從事用戶運(yùn)營(yíng)多年值漫，一直都是在不斷摸索中成長(zhǎng)担孔。從畢業(yè)后進(jìn)入到國(guó)內(nèi)知名化妝品公司-電商事業(yè)部色洞，再到到國(guó)內(nèi)top3堅(jiān)果零食企業(yè)替蛉，一直都想花時(shí)間把自己對(duì)用戶這一塊的摸索積累記錄下來(lái)贯溅，同時(shí)用自己的實(shí)踐即使可以給大家一點(diǎn)點(diǎn)幫助也覺得很有意義。

今天想先談?wù)剛鹘y(tǒng)企業(yè)和電商談的較多的RFM模型躲查，在眾多的用戶價(jià)值分析模型中它浅，RFM模型是被廣泛被應(yīng)用的；RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段镣煮。

一姐霍、RFM模型概述

RFM模型是網(wǎng)點(diǎn)衡量當(dāng)前用戶價(jià)值和客戶潛在價(jià)值的重要工具和手段。RFM是Rencency（最近一次消費(fèi)），F(xiàn)requency（消費(fèi)頻率）镊折、Monetary（消費(fèi)金額）黔衡，三個(gè)指標(biāo)首字母組合，如圖所示：

RFM模型

R值：最近一次消費(fèi)（Recency）

消費(fèi)指的是客戶在店鋪消費(fèi)最近一次和上一次的時(shí)間間隔腌乡，理論上R值越小的客戶是價(jià)值越高的客戶盟劫，即對(duì)店鋪的回購(gòu)幾次最有可能產(chǎn)生回應(yīng)。目前網(wǎng)購(gòu)便利与纽，顧客已經(jīng)有了更多的購(gòu)買選擇和更低的購(gòu)買成本侣签，去除地域的限制因素，客戶非常容易流失急迂，因此CRM操盤手想要提高回購(gòu)率和留存率影所，需要時(shí)刻警惕R值。

如下圖僚碎，某零食網(wǎng)店用戶最近一次消費(fèi)R值分布圖（時(shí)間截至2016年12月31日）：

1猴娩、客戶R值呈規(guī)律性的“波浪形”分布，時(shí)間越長(zhǎng)勺阐，波浪越芯碇小；

2渊抽、最近一年內(nèi)用戶占比50%（真的很巧）蟆豫；

數(shù)據(jù)分析：這個(gè)數(shù)據(jù)根據(jù)向行業(yè)內(nèi)專業(yè)人員請(qǐng)教，已經(jīng)是比較理想了的懒闷。說明每引入2個(gè)客戶十减，就有一位用戶在持續(xù)購(gòu)買。說明店鋪復(fù)購(gòu)做的比較好愤估，R值在不斷的變?yōu)?帮辟。

F值：消費(fèi)頻率（Frequency）

消費(fèi)頻率是客戶在固定時(shí)間內(nèi)的購(gòu)買次數(shù)（一般是1年）。但是如果實(shí)操中實(shí)際店鋪由于受品類寬度的原因玩焰，比如賣3C產(chǎn)品由驹，耐用品等即使是忠實(shí)粉絲用戶也很難在1年內(nèi)購(gòu)買多次。所以震捣，一般店鋪在運(yùn)營(yíng)RFM模型時(shí)荔棉，會(huì)把F值的時(shí)間范圍去掉，替換成累計(jì)購(gòu)買次數(shù)蒿赢。

如下圖，某零食網(wǎng)店用戶購(gòu)買頻次圖（如1個(gè)客戶在1天內(nèi)購(gòu)買多筆訂單渣触，則自動(dòng)合并為1筆訂單）：

1羡棵、購(gòu)買1次（新客戶）占比為65.5%，產(chǎn)生重復(fù)購(gòu)買（老客戶）的占比為34.4%嗅钻；

2皂冰、購(gòu)買3次及以上（成熟客戶）的占比為17%店展，購(gòu)買5次及以上（忠實(shí)客戶）的占比為6%。

數(shù)據(jù)分析：影響復(fù)購(gòu)的核心因素是商品秃流，因此復(fù)購(gòu)不適合做跨類目比較赂蕴。比如食品類目和美妝類目：食品是屬于“半標(biāo)品”，產(chǎn)品的標(biāo)品化程度越高舶胀，客戶背叛的難度就越小概说，越難形成忠實(shí)用戶；但是相對(duì)美妝嚣伐，食品又屬于易耗品糖赔，消耗周期短，購(gòu)買頻率高轩端，相對(duì)容易產(chǎn)生重復(fù)購(gòu)買放典，因此跨類目復(fù)購(gòu)并不具有可比性。

