Очень подробное и хорошее объяснение. Но в самом конце лектор запутался ошибся (22:23), когда показал хороших по давности, частоте и деньгах клиентов, а утверждает что это плохой сегмент и работать с ними не нужно, а следом (23:08) показывает плохих клиентов по всем показателям и говорит что это вип сегмент.
Роман, посмотрел ваше обучение RFM. Идеально объясняете, понять её было очень легко. Хорошо, что нашел ваш канал. Есть вопрос по дальнейшему развитию RFM-анализа. Я послал вам на почту графическую модель RFM.) Каждая точка на ней - клиент. R представляется, как срок, после которого клиент уже не вернется. F - как минимальное количество покупок за t, после которого клиент становится случайным покупателем. M - целевой чек. Таким образом, образуется область, за которую нельзя выпускать клиента. Подскажите, пожалуйста, как высчитываются эти показатели? И ещё вопрос - не обучаете ли вы SOSTAC ? Спасибо!
Потрібно розуміти на якому періоді частота використовується, і задати частоту між приходами, щоб дійсно визначити частоту Тоді можна передбачити наступний пріход клієнта і суму яку він приблизно лишить, якщо звісно він лінійний, а не ситуативний.
Роман огромное спасибо за отличную видео инструкцию по РФМ анализу. Лучшую, на мой взгляд, в рунЭте. Как продолжение - как можно визуализировать это всё дело? и следующий вид анализа - когортный, есть ли у вас видео по нему? Спасибо.
Спасибо, визуализировать все это удобнее всего в SPSS. Постараюсь сделать видео в конце этой - начале следующей недели. Про когортный не слышал, интересно, посмотрю
![[Вебинар]: RFM-анализ: как выявить и удержать ключевых клиентов](/img/n.gif)
Благодарю за наглядное объяснение RFM - анализа
Самое доступное и наглядное объяснение сэкономившее мне массу времени. Спасибо!
Спасибо за интересный анализ в эксель!
Очень подробное и хорошее объяснение. Но в самом конце лектор запутался ошибся (22:23), когда показал хороших по давности, частоте и деньгах клиентов, а утверждает что это плохой сегмент и работать с ними не нужно, а следом (23:08) показывает плохих клиентов по всем показателям и говорит что это вип сегмент.
Спасибо за внимательность. Человеческий фактор
отличное видео, спасибо!
Роман, посмотрел ваше обучение RFM. Идеально объясняете, понять её было очень легко. Хорошо, что нашел ваш канал.
Есть вопрос по дальнейшему развитию RFM-анализа. Я послал вам на почту графическую модель RFM.) Каждая точка на ней - клиент. R представляется, как срок, после которого клиент уже не вернется. F - как минимальное количество покупок за t, после которого клиент становится случайным покупателем. M - целевой чек. Таким образом, образуется область, за которую нельзя выпускать клиента. Подскажите, пожалуйста, как высчитываются эти показатели?
И ещё вопрос - не обучаете ли вы SOSTAC ?
Спасибо!
Спасибо! А что может значит если частота получилась отрицательной?
Это значит, Вы где-то ошиблись. Не может клиент ходить минус один раз
Почему самые плохие клиенты, которых отсеяли, имеют наибольший товарооборот?
Не совсем понял вопрос.
На последнем кадре вы перепутали. Лучшие стали худшими, и наоборот.
Да, согласен. Есть ошибка
Потрібно розуміти на якому періоді частота використовується, і задати частоту між приходами, щоб дійсно визначити частоту
Тоді можна передбачити наступний пріход клієнта і суму яку він приблизно лишить, якщо звісно він лінійний, а не ситуативний.
Роман огромное спасибо за отличную видео инструкцию по РФМ анализу. Лучшую, на мой взгляд, в рунЭте.
Как продолжение - как можно визуализировать это всё дело? и следующий вид анализа - когортный, есть ли у вас видео по нему?
Спасибо.
Спасибо, визуализировать все это удобнее всего в SPSS. Постараюсь сделать видео в конце этой - начале следующей недели. Про когортный не слышал, интересно, посмотрю
Спасибо
здравствуйте, можно эту таблицу где то скачать для тренеровок?
Прямо эту не обещаю, давно дело было. Похожую выложу ссылкой.
Есть ещё одно видео по RFM, там более подробно. Посмотрите на канале.
огонь\
Ecxel
бред, разделить max-min на 3 равные части не = получить по 33% базы, =PERCENTILE.INC в помощь
Да, Вы правы по max-min - очень приближенное разделение, но понятное для большинства. SPSS - этот анализ вообще в три клика делает