編輯導(dǎo)讀：作為一名產(chǎn)品經(jīng)理，經(jīng)常會面對很多從來沒有遇到過的問題。沒有相同案例的參考，工作經(jīng)驗(yàn)?zāi)芷鸬降淖饔靡彩怯邢蓿趺崔k？例如，領(lǐng)導(dǎo)讓你搭建一個(gè)RFM體系，應(yīng)該怎么做呢？本文將從三個(gè)方面展開分析，希望對你有幫助。

在我看來，產(chǎn)品經(jīng)理其實(shí)需要有一種特質(zhì)，就是擅長解決之前從來沒有遇到過的問題。

如果工作中接觸的全是之前做過項(xiàng)目里的東西，或者全是通過競品分析（競品抄襲）就能設(shè)計(jì)出產(chǎn)品，那，產(chǎn)品經(jīng)理的能力如何體現(xiàn)呢？當(dāng)然可以體現(xiàn)，借助過往的“經(jīng)驗(yàn)”或者“競品”就可以，這也是職場當(dāng)中招聘員工時(shí)的現(xiàn)狀，很合理，因?yàn)閷τ谡衅阜絹碚f，大概率可以獲得與成本匹配的回報(bào)。

但，工作當(dāng)中由于公司業(yè)務(wù)的差異，要百分百找到可以對標(biāo)的產(chǎn)品進(jìn)行像素級“模仿”的情況，其實(shí)也沒有那么多，甚至由于公司的業(yè)務(wù)發(fā)展，導(dǎo)致每天你遇到的其實(shí)都可能是之前從來沒有遇到過的問題，那么，你會如何去解決并勝任工作呢？如果不能很好的解決頻繁發(fā)生的新問題，你的三年、五年、十年工作經(jīng)驗(yàn)，意義在哪呢？有你跟沒你，又有什么區(qū)別呢？

這也是為何我對于這個(gè)崗位甚至一些其他類似崗位（比如：運(yùn)營、開發(fā)、設(shè)計(jì)等），所存在的上面那樣的觀點(diǎn)，就是除了經(jīng)驗(yàn)這個(gè)玩意之外，你得自己去做一些底層能力的提取。

那么，簡單聊聊，如果遇到了一個(gè)未知問題時(shí)，可以怎么去借助底層能力去考慮。當(dāng)然，在這里，我不想嘗試去提取所謂的底層能力是啥，畢竟這事得自己去做。

假定，你在公司里面，領(lǐng)導(dǎo)讓你來搭建之前從來沒有接觸過的RFM體系，你會如何考慮呢？

一、建立概念

先不說怎么考慮的事，可能有的人沒有接觸過RFM，那既然都沒接觸過的情況下，先老老實(shí)實(shí)搜集資料去了解下RFM到底是啥。

經(jīng)過了解，你應(yīng)該就能知道，RFM可以算是一種模型、一種分析方式，它將用戶在平臺當(dāng)中的消費(fèi)行為從三個(gè)方面進(jìn)行了統(tǒng)計(jì)，分別是R（最近一次消費(fèi)時(shí)間）、F（最近一段時(shí)間消費(fèi)頻次）、M（最近一段時(shí)間消費(fèi)金額），通過對這幾個(gè)方面的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)之后，從而對用戶進(jìn)行分類，并且在這樣的一個(gè)模型當(dāng)中，它把用戶分成了八大類，分別是重要價(jià)值客戶、重要發(fā)展客戶、重要保持客戶、重要挽留客戶、一般價(jià)值客戶、一般發(fā)展客戶、一般保持客戶、一般挽留客戶。在分類完成后，針對不同類型用戶的特征以便于去更有效的進(jìn)行營銷。

其實(shí)了解到這里之后，應(yīng)該就明確了一個(gè)東西，做這件事情的是為了將用戶分類以便于更好的做精細(xì)化運(yùn)營，而且還能夠順便看出這里的核心運(yùn)營目標(biāo)是與錢掛鉤的，所以結(jié)合起來，核心目標(biāo)就變成了為了提升營收而搭建的精細(xì)化運(yùn)營體系。

