在用戶運(yùn)營領(lǐng)域调衰，有一個叫做RFM的詞膊爪，相信很多人看到過，或許感覺比較專業(yè)就沒有繼續(xù)深入嚎莉；或者有些文章涉及到了python等數(shù)據(jù)處理手段米酬，望而卻步；又或者因?yàn)檫@個詞跟電商關(guān)系緊密趋箩，所以非電商的運(yùn)營伙伴就選擇了放棄學(xué)習(xí)淮逻。
今天主要是分享一下RFM模型在用戶分層精細(xì)化運(yùn)營領(lǐng)域的應(yīng)用方法和簡單的實(shí)操案例琼懊。RFM模型更上一級隸屬于用戶價值模型，在用戶價值模型中有兩個方向：
一個是基于用戶生命周期爬早，也就是時間和用戶在產(chǎn)品內(nèi)的成長路徑進(jìn)行的生命周期模型的搭建
另一個就是基于用戶關(guān)鍵行為進(jìn)行的RFM模型的搭建而柑，本次只說用戶價值模型中的RFM模型
RFM模型有哪些好處呢赏淌？當(dāng)我們確定了RFM模型之后再膳，從而可以決定針對哪些用戶在發(fā)送短信時忘巧，加上前綴“尊敬的VIP用戶”，哪些用戶加上前綴“好久不見”桨啃。也可以幫助企業(yè)判斷哪些用戶有異動车胡，是否有流失的預(yù)兆，從而增加相應(yīng)的運(yùn)營動作照瘾。用處之大匈棘，且看下文。
關(guān)于RFM的科普大家可以自行在網(wǎng)絡(luò)上搜索析命，這里不做贅述主卫，先說一下三個字母的意思：
R：最近一次消費(fèi)（recency），代表用戶距離當(dāng)前最后一次消費(fèi)的時間鹃愤，當(dāng)然是最近一次消費(fèi)的時間距今越短越好簇搅，對我們來說更有價值，更可能有效的去觸達(dá)他們软吐。
F：消費(fèi)頻次（frequency）瘩将，用戶在一段時間內(nèi)，在產(chǎn)品內(nèi)的消費(fèi)頻次凹耙，重點(diǎn)是我們對一段時間的定義姿现。
M：消費(fèi)金額（monetary），代表用戶的價值貢獻(xiàn)肖抱。
最早是將R备典、F、M每個方向定義5個檔虐沥，5*5*5=125種用戶分類熊经，對大部分運(yùn)營和產(chǎn)品來說泽艘，過于復(fù)雜欲险，大家可以不用去了解為何分成5檔這樣的歷史問題。現(xiàn)在我們已經(jīng)把R匹涮、F天试、M每個方向定義為：高、低然低，兩個方向喜每，我們找出R务唐、F、M的中值带兜，R=最近一次消費(fèi)枫笛，高于中值就是高，低于中值就是低刚照，這樣就是2*2*2=8種用戶分類刑巧，如下圖：
所以，如果我們能夠找出產(chǎn)品內(nèi)用戶隸屬于以上8類中的哪一類无畔，我們就可以針對性的制定運(yùn)營策略啊楚。
在做具體的RFM搭建之前，我再強(qiáng)調(diào)一次浑彰，RFM模型不僅適用于電商領(lǐng)域恭理，其他領(lǐng)域同樣適用。只要我們找出跟R郭变、F颜价、M相關(guān)的數(shù)據(jù)字段，做好字段的定義饵较，證明這些字段是影響當(dāng)前業(yè)務(wù)進(jìn)展的最為關(guān)鍵的幾個維度即可：
R：最近一次登錄時間拍嵌、最近一次發(fā)帖時間、最近一次投資時間循诉、最近一次觀看時間
F：瀏覽次數(shù)横辆、發(fā)帖次數(shù)、評論次數(shù)
M：充值金額茄猫、打賞金額狈蚤、評論數(shù)、點(diǎn)贊數(shù)
上面這些都是在其它領(lǐng)域?qū)划纽、F脆侮、M的定義，具體要根據(jù)實(shí)際業(yè)務(wù)情況進(jìn)行評估勇劣。比如你是豆瓣的運(yùn)營負(fù)責(zé)人靖避，發(fā)現(xiàn)過去一周，豆瓣圖書版塊的整體流量下降10%比默，同時幻捏，文學(xué)書籍類別下的分享帖環(huán)比下降5%，你要去分析原因命咐，可以選取對應(yīng)R篡九、F、M的字段分別為：登錄數(shù)醋奠、發(fā)帖數(shù)榛臼、互動數(shù)伊佃。
圖書版塊整體流量下降，可以理解為這個版塊的活躍下降沛善，可以看下過去一周的登錄數(shù)航揉。
文學(xué)書籍類別下的分享帖下降5%，可以看下過去一周的發(fā)帖數(shù)金刁。
