ユーザー階層化オペレーション（ユーザー階層化を行い、洗練されたオペレーションを実現するには？RFMユーザーバリューモデルを活用）

ユーザーセグメンテーションを実行し、洗練された操作を実現するにはどうすればよいでしょうか? RFMユーザー価値モデルの使用

ユーザー操作の分野では、RFM という用語があります。多くの人が見たことがあると思いますが、おそらく専門的すぎると感じて、深く掘り下げていないのではないでしょうか。あるいは、一部の記事では Python などのデータ処理方法が取り上げられており、人々のやる気をそがれてしまいます。または、この用語が電子商取引に密接に関連しているため、電子商取引以外の運営パートナーは、この用語の学習をあきらめることを選択します。

RFM モデルはユーザー価値モデルよりも 1 レベル高く、ユーザー価値モデルには 2 つの方向があります。

• 1つは、ユーザーのライフサイクル、つまり製品内での時間とユーザーの成長パスに基づいてライフサイクルモデルを構築することです。
• もう 1 つは、主要なユーザー行動に基づいて RFM モデルを構築することです。今回はユーザー価値モデルにおけるRFMモデルについてのみお話します。

RFM モデルの利点は何ですか? RFM モデルを決定したら、テキスト メッセージを送信するときにどのユーザーにプレフィックス「Dear VIP user」を追加するか、どのユーザーにプレフィックス「Long time no see」を追加するかを決定できます。また、企業はどのユーザーに異常な動きがあるのか​​、ユーザー離脱の兆候があるかを判断し、それに応じた運用アクションを増やすこともできます。その優れた用途を以下に示します。

RFM に関する詳しい情報については、インターネットで検索できます。ここでは詳細には触れません。まず、この3つの文字の意味を説明しましょう。

• R: 最新性。ユーザーが最後に消費してからの時間を表します。もちろん、最後に摂取してからの時間が短ければ短いほど良いです。それは私たちにとってより価値があり、より効果的に彼らにリーチできる可能性が高くなります。
• F: 消費頻度（フリクエンシー） 、一定期間内でのユーザーによる製品の消費頻度。焦点は期間の定義にあります。
• M: 消費量（金銭的） 。ユーザーの価値貢献を表します。

当初はR、F、Mの各方向に5つのレベルが定義され、5*5*5=125のユーザー分類が定義されました。これは、ほとんどの操作や製品にとって複雑すぎます。なぜ5つのレベルに分かれているのかといった歴史的な問題を理解する必要はありません。これで、R、F、M の各方向を高と低として定義しました。 R、F、M の中央値を求めます。R = 最新の消費量。中央値より上の値は高く、中央値より下の値は低いです。これにより、以下に示すように、2*2*2=8 のユーザー分類が実現します。

そのため、製品内のユーザーが上記 8 つのカテゴリのどれに該当するかを把握できれば、ターゲットを絞った運用戦略を立てることができます。

具体的な RFM 設定に入る前に、RFM モデルは電子商取引分野だけでなく、他の分野にも適用できることをもう一度強調したいと思います。 R、F、M に関連するデータ フィールドを見つけて、フィールドを適切に定義し、これらのフィールドが現在のビジネスの進行に影響を与える最も重要なディメンションであることを証明します。

• R: 最終ログイン時間、最終投稿時間、最終投資時間、最終閲覧時間
• F: 閲覧数、投稿数、コメント数
• M: 入金額、報酬金額、コメント数、いいね数

上記は他分野におけるR、F、Mの定義であり、具体的な定義は実際のビジネス状況に基づいて評価されるべきものである。たとえば、あなたが Douban の運営管理者で、Douban の書籍セクションの全体的なトラフィックが過去 1 週間で 10% 減少し、同時に文学書籍カテゴリの共有投稿数が前月比で 5% 減少していることに気付いた場合、その理由を分析したいとします。それぞれ対応する R、F、M フィールド（ログイン数、投稿数、インタラクション数）を選択できます。

• 書籍セクション全体のトラフィックが減少しており、これはこのセクションのアクティビティが減少したと解釈できます。過去1週間のログイン数を確認できます。
• 文学書カテゴリーのシェア投稿数は5%減少しました。過去1週間の投稿数を見ることができます。
• 同時に、トラフィックが減少した場合、トラフィックの減少が投稿の品質の相対的な低下によって引き起こされ、ユーザーのインタラクション（コメント、お気に入りなど）の減少につながるかどうかを確認できます。