二、拆解問題

接下來，有的人可能會開始考慮去梳理相應(yīng)的業(yè)務(wù)場景，準(zhǔn)備著手去設(shè)計(jì)了。但其實(shí)我會覺得還有一些問題是沒有解決的。由這套模型的本質(zhì)及我們的核心目標(biāo)出發(fā)的話，往下要思考的話，我至少，可能會產(chǎn)生類似于這樣的一些問題：

• 是否有必要去按照RFM的“公式”劃分出這八層？
• 為了劃分出不同層次的用戶訂單數(shù)據(jù)如何統(tǒng)計(jì)？
• 劃分出的不同層次的數(shù)據(jù)標(biāo)準(zhǔn)到底該如何定義？
• ……

一個(gè)一個(gè)來。

三、分析問題

1. 是否有必要去按照RFM的“公式”劃分出這八層？

如果套RFM“公式”，當(dāng)然是沒有問題的。但這里，我覺得要從結(jié)果出發(fā)，考慮一個(gè)實(shí)際問題，你們公司的運(yùn)營手段或者策略上是否具備精細(xì)到針對八層甚至更多層次用戶，分別去區(qū)別運(yùn)營的能力？如果沒有的話，那可能最終對于運(yùn)營人員而言，劃分八層實(shí)際上有用的只有一半，因?yàn)槭Ｏ碌囊话脒\(yùn)營可能采取了同樣的運(yùn)營策略，那產(chǎn)品的設(shè)計(jì)上暫時(shí)就有點(diǎn)多余。

另外，如果不劃分這么多層次，就要考慮另外一個(gè)問題，那三個(gè)維度是否還有必要使用？比如你的公司售賣的是用于終身服務(wù)的高價(jià)會員卡，使用RFM來衡量的話，對于很多用戶而言，F(xiàn)就是一個(gè)很低量級的數(shù)了，甚至?xí)虼擞绊懹脩舻姆诸?，所以F這個(gè)維度的存在對于上面這種公司業(yè)務(wù)就明顯不合理。

基于此，使用RFM時(shí)就完全沒有必要硬套公式了，明確核心思想，找到并提煉與核心目標(biāo)有直接關(guān)聯(lián)的關(guān)鍵指標(biāo)，劃分出了不同的層次，所以其實(shí)更多的是使用RFM模型的思想，最終你可能做出了“SFM”或者“MFM”之類的玩意。

于是，就產(chǎn)生了另外一個(gè)問題，如何基于核心目標(biāo)定義關(guān)鍵指標(biāo)？

這就需要基于公司的業(yè)務(wù)場景列舉并提煉，這是所有產(chǎn)品經(jīng)理的基本功，就不展開講解了。

2. 為了劃分出不同層次的用戶訂單數(shù)據(jù)如何統(tǒng)計(jì)？

因?yàn)镽FM的幾個(gè)維度其實(shí)都是基于用戶的訂單數(shù)據(jù)來統(tǒng)計(jì)的，甚至是拿訂單當(dāng)中的成交數(shù)據(jù)來進(jìn)行統(tǒng)計(jì)的。那么，如何收集這些數(shù)據(jù)呢？這個(gè)其實(shí)很簡單，因?yàn)榻^大多數(shù)產(chǎn)品當(dāng)中訂單數(shù)據(jù)都會進(jìn)行單獨(dú)的統(tǒng)計(jì)。

但，只是這樣就夠了嗎？看一些場景：某個(gè)用戶有兩個(gè)賬號，一個(gè)是手機(jī)號A注冊的，一個(gè)是手機(jī)號B注冊，A賬號是個(gè)小號，偶爾用來買一些見不得人的東西，B賬號則是正常購買；另外有個(gè)用戶在你們的淘寶店鋪購買商品，在你們官方App、小程序、網(wǎng)站當(dāng)中也有購買商品，而且可能還不是同個(gè)賬號。于是最終就會出現(xiàn)同樣的一個(gè)用戶，在登錄了自己不同賬號的時(shí)候，會被采取完全不同的運(yùn)營手段，而我們的出發(fā)點(diǎn)其實(shí)是需要針對“用戶”的不同特點(diǎn)來做精細(xì)化的運(yùn)營。