M值：消費(fèi)金額（Monetary）

M值是RFM模型中相對(duì)于R值和F值最難使用基茵，但最具有價(jià)值的指標(biāo)奋构。大家熟知的“二八定律”（又名“帕雷托法則”）曾作出過這樣的解釋：公司80%的收入來(lái)自于20%的用戶。

這個(gè)數(shù)據(jù)我在自己所從事的公司總都得到過驗(yàn)證拱层！可能有些店鋪不會(huì)那么精確声怔，一般也很會(huì)控制在30%客戶貢獻(xiàn)70%收入舱呻，或者40%貢獻(xiàn)60%收入。

理論上M值和F值是一樣的，都帶有時(shí)間范圍，指的是一段時(shí)間（通常是1年）內(nèi)的消費(fèi)金額，在工作中我認(rèn)為對(duì)于一般店鋪的類目而言，產(chǎn)品的價(jià)格帶都是比較單一的行您，比如：同一品牌美妝類，價(jià)格浮動(dòng)范圍基本在某個(gè)特定消費(fèi)群的可接受范圍內(nèi)，加上單一品類購(gòu)買頻次不高，所以對(duì)于一般店鋪而言，M值對(duì)客戶細(xì)分的作用相對(duì)較弱。

所以我認(rèn)為用店鋪的累計(jì)購(gòu)買金額和平均客單價(jià)替代傳統(tǒng)的M值能更好的體現(xiàn)客戶消費(fèi)金額的差異。

教大家一個(gè)特別簡(jiǎn)單的累積金額劃分方法：將1/2的客單價(jià)作為累積消費(fèi)金額的分段嘉抓，比如客單價(jià)是300元，則按照150元進(jìn)行累計(jì)消費(fèi)金額分段，得出十個(gè)分段衙解。

現(xiàn)以國(guó)內(nèi)某知名化妝品店鋪舉例枫匾，店鋪平均客單為160元很泊，因此以80元作為間隔將累積消費(fèi)金額分段昏兆，從表中可以很明顯發(fā)現(xiàn)，累計(jì)消費(fèi)160元以下用戶占比為65.5%（近2/3），貢獻(xiàn)的店鋪收入比例只占31.6%（近1/3）虏两，具體如下：

二、基于RFM模型的實(shí)踐應(yīng)用

作為CRM操盤手引颈，主要有兩種方法來(lái)分析RFM模型的結(jié)果：用基于RFM模型的劃分標(biāo)準(zhǔn)來(lái)進(jìn)行客戶細(xì)分耕皮，用基于RFM模型的客戶評(píng)分來(lái)進(jìn)行客戶細(xì)分。

1蝙场、基于RFM模型進(jìn)行客戶細(xì)分

CRM實(shí)操時(shí)可以選擇RFM模型中的1-3個(gè)指標(biāo)進(jìn)行客戶細(xì)分凌停，如下表所示。切記細(xì)分指標(biāo)需要在自己可操控的合理范圍內(nèi)售滤，并非越多越好罚拟，一旦用戶細(xì)分群組過多台诗，一來(lái)會(huì)給自己的營(yíng)銷方案執(zhí)行帶來(lái)較大的難度，而來(lái)可能會(huì)遺漏用戶群或者對(duì)同個(gè)用戶造成多次打擾赐俗。

最終選擇多少個(gè)指標(biāo)有兩個(gè)參考標(biāo)準(zhǔn)：店鋪的客戶基數(shù)拉队，店鋪的商品和客戶結(jié)構(gòu)。

店鋪的客戶基數(shù)：在店鋪客戶一定的情況下選擇的維度越多阻逮，細(xì)分出來(lái)每一組的用戶越少粱快。對(duì)于店鋪基數(shù)不大（5萬(wàn)以下客戶數(shù)）的店鋪而言，選擇1-2個(gè)維度進(jìn)行細(xì)分即可叔扼。對(duì)于客戶超過50萬(wàn)的大賣家而言可以選擇2-3個(gè)指標(biāo)事哭。

店鋪的商品和客戶結(jié)構(gòu)：如果在店鋪的商品層次比較單一，客單價(jià)差異幅度不大的情況下瓜富，購(gòu)買頻次（F值）和消費(fèi)金額（M值）高度相關(guān)的情況下鳍咱，可以只選擇比較容易操作的購(gòu)買頻次（F值）代替消費(fèi)金額（M值）。對(duì)于剛剛開店還沒形成客戶粘性的店鋪与柑，則可以放棄購(gòu)買頻次（F值）谤辜，直接用最后一次消費(fèi)（R值）或者消費(fèi)金額（M值）。