以下では、ショッピング ガイド プラットフォームからの 10,000 個のデータ セットを例に、最も簡単な方法を使用してこのデータ セットでユーザー RFM モデルを構築し、これら 8 つのユーザー カテゴリを見つける方法を示します。

RFM モデルを構築する手順は次のとおりです。

• 元のデータをR、F、Mの3次元でキャプチャします。
• R、F、Mの評価モデルと中央値を定義する
• データ処理を実行してR、F、Mの値を取得します
• 評価モデルと中央値を参考にユーザーを階層化する
• さまざまなレベルのユーザー向けの操作戦略を指定する

（１）元データをR、F、Mの３つの次元で捉える。直近の消費時間、消費頻度、消費量を把握する。前述のように、ビジネス分析を行う際には、実際の状況に応じて R、F、M のデータ フィールドを選択できます。次の表は、10,000 個のデータのうち 13 個を示しています。

（２）１万件のデータの直近の消費時間、消費頻度、消費量をパーセンテージトレンドチャートで処理した。消費頻度を例にとると、次の図のようになります。

グラフから、10,000 のデータ ポイントの中には、消費頻度に明らかなギャップがいくつかあることがわかります。具体的には、1 回の消費、2 ～ 5 回の消費、6 ～ 11 回の消費、12 ～ 17 回の消費、18 回以上の消費です。そこで、F値を5段階に分けて、F=1=1回消費、F=2=2～5回消費、F=3=6～11回消費、F=4=12～17回消費、F=5=18回以上とします。

同様に、上図に示す方法を使用して、R 値と M 値がそれぞれ 5 に対応するデータ範囲を見つけました。 R=1=2日、R=2=3〜8日、R=3=9〜14日、R=4=15〜22日、R=5=23日以上。 M=1=600元、M=2=601-3800元、M=3=3801-6200元、M=4=6201-10000元、M=5=10001-15000元。

次の 3 つの RFM データ指標に基づいて分類基準を取得します。

(R 値は逆数値で、R 値が大きいほどユーザー値は低くなります。F 値は正数値で、F 値が大きいほどユーザー値は高くなります。M 値は正数値で、M 値が大きいほどユーザー値は大きくなります。)

（３）各データについて、最新の消費時間、消費頻度、消費量に対応するR値、F値、M値を計算する。

上図の計算方法は比較的簡単です。 Excel で if ステートメントを記述します。

セル E2 = if (B2>23,5,if(B2>15,4,if(B2>9,3,if(B2>3,2)))))

説明する：

• B2 が 23 より大きい場合、A1 ユーザーに対応する R 値は 5 になり、それ以外の場合は次の if 判断に進みます。
• B2が15より大きい場合、A1ユーザーに対応するR値は4になり、それ以外の場合は次のif判断に入ります。
• B2が9より大きい場合、A1ユーザーに対応するR値=3、それ以外の場合は次のif判断に進みます。
• B2 が 3 より大きい場合、ユーザー A1 に対応する R 値は 2 になります。それ以外の場合は、次の if カウントに進みます。

F値はM値と同じ方法で計算されます。

（4）R、F、Mの平均値を計算します。この方法は誰でも知っているはずです。単純に合計してアイテム数で割ります。 R(平均)=2.9、F(平均)=1.8、M(平均)=2.7

（５）１００００個のデータポイントにおける各ユーザーのＲ値、Ｆ値、Ｍ値を平均値と比較する。値が平均値より高い場合は高としてマークされ、値が平均値より低い場合は低としてマークされます。

最高値と最低値を比較するには、単純な if ステートメントを使用します。

（６）各ユーザーのR値、F値、M値を中央値と比較してユーザーカテゴリー表を得る。

各ユーザーのR値、F値、M値を中央値と比較して高いか低いかを判断し、前述のRFMモデルの8つのユーザーカテゴリのうちどのカテゴリに属する​​かを判定します。ここでは、判断を行うために単純な if ステートメントを使用する必要があります。ユーザー A1 を例にとり、ユーザー A1 が属するユーザー カテゴリを特定してみましょう。

同時に、Excel の「条件付き書式」をクリックし、「高」という単語を含むテキストを緑色に、「低」という単語を含むテキストを赤色に設定して、識別しやすくします。

これまでに、これら 10,000 のデータ項目に基づいて、ユーザーの完全かつ精緻な階層化が得られました。次に、階層化結果に基づいて対応する運用戦略を作成し、具体的な実装作業を実行します。