所以，這里其實(shí)引申出的問題就是，如何確保正確收集了某個(gè)用戶的數(shù)據(jù)？

目前，絕大部分平臺目前所采用的運(yùn)營方式，我把它稱之為是“面向賬號”的運(yùn)營，而非“面向用戶”的運(yùn)營，面向賬號運(yùn)營會帶來的問題便是對于不同用戶并沒有采取最合適的運(yùn)營策略，當(dāng)然，也有一些平臺有在考慮并試圖解決這樣的問題，解決的角度則需要從賬號體系去入手了，涉及到線上線下以及線上多平臺，可以基于用戶的OpenID、UnionID、設(shè)備的IMEI等等作為輔助信息來判斷，我在其他文章里面也專門講解過賬號體系的搭建，這里同樣不去展開了。

3. 劃分出的不同層次的數(shù)據(jù)標(biāo)準(zhǔn)到底該如何定義？

1）定義指標(biāo)的標(biāo)準(zhǔn)

多個(gè)維度確定后，數(shù)據(jù)收集問題解決后，基于定義好的數(shù)值標(biāo)準(zhǔn)然后才能劃分出不同層次的用戶。比如，按照最近消費(fèi)時(shí)間較近的、消費(fèi)頻次和消費(fèi)金額都較高的，就可以定為重要價(jià)值客戶。于是，問題來了，如何定義出這些維度當(dāng)中什么叫消費(fèi)金額的“高低”什么叫消費(fèi)時(shí)間的“遠(yuǎn)近”呢？

從生活角度來講，我們能知道類似于“高低”這樣的概念其實(shí)是一種相對概念，比如我比姚明矮，但我比另外某個(gè)人高，這就是相對于不同的參照物在比較，再比如假定個(gè)人稅后年收入1個(gè)億以上的叫有錢人，個(gè)人稅后年收入低于1個(gè)億的叫窮人，同樣也是相對概念，是相對于“1個(gè)億”這個(gè)數(shù)值來比較的，也就是相對于同一個(gè)參照物在比較。

很明顯，在這種產(chǎn)品設(shè)計(jì)當(dāng)中,我們應(yīng)該是將不同的數(shù)值相對于同一個(gè)參考數(shù)值去進(jìn)行比較，這樣才能夠有可比性。所以，目前為止解決這個(gè)問題的核心就在于如何去定義出某個(gè)相對數(shù)值，有了這個(gè)相對數(shù)值后，比它數(shù)值大的稱之為“高”，比它數(shù)值小的稱之為“低”之類的。

對于這個(gè)“相對數(shù)值”而言，需要確保相對公平，而從公平的角度來講，一般比較常見的做法是考慮用平均值或者中位數(shù)的角度來作為一個(gè)相對標(biāo)準(zhǔn)，基于我們在小學(xué)三年級學(xué)過的數(shù)學(xué)知識應(yīng)該知道，所謂的平均數(shù)就是一串?dāng)?shù)字加起來按個(gè)數(shù)求出的平均數(shù)，而中位數(shù)則是一串?dāng)?shù)字由小到大排序后處于中間位置的數(shù)。

為了更好的去理解如何制定這樣的相對標(biāo)準(zhǔn)，我以案例來說明下。假定目前有個(gè)電商平臺上線一段時(shí)間，已經(jīng)有大量的用戶訂單數(shù)據(jù)，在這個(gè)基礎(chǔ)上想要基于用戶消費(fèi)數(shù)據(jù)來做RFM這塊，并且假定前面的所有產(chǎn)品經(jīng)理應(yīng)該做的最基礎(chǔ)的場景梳理已經(jīng)完成，只剩下對于RFM這三方面的相對標(biāo)準(zhǔn)如何制定這一個(gè)問題需要去解決了。