通過RFM模型評(píng)分后輸出目標(biāo)用戶

除了直接用RFM模型對(duì)用戶進(jìn)行分組之外仅胞，還有一種常見的方法是利用RFM模型的三個(gè)屬性對(duì)客戶進(jìn)行打分每辟，通過打分確定每個(gè)用戶的質(zhì)量，最終篩選出自己的目標(biāo)用戶干旧。

RFM模型評(píng)分主要有三個(gè)部分：

1渠欺、確定RFM三個(gè)指標(biāo)的分段和每個(gè)分段的分值；

2椎眯、計(jì)算每個(gè)客戶RFM三個(gè)指標(biāo)的得分挠将；

3、計(jì)算每個(gè)客戶的總得分编整，并且根據(jù)總得分篩選出優(yōu)質(zhì)的客戶

比如舔稀，實(shí)操的過程中一般每個(gè)指標(biāo)分為3-5段，其中R值可以根據(jù)開店以來(lái)的時(shí)間和產(chǎn)品的回購(gòu)周期來(lái)判定掌测，F(xiàn)值根據(jù)現(xiàn)有店鋪的平均購(gòu)買頻次内贮，M值可參考上文客單價(jià)的分段指標(biāo)。

舉個(gè)例子：

確認(rèn)RFM的分段和對(duì)應(yīng)分段的分值之后汞斧，就可以按照用戶情況對(duì)應(yīng)進(jìn)行打分夜郁。

這個(gè)時(shí)候可能有人會(huì)對(duì)此產(chǎn)生質(zhì)疑，我如何驗(yàn)證這個(gè)給予的分值就是合理的呢粘勒？確實(shí)我也暫時(shí)沒有辦法給予和科學(xué)研究的回復(fù)竞端，如果需要驗(yàn)證的話，每次對(duì)用戶數(shù)據(jù)進(jìn)行導(dǎo)入之后庙睡，需要用算法模型進(jìn)行回歸驗(yàn)證事富。

但是這樣太復(fù)雜也太麻煩技俐，如果有朋友感興趣的話可以進(jìn)行驗(yàn)證，能夠根據(jù)不同店鋪的情況统台，對(duì)于每個(gè)指標(biāo)的賦值進(jìn)行一個(gè)更加科學(xué)合理的定值雕擂。

運(yùn)營(yíng)DEMO: RFM用戶價(jià)值模型的原理和應(yīng)用

在眾多的用戶價(jià)值分析模型中，RFM模型是被廣泛被應(yīng)用的饺谬；RFM模型是衡量客戶價(jià)值和客戶創(chuàng)利能力的重要工具和手段捂刺，在RFM模式中谣拣，R(Recency)表示客戶購(gòu)買的時(shí)間有多遠(yuǎn)募寨，F(xiàn)(Frequency)表示客戶在時(shí)間內(nèi)購(gòu)買的次數(shù)，M

(Monetary)表示客戶在時(shí)間內(nèi)購(gòu)買的金額森缠。

一般的分析型CRM著重在對(duì)于客戶貢獻(xiàn)度的分析拔鹰，RFM則強(qiáng)調(diào)以客戶的行為來(lái)區(qū)分客戶。在實(shí)際應(yīng)用中根據(jù)業(yè)務(wù)不同會(huì)有參考的數(shù)據(jù)維度也會(huì)有諸多變變種贵涵。

RFM模型的意義

RFM模型較為動(dòng)態(tài)地顯示了一個(gè)客戶的全部輪廓列肢，這對(duì)個(gè)性化的溝通和服務(wù)提供了依據(jù)，同時(shí)宾茂，如果與該客戶打交道的時(shí)間足夠長(zhǎng)瓷马，也能夠較為精確地判斷該客戶的長(zhǎng)期價(jià)值，通過改善三項(xiàng)指標(biāo)的狀況跨晴，從而為更多的營(yíng)銷決策提供支持欧聘。

RFM模型的應(yīng)用，旨在建立一個(gè)用戶行為報(bào)告端盆，這個(gè)報(bào)告會(huì)成為維系顧客的一個(gè)重要指標(biāo)怀骤。