同時迷捧，流量下降，我們可以看下是否因?yàn)樘淤|(zhì)量相對下降胀葱，導(dǎo)致用戶的互動（評論漠秋、收藏等）下降，進(jìn)而導(dǎo)致流量下降抵屿。
下面我以自己抓取的1w條某導(dǎo)購平臺的一套數(shù)據(jù)為例庆锦，帶大家使用最簡單的方法，進(jìn)行這套數(shù)據(jù)中用戶RFM模型的搭建轧葛，找出這8個類別的用戶搂抒。
RFM模型搭建步驟如下：
抓取R、F尿扯、M三個維度下的原始數(shù)據(jù)
定義R求晶、F、M的評估模型與中值
進(jìn)行數(shù)據(jù)處理衷笋，獲取R芳杏、F、M的值
參照評估模型與中值辟宗，對用戶進(jìn)行分層
針對不同層級用戶指定運(yùn)營策略
1爵赵、抓取R、F泊脐、M三個維度下的原始數(shù)據(jù)空幻，我抓取是最近一次消費(fèi)時間、消費(fèi)頻次容客、消費(fèi)金額秕铛。上文已經(jīng)說過，在做各自業(yè)務(wù)分析時缩挑，可以根據(jù)實(shí)際情況選取R但两、F、M的數(shù)據(jù)字段调煎。下表是1w條數(shù)據(jù)中的13條進(jìn)行展示：
2镜遣、我將1w條數(shù)據(jù)的最近一次消費(fèi)時間己肮、消費(fèi)頻次士袄、消費(fèi)金額分別用占比趨勢圖進(jìn)行處理悲关，以消費(fèi)頻次為例，如下圖：
大家通過圖表娄柳，可以看出1w條數(shù)據(jù)中寓辱，關(guān)于消費(fèi)頻次出現(xiàn)了幾個比較明顯的斷檔，分別是：消費(fèi)1次赤拒、消費(fèi)2-5次秫筏、消費(fèi)6-11次、消費(fèi)12-17次挎挖、消費(fèi)18次以上这敬。所以，我把F值分為5檔蕉朵，F(xiàn)=1=消費(fèi)1次崔涂，F(xiàn)=2=消費(fèi)2-5次，F(xiàn)=3=消費(fèi)6-11次始衅，F(xiàn)=4=12-17次冷蚂，F(xiàn)=5=18次以上。
同理汛闸，用上圖的方式蝙茶，我找出了R值和M值5檔分別對應(yīng)的數(shù)據(jù)區(qū)間。R=1=2天诸老，R=2=3-8天隆夯，R=3=9-14天，R=4=15-22天别伏，R=5=23天以上吮廉；M=1=600元，M=2=601-3800元畸肆，M=3=3801-6200元宦芦，M=4=6201-10000元，M=5=10001-15000元轴脐。
我們得到RFM三個數(shù)據(jù)指標(biāo)下的分檔標(biāo)準(zhǔn)：
（R值是反向值调卑，R值越大，用戶價值越低大咱；F值是正向值恬涧，F(xiàn)越大用戶價值越高；M值是正向值碴巾，M值越大用戶價值越大溯捆。）
3、計算1w條數(shù)據(jù)厦瓢，每條數(shù)據(jù)下最近一次消費(fèi)時間提揍、消費(fèi)頻次啤月、消費(fèi)金額對應(yīng)的R、F劳跃、M值：
上圖的計算方式比較簡單谎仲，我們在excel中寫入if語句：
單元格E2=if（B2>23,5,if(B2>15,4,if(B2>9,3,if(B2>3,2))))）
解釋：
如果B2大于23，則A1用戶對應(yīng)的R值=5刨仑，否則進(jìn)入下一個if判斷郑诺；
如果B2大于15，則A1用戶對應(yīng)的R值=4杉武，否則進(jìn)入下一個if判斷辙诞；
如果B2大于9，則A1用戶對應(yīng)的R值=3轻抱，否則進(jìn)入下一個if判斷倘要；
如果B2大于3，則A1用戶對應(yīng)的R值=2十拣，否則進(jìn)入下一個if盤點(diǎn)封拧。
計算F值和M值的方式一樣。
4夭问、計算R泽西、F、M的平均值缰趋，這一點(diǎn)大家應(yīng)該都會捧杉，直接求和再除以項(xiàng)數(shù)。R（ave）=2.9秘血，F(xiàn)（ave）=1.8味抖，M（ave）=2.7
5、將1w條數(shù)據(jù)每個用戶的R值灰粮、F值仔涩、M值和平均值進(jìn)行比較，高于平均值則標(biāo)記為高粘舟，低于平均值則標(biāo)記為低：
比較高低值熔脂，使用一個簡單的if語句：
