定义|从0开始教你做CRM「2」：客户标签怎么做？( 二 )

模型标签的定义就需要产品人对行业和客户有足够深入的了解才能够准确定义，一般都是由产品专家来定义。
这里分享几个已经由前辈大佬们定义好的3种常见的主流的模型标签，很多情况下我们可以直接拿来用。
1）RFM模型
RFM模式是由美国数据库营销研究所Arthur Hughes提出来的，他研究出客户数据库中有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（Frequency）
消费金额（Monetary）

可以通过RFM分析将客户群体划分成一般保持客户、一般发展客户、一般价值客户、一般挽留客户、重要保持客户、重要发展客户、重要价值客户、要挽留客户等八个级别。

文章插图
2）客户忠诚度模型
客户忠诚度模型的基本核心，是由Reichheld和Sasser于1990年提出。当时的观点是：
根据行业的不同，客户保留度每提高5%，利润可提高25%到85%。
客户忠诚度的计算公式如下：

文章插图
L代表客户忠诚度，t是消费周期，n代表时间周期，s代表消费次数、活跃次数等，计算结果L的值越大，说明客户忠诚度越高。
客户忠诚度计算举例：

文章插图
3）客户状态模型
客户状态是指客户与品牌之间联系的紧密度，通常以顾客的消费频次作为主要判断依据。只有认清楚了每一个客户与品牌之间饿紧密程度，才能够对不同状态客户做不同的营销。例如，对低活跃度客户进行促活活动，对流失客户进行挽回活动等。以下是关于客户状态的模型举例：

文章插图
3. 预测标签预测标签是指根据客户的模型标签，来预测客户未来的行为或者偏好。例如一个客户一周活跃了两次，后面出现了一个月都不活跃的情况，那么就预测这个客户即将流失。一般预测都是还没有实际发生的，不能够直接取到这个事实，但是可以根据过去的经验预测。
四、实操案例1. 明确商业目标客户标签体系的建立都是为了一定的商业目标服务的，在构建标签体系之前，应该明确想要达成什么样的商业目标。
举个简单的例子，例如一家线上教育公司，每个月都有老用户流失，这家公司希望能够提前预测有哪些用户可能会流失，那么就可以搭建一个标签体系，方便在客户真正流失之前能够及时挽回客户。
2. 定义标签框架由于商业目标是挽回即将流失的客户，降低公司的损失。这个时候我们就会用到预测标签，也就是说根据客户的行为预测客户将来会做的行为。
预测标签是基于模型标签，模型标签是基于事实标签，从这几个维度尝试对规则进行定义并一层一层整理出框架：
那么可以通过行为筛选出这部分客户，对他们进行挽回的营销策略。
如何高效筛选出这部分客户呢？
3. 设计基于预测标签的CRM打标功能功能来自于需求，若公司需要能够减少客户的流失，那么就可以用到预测标签为即将流失的客户打标，如果客户量不大，我们完全可以用excel表格去记录数据。但是如果公司的客群量级已经达到一定规模，这样的方式就效率太低了，这个时候才会用到标签工具，对客户自动打标，提高效率。系统的本质就是效率工具。
那么该如何基于业务设计预测标签的打标工具呢？
1）首先，梳理业务场景，画出业务流程图。如何能够提高业务筛选这部分客户的效率？