所以RFM模型大量的應(yīng)用于營(yíng)銷層面，用以刺激新用戶持續(xù)的消費(fèi)焕妙、留存蒋伦。同時(shí)也能作為監(jiān)控業(yè)務(wù)用戶健康度的重要指標(biāo)，報(bào)告如果顯示上一次購(gòu)買很近的客戶焚鹊，人數(shù)如增加痕届，則表示該公司是個(gè)穩(wěn)健成長(zhǎng)的公司；反之末患，如上一次消費(fèi)為一個(gè)月的客戶越來(lái)越少研叫，則是該公司邁向不健全之路的征兆。

這里多提一句阻塑，單一功能性消費(fèi)的垂直業(yè)務(wù)蓝撇，常常會(huì)陷入只追求成交額的短期目標(biāo)，而忽視與用戶建立長(zhǎng)期的關(guān)系陈莽，與用戶持續(xù)保持往來(lái)渤昌，贏得用戶忠誠(chéng)度虽抄，是對(duì)業(yè)務(wù)更為長(zhǎng)效的目標(biāo)。

用客戶絕對(duì)貢獻(xiàn)金額來(lái)分析客戶是否流失独柑，有時(shí)會(huì)曲解客戶行為迈窟。因?yàn)槊總€(gè)商品價(jià)格可能不同，對(duì)不同產(chǎn)品的促銷有不同的折扣忌栅，所以采用相對(duì)的分級(jí)(例如R车酣、F、M都各分為五級(jí))來(lái)比較消費(fèi)者在級(jí)別區(qū)間的變動(dòng)索绪，則更可以顯現(xiàn)出相對(duì)行為湖员。

企業(yè)用R、F的變化瑞驱，可以推測(cè)客戶消費(fèi)的異動(dòng)狀況娘摔，根據(jù)客戶流失的可能性，列出客戶唤反，再?gòu)腗（消費(fèi)金額）的角度來(lái)分析凳寺，就可以把重點(diǎn)放在貢獻(xiàn)度高且流失機(jī)會(huì)也高的客戶上，重點(diǎn)拜訪或聯(lián)系彤侍，以最有效的方式挽回更多的用戶肠缨。

方法

運(yùn)用RFM模型一般是為了細(xì)分出最有價(jià)值的用戶，利用有限的營(yíng)銷資源重點(diǎn)投入盏阶，從而價(jià)值產(chǎn)出最大化晒奕；基于這個(gè)目的，我們通常需要將細(xì)分出的用戶按照RFM模型給出的分級(jí)排序般哼，從最好到最差吴汪，然后什么都保持正常的方式，如果一段周期內(nèi)蒸眠，業(yè)務(wù)結(jié)果和你的排序一致漾橙，那么說明你的細(xì)分能夠相對(duì)準(zhǔn)確地將有價(jià)值的用戶從整體用戶中劃分出來(lái)。

通常運(yùn)營(yíng)團(tuán)隊(duì)會(huì)不斷的驗(yàn)證和修訂維度楞卡，用于提升會(huì)員運(yùn)營(yíng)的效率霜运，將預(yù)算花在該花的地方。

用戶行為是持續(xù)變動(dòng)的蒋腮，在用戶距上一次購(gòu)買時(shí)間滿一個(gè)月之后淘捡，在數(shù)據(jù)庫(kù)里就成為消費(fèi)為兩個(gè)月的客戶；反之池摧，同一天焦除，消費(fèi)為3個(gè)月前的客戶作了其下一次的購(gòu)買，他就成為消費(fèi)為一天前的顧客作彤，也就有可能在很短的期間內(nèi)就收到新的營(yíng)銷信息膘魄；不斷的調(diào)整模型劃分人群乌逐，然后對(duì)比業(yè)務(wù)結(jié)果，去驗(yàn)證這套模型的準(zhǔn)確性创葡。而模型應(yīng)用過程中涉及到一種算法和決策樹模型浙踢。

K-means算法是硬聚類算法，是典型的基于原型的目標(biāo)函數(shù)聚類方法的代表灿渴，它是數(shù)據(jù)點(diǎn)到原型的某種距離作為優(yōu)化的目標(biāo)函數(shù)洛波，利用函數(shù)求極值的方法得到迭代運(yùn)算的調(diào)整規(guī)則。

K-means算法以歐式距離作為相似度測(cè)度骚露，它是求對(duì)應(yīng)某一初始聚類中心向量V最優(yōu)分類蹬挤，使得評(píng)價(jià)指標(biāo)J最小。算法采用誤差平方和準(zhǔn)則函數(shù)作為聚類準(zhǔn)則函數(shù)荸百。好吧闻伶，我承認(rèn)這玩意兒太繞口，建議有興趣的去看看詰屈聱牙的原詞百科够话。

