsumsi: Semakin sedikit hari sejak pembelian terakhir, semakin tinggi skornya.
F frekuensi konsumsi: Semakin banyak jumlah konsumsi dalam n hari terakhir, semakin tinggi skornya.
M Jumlah Konsumsi: Semakin tinggi jumlah konsumsi dalam n hari terakhir, semakin tinggi skornya.
Setelah Anda mengonfigurasi aturan penilaian R, F, dan M, klik Berikutnya.
Konfigurasikan nilai perbandingan parameter, seperti yang ditunjukkan pada gambar berikut.
Nilai perbandingan digunakan untuk membandingkan skor pengguna tunggal dengan nilai perbandingan dalam analisis berikutnya untuk mendapatkan tingkat nilai relatif pengguna dalam kelompok, dan untuk mengklasifikasikan berbagai jenis pengguna. Untuk informasi lebih lanjut, lihat Jenis Pengguna RFM dan Aturan Klasifikasi.
RS, FS, dan MS adalah skor dari R, F, dan M masing-masing. Oleh karena itu, nilai perbandingan RS, FS, dan MS perlu diatur. Anda dapat menggunakan skor rata-rata seluruh populasi pengguna sebagai nilai perbandingan, atau Anda dapat menyesuaikan nilai perbandingan.
Jika skor rata-rata seluruh kelompok pengguna (yaitu, rata-rata tertimbang dalam statistik) digunakan sebagai nilai perbandingan, halaman akan menampilkan skor rata-rata RS, FS, dan MS dari kelompok pengguna saat ini sesuai dengan aturan penilaian yang ditetapkan.
Jika Anda menyesuaikan nilai perbandingan, sesuaikan nilai perbandingan berdasarkan kebutuhan bisnis Anda dan merujuk pada skor rata-rata seluruh kelompok pengguna yang ditampilkan di halaman.
Klik Selesai. Dalam kotak dialog yang muncul, masukkan nama model RFM dan klik Simpan.
Daftar model RFM muncul. Anda dapat melihat model RFM yang baru dibuat dalam daftar. Untuk informasi lebih lanjut tentang cara mengelola model RFM, lihat Kelola Model RFM.
Mengelola Model RFM
Model RFM mendukung pengeditan, analisis RFM, pembaruan, penggantian nama, penghapusan, pengaturan izin, dan pembaruan pengaturan.
Edit: Klik Edit untuk mengedit model.
Analyze: Klik Analyze untuk menganalisis model RFM. Untuk informasi lebih lanjut, lihat Analisis RFM.
Pembaruan: Klik Update untuk memperbarui model secara langsung.
Rename: Pilih
/> Rename untuk menentukan ulang nama model.Delete: Pilih
/> Delete dan konfirmasi untuk menghapus model.CatatanJika model menghasilkan kerumunan, Anda tidak dapat menghapusnya.
Pengaturan Izin: Berikan izin untuk menggunakan atau mengelola model RFM kepada non-administrator. Untuk informasi lebih lanjut, lihat Otorisasi Tag.
CatatanJika Anda adalah non-administrator, model RFM ditampilkan di tab Diizinkan halaman Model RFM.
Secara default, administrator memiliki izin untuk mengelola semua model RFM di ruang kerja. Administrator ditampilkan di tab Saya halaman Model RFM.
Pengaturan Pembaruan: Pilih
/> Pengaturan Pembaruan. Dalam kotak dialog Pengaturan Pembaruan, Anda dapat mengaktifkan sakelar Pembaruan Otomatis dan mengatur waktu pembaruan. Dalam rentang tanggal yang ditentukan, model akan diperbarui secara otomatis setiap kali tabel detail pesanan atau tabel ringkasan pesanan yang digunakan menyelesaikan tugas penjadwalan.
CatatanJika paralelisme pembaruan di ruang telah diatur di Administrasi Pusat, model RFM yang melebihi batas perlu antre untuk pembaruan otomatis. Untuk informasi lebih lanjut, lihat Konfigurasi Sistem Ruang Kerja.