（７）ユーザー層別化結果に基づく運用戦略の策定

運用戦略を策定する際には、製品内の各タイプのユーザーの割合と製品の実際のビジネス ロジックの両方を考慮する必要があります。ショッピングガイドプラットフォームのユーザー層別化を例にとると、次の戦略が策定されます。

友人の中には戦略を立てるときに、戦略とは呼べないような「計画」を次々と出す人もいます。たとえば、「重要な開発ユーザー」に対して私が提案する戦略は「頻度を増やす」です。プッシュ通知の送信、クーポンの発行、電話の発信などの計画を立てる代わりに、頻度を増やすためのあらゆる手段を試すことができます。これらはすべて戦略によってサポートされる運用手段です。戦略自体は拡張可能かつ複製可能でなければなりません。

前述のようにユーザーカテゴリーに基づいた運用戦略を策定するだけでなく、10,000件のデータにおけるR値分布、F値分布、M値分布を分析することもできます。 3つの値の分布と中央値との比較に基づいて、直近の消費時間、消費頻度、消費量という次元に基づいた全体的な操作を実行し、サイト上のユーザーの全体的なアクティビティ、全体的なプロセスを改善し、GMVを増やすことができます。

全体的に、RFM モデルはそれほど難しくありませんが、注意すべき点がいくつかあります。

1. 生データを取得する際には、最新の消費時期、消費頻度、消費量といった固定観念ではなく、実際のビジネスに基づいて分析の重要なデータ指標を選択することが重要です。 Douban の例も上記で示しました。 Douban の場合、R = ログイン数、F = 投稿数、M = インタラクション数です。
2. R 値、F 値、M 値の評価モデルを定義してデータ間隔を区切る場合、必ずしもこの記事で説明した方法を使用して全体の傾向を調べ、明らかなギャップを見つける必要はありません。散布図、ピボットテーブル、比率チャートなどを使用して判断することもできます。同時に、データを通じてギャップを発見するだけでなく、自社のビジネスと業界平均に基づいた重要なポイントを発見することもできます。例えば、DidiやYidaoのようなタクシー配車アプリの場合、平日の利用頻度は確かに比較的高いです。したがって、Didiのビジネスを分析する場合、実際のビジネスに基づいて、5日間ごとにレベルとして、F値の消費頻度の5つのレベルを設定し、過去30日間のビジネスパフォーマンスを分析できます。たとえば、F=1=5日以内、F=2=6〜10日、F=3=11〜15日、F=4=16〜20日、F=5=21〜30日。次に、抽出された各ユーザーの消費頻度をこれらの 5 つのレベルと比較して、各ユーザーの F 値を決定します。
3. 中央値を計算する最も簡単な方法は、この記事で説明した平均値計算方法です。平均に加えて、20% のユーザーが収益の 80% を生み出すという 80/20 ルールもあるため、この重要なポイントを各ユーザーの R、F、M の比較対象として使用できます。より複雑なビジネスの場合は、プログラマーの支援を求め、Means クラスタリング アルゴリズムを使用して正確なデータを取得できます。
4. この記事で述べたように、クロス分析のために 3 つのコアビジネス指標を選択することに加えて、4 つまたは 5 つの指標を同時に分析する必要がある場合や、2 つの指標のみを分析する必要がある場合があります。したがって、この記事の計算方法を厳密に使用する必要はありません。柔軟性と順応性が必要です。ここでは例は挙げません。
5. 結局、私たちは業務に戻らなければなりません。したがって、異なるユーザー層に対する運用戦略の策定は、実際の状況に基づいて行う必要があります。運用戦略が策定された後、会社の既存のリソースと手段と組み合わせて具体的な実装作業を実行する必要があります。

この記事の内容を実際に試してみることをお勧めします。

Chris、WeChatパブリックアカウント：製品オペレーション（pm-2020）は、Everyone is a Product Managerのコラムニストです。オンライン教育、ソーシャルネットワーキング、電子商取引に注力し、0から1までの複数のプロジェクトの構築に参加。インターネット金融に転換し、クレジットカードや現金ローン商品の全プロセス運営を担当。私は、他の人が「重要ではない」と思う詳細を言葉で表現するのが大好きです。

この記事はもともと「Everyone is a Product Manager」に掲載されました。無断転載は禁止です。

タイトル画像はCC0ライセンスに基づいてPixabayから引用しています