決策樹模型是非常基礎(chǔ)的數(shù)學(xué)定律光绕，它決定邏輯推理的過程女嘲，并且在現(xiàn)有信息的基礎(chǔ)上，決定各種可能的替代選項(xiàng)的置信度诞帐。

很多商業(yè)決策都存在不確定性欣尼，在面對(duì)不確定性時(shí)，決策樹可以幫助選擇最佳行動(dòng)方針停蕉。雖然決策者不知道未知的后果會(huì)怎樣愕鼓，但是他一般對(duì)可能的后果及各自發(fā)生的可能性有所了解。了解的這些信息可以用來(lái)選出能獲得最大收益的選項(xiàng)慧起，也就是用戶下次會(huì)不會(huì)繼續(xù)消費(fèi)菇晃。

案例

會(huì)員運(yùn)營(yíng)團(tuán)隊(duì)的預(yù)算相對(duì)于龐大的用戶規(guī)模，通常會(huì)捉襟見肘蚓挤，所以當(dāng)我們的預(yù)算不多磺送，而且只能提供服務(wù)信息給小規(guī)模的重點(diǎn)用戶時(shí)，RFM模型就派上用場(chǎng)了灿意。

這樣的營(yíng)銷所節(jié)省下來(lái)的成本會(huì)很可觀 估灿。結(jié)合這三個(gè)核心指標(biāo)，我們把顧客分成多個(gè)類別缤剧，對(duì)其進(jìn)行數(shù)據(jù)分析馅袁，然后制定我們的營(yíng)銷策略。

以某垂直功能型互聯(lián)網(wǎng)業(yè)務(wù)為例荒辕，隨機(jī)抽取100萬(wàn)用戶樣本汗销，進(jìn)行數(shù)據(jù)分析芒粹；

時(shí)間間隔：以提取樣本的時(shí)間點(diǎn)與用戶最后一次消費(fèi)時(shí)間作差，看時(shí)間間隔平均為多少天大溜。

消費(fèi)頻次：用戶的消費(fèi)行為平均為幾次化漆，最大多少次，最小多少次钦奋。

消費(fèi)金額：用戶消費(fèi)金額平均為多少座云，最大最小分別是的多少。

使用K-means方法付材，對(duì)樣本集進(jìn)行聚類朦拖，通常分為8類。

把聚類結(jié)果分為訓(xùn)練集（30%）和測(cè)試集（70%）厌衔，根據(jù)訓(xùn)練集生成決策樹模型璧帝。

通過RFM分析將客戶群體劃分成一般保持客戶、一般發(fā)展客戶富寿、一般價(jià)值客戶睬隶、一般挽留客戶、重要保持客戶页徐、重要發(fā)展客戶苏潜、重要價(jià)值客戶、要挽留客戶等八個(gè)級(jí)別变勇；

通過對(duì)比業(yè)務(wù)結(jié)果不斷修訂完善模型的同時(shí)恤左，用營(yíng)銷手段進(jìn)一步擴(kuò)大重要價(jià)值用戶群（考慮時(shí)間短、頻次高搀绣、消費(fèi)高）飞袋。

結(jié)語(yǔ)

消費(fèi)、消費(fèi)頻率链患、消費(fèi)金額是測(cè)算消費(fèi)者價(jià)值最重要也是最容易的方法巧鸭，這充分的表現(xiàn)了這三個(gè)指標(biāo)對(duì)營(yíng)銷活動(dòng)的指導(dǎo)意義，但不代表這三個(gè)指標(biāo)牢不可破锣险，例如嘀嘀（快車蹄皱、專車、順風(fēng)車多業(yè)務(wù)類型）和支付寶（多功能場(chǎng)景）這種芯肤，業(yè)務(wù)方除了消費(fèi)金額巷折、頻次頻次以外，在制定補(bǔ)貼策略的時(shí)候崖咨，還會(huì)考慮用戶的跨場(chǎng)景使用锻拘，越多的功能業(yè)務(wù)場(chǎng)景被使用，意味著用戶忠誠(chéng)度越高，這個(gè)時(shí)候?qū)⒛Ｐ偷暮诵闹笜?biāo)增加或者調(diào)換署拟，就可以實(shí)際應(yīng)用到輔佐補(bǔ)貼策略上了婉宰，這也是為什么別人領(lǐng)券能領(lǐng)5塊錢，你只能領(lǐng)1塊錢推穷，別人為啥能領(lǐng)到快車券心包，你只能領(lǐng)到接機(jī)專車券的原因了。