用RFM模型为基础的讨论

很感谢4月16日默默关注我的会议的朋友们。在此，我对于会议的内容谈谈自己的想法，希望对大家日后的工作有所帮助。

一. 成为一名会换位思考的人其实并不难，难就难在不会做报表。

如果各位朋友有时间的话，我建议大家仔细读一下《微观经济学》这本书，对数据分析的刚刚入门的朋友来说，了解基础的经济常识是非常有必要的，我之前有很多朋友都是计算机出身，对于微经来说基本是为0，但在此我要充分的告诉你们，数据分析就是供决策所用，所以你要尽可能多在实践中让自己学会换位思考和制定决策，可以把自己当成老板，看看你的判断和老板的判断是否有偏差，从而不断提高自己的业务能力。很多时候，我会和我身边一起战斗的程序猿们说一句话，那就是，你们能不能别老盯着你们17寸+的屏幕，多看看外面的世界。只有自己开阔了眼界，你的报表才能有说服力，学会沟通，学会闭嘴，学会聆听。

二. 不要觉得数据模型高大上，数据模型其实就是一个代入公式。

对于任何经济学的模型来说，对于经济学不理解的人来说总会用一句话告诉自己，这么复杂的公式我到底应该怎么用？但对于实际的经济数学模型来说，作为电商的卖家来说，你需要做的仅仅是把已知条件带入到公式里，就产生了结果。然后针对于不同的结果仔细研究导致这些问题到底是因何出现的，自己要给自己充分的时间来思考，进而想得到的结果，一定要学会是沉淀。其实RFM模型在电商行业中的数据分析模型已经使用了很长一段时间，从整个电商行业来看，不管是传统电商或者是微商的卖家来说，使用RFM模型来分析自己的客户，这样你会发现，各种各样的算法会随之接踵而来，而你需要做的就是把数据进行代入。我觉得经济模型就是一种实际上是把社会中发生的现象抽象成一个可分析的框架里，我们需要做的就是分析和解读。先利用报表的不同点位的分布，找到这些点位的共同之处，同时引入不同维度加以分析，相信你很快就能明白到底是什么样的原因导致这样的分析结果产生。这也算是延伸的一部分，同时RFM模型也会发生变形，这点在我看到了一个引申的问题就在于客户流失率的算法，但我们现在把时间回到前面RFP(Product)、RFR(Region)、RFSS(Sales Skill)我都非常遗憾的没有人看到有人在论坛里问到，所以我还是希望大家不要仅仅关注一个点，而忘记了面的存在性。

三. 大数据时代的连接，可比性更容易发挥出我们的问题

我不太确定大家是否对《大数据时代》这本书有过很深的研究，其实作为一个数据的分析者来说，我们其实并不是一个机器。在短时间内的不断进步，确实需要我们认真思考。其实在这个信息爆炸的年代，如何帮助企业获得最准确的信息，获得知己知彼的关键信息，就是要充分了解到企业的业务模式和同行的比较。在大数据年代，同质化的产品非常多，同质化的服务也非常多。所以如何帮企业通过数据发现本质的问题其实就显得非常重要了。很多时候，企业的盈利模式其实并不单单只靠价格。举个例子来说，在京东，我现在想买一个足球，通过搜索后发现同样品牌的足球有不同的加盟店，而每个加盟店的价格缺不尽相同。那么这个时候，我们最少能发现一个有意思的数字，那就是用平均价格。那么你就能发现在这个平均价格的所组成的点位如果加上成交量作为纵坐标，你会发现单一产品的因价格不同交易数据也会发生变化，其实你就能告诉企业你看到的结果。越来越多的店铺，越来越多的信息量，其实都是你都要去接受摆在眼前的现实，那为何不进行假设呢？大数据时代的电商行业，不管是传统网页的销售平台，还是App，或者是微商，品牌女装折扣店特卖觉得如果你的信息量不够多，挖掘的不够彻底的话，那么你会发现各种碰壁，原因就是因为你掌握的数据不够全，分析的不够透彻，精工细作也就是这样，一定要用多维的眼光看一维的世界，那么你就可以获得更多的好评。