如果平臺是采用平均值作為相對標(biāo)準(zhǔn)，基于前面所講解的思路，也就是說我們需要先有用戶的訂單數(shù)據(jù)，基于所有訂單數(shù)據(jù)再來進(jìn)行計(jì)算。在定義F與M的高低時(shí)，就需要先計(jì)算出平臺所有客戶消費(fèi)頻次的平均值以及消費(fèi)金額的平均值，然后將每個(gè)用戶的消費(fèi)金額總額以及頻次與這個(gè)平均值進(jìn)行比較，如果高于這個(gè)平均值可以暫時(shí)評估為“高”，如果低于平均值則可以評估為“低”。同理，在定義R的遠(yuǎn)近時(shí)，也需要先計(jì)算出每個(gè)客戶離當(dāng)前時(shí)間最近的一次消費(fèi)時(shí)間間隔是多久，再去計(jì)算出所有客戶離當(dāng)前時(shí)間最近的一次消費(fèi)時(shí)間間隔的平均值，低于該數(shù)值的就可以稱之為近，高于該數(shù)值的可以稱之為遠(yuǎn)。

2）數(shù)據(jù)向量化處理

并且為了更加方便的去劃分每個(gè)用戶的所屬分類，最好將數(shù)據(jù)進(jìn)行向量化處理。所謂的向量化處理，也是一個(gè)數(shù)學(xué)概念，因?yàn)橥ǔ５臄?shù)字都是只有大小的，向量化后可以簡單理解為數(shù)字不僅有大小還有方向了。在這里為了簡單處理，可以將高于相對標(biāo)準(zhǔn)值的，可以算正向量，都以1來表示，低于相對標(biāo)準(zhǔn)值的，可以算負(fù)向量，都以0來表示。有了RFM三個(gè)維度分別的向量值之后，理論上每個(gè)用戶就可以根據(jù)向量值來更加方便的去劃分到對應(yīng)的分類當(dāng)中，分類方式如下圖所示：

3）引申的問題

到這里，如果你善于思考的話，應(yīng)該就會發(fā)現(xiàn)有一個(gè)現(xiàn)象：客戶所屬的分類是一個(gè)動(dòng)態(tài)變化的過程。沒錯(cuò)，因?yàn)殡S著統(tǒng)計(jì)計(jì)算的周期不同，各個(gè)維度的平均值會發(fā)生變化，也就是相對標(biāo)準(zhǔn)發(fā)生了變化，那么某個(gè)用戶最終所計(jì)算出的“高低遠(yuǎn)近”就會隨之改變，自然所屬分類也就變化了。所以，如果想要使得這套RFM模型更有實(shí)際上的使用價(jià)值，還可以去基于用戶過往不同時(shí)間周期的數(shù)據(jù)生成用戶所屬分類階段性變化的情況，這樣能夠更好精細(xì)化去分析用戶的個(gè)體。

當(dāng)然，前面的做法有一個(gè)前提條件，是在已經(jīng)有了產(chǎn)品上線，用戶產(chǎn)生了大量的訂單數(shù)據(jù)之后。那么，在這里順便想一下，如果產(chǎn)品沒有上線呢，如何去定義這樣的一個(gè)相對標(biāo)準(zhǔn)呢？或者，我這么問，如果是那樣，相對標(biāo)準(zhǔn)的制定是否是一個(gè)偽命題呢？這里，我不去作答，讀者可以自己思考下。

簡單總結(jié)下，在設(shè)計(jì)RFM的時(shí)候，上面考慮問題和設(shè)計(jì)的思路，就可以分為這么幾步去做：

1. 基于業(yè)務(wù)場景明確分層指標(biāo)（產(chǎn)品基本功）
2. 基于分層指標(biāo)明確高低規(guī)則（自己定規(guī)則）
3. 基于數(shù)據(jù)劃分出用戶的層次（模型本身規(guī)則）

有了上面這些，再基于劃分出的用戶層次，針對性的去制定運(yùn)營策略即可。

作者：小風(fēng)，產(chǎn)品經(jīng)理；公眾號：村上風(fēng)

本文由 @小風(fēng) 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議。