H2=if（E2<2.9，“低”柑肴，“高”）霞揉，F(xiàn)值和M值計算同理。
6晰骑、將每個用戶的R适秩、F、M值與中值分別進(jìn)行比較，得出用戶所屬類別表：
每個用戶的R值秽荞、F值骤公、M值與中值進(jìn)行比較，判斷高或者低蚂会，進(jìn)而確定用戶屬于上文所說RFM模型8類用戶中的哪一類，這里需要用到一個簡單的if語句進(jìn)行判斷耗式，我們以A1用戶為例胁住，判斷A1用戶所屬用戶類別：
K2=IF(AND(H2="高",I2="高",J2="高"),"重要價值用戶", IF(AND(H2="高",I2="低",J2="高"),"重要發(fā)展用戶",IF(AND(H2="低",I2="高",J2="高"),"重要保持用戶", IF(AND(H2="低",I2="低",J2="高"),"重要挽留用戶",IF(AND(H2="高",I2="高",J2="低"),"一般價值用戶", IF(AND(H2="高",I2="低",J2="低"),"一般發(fā)展用戶",IF(AND(H2="低",I2="高",J2="低"),"一般保持用戶","一般挽留用戶")))))))
同時，我們點(diǎn)擊excel中的“條件格式”刊咳，將文本中帶有“高”字的設(shè)置一個綠色彪见，帶有“低”字的設(shè)置一個“紅色”，更方便我們識別娱挨。
至此余指，我們得到了這1w條數(shù)據(jù)下用戶的完整精細(xì)化分層，接下來跷坝，大家可以根據(jù)分層結(jié)果做相應(yīng)的運(yùn)營策略具體開展執(zhí)行工作酵镜。
7、根據(jù)用戶分層結(jié)果制定運(yùn)營策略
制定運(yùn)營策略既要結(jié)合各類用戶在產(chǎn)品中的占比柴钻，也要結(jié)合產(chǎn)品的實(shí)際業(yè)務(wù)邏輯淮韭。以此次某導(dǎo)購平臺用戶分層為例，制定如下策略：
有些小伙伴在制定策略時贴届，直接甩上來一堆不能稱之為策略的“方案”靠粪，比如針對“重要發(fā)展用戶”，我給出的策略是“提升頻次”毫蚓，所有圍繞提升頻次的手段都可以去嘗試占键，而不是上來就制定比如：發(fā)push、發(fā)券元潘、打電話等方案畔乙，這些都是在策略支撐下的運(yùn)營手段。策略本身一定是可以延伸和復(fù)制的翩概。
除了上述根據(jù)用戶類別進(jìn)行運(yùn)營策略制定啸澡，我們還可以分析1w條數(shù)據(jù)中，R值分布氮帐、F值分布嗅虏、M值分布，基于三個數(shù)值的分布以及和中值的比較上沐，針對最近一次消費(fèi)時間皮服、消費(fèi)頻次、消費(fèi)金額維度下做整體的運(yùn)營，提升站內(nèi)用戶整體活躍龄广、整體流程硫眯、拉動GMV等。
整體來說择同，RFM模型不是很難两入，但是有一些需要注意的點(diǎn)：
1、在抓取原始數(shù)據(jù)時敲才，一定要結(jié)合實(shí)際業(yè)務(wù)來選取關(guān)鍵數(shù)據(jù)指標(biāo)進(jìn)行分析裹纳，而不是千篇一律的最近一次消費(fèi)時間、消費(fèi)頻次紧武、消費(fèi)金額剃氧。上文也給過豆瓣的案例，在豆瓣案例中阻星，R=登錄數(shù)朋鞍、F=發(fā)帖數(shù)、M=互動數(shù)妥箕。
2滥酥、在定義R值、F值畦幢、M值的評估模型進(jìn)行數(shù)據(jù)區(qū)間分隔時恨狈，也不是千篇一律的用本文說述的看整體趨勢，從而發(fā)現(xiàn)明顯斷檔的形式進(jìn)行呛讲，也可以用散點(diǎn)圖禾怠、透視表、占比圖等進(jìn)行判斷贝搁。同時吗氏，除了通過數(shù)據(jù)去發(fā)現(xiàn)斷檔，我們可以基于自己的業(yè)務(wù)和業(yè)內(nèi)的平均水平進(jìn)行臨界點(diǎn)的發(fā)現(xiàn)雷逆。比如針對滴滴弦讽、易道這樣的打車軟件，使用頻次相對較高的肯定是工作日膀哲。所以往产，如果分析滴滴的業(yè)務(wù)，F(xiàn)值消費(fèi)頻次的5個分檔可以基于實(shí)際業(yè)務(wù)某宪，以每5天作為一檔仿村，分析近30天內(nèi)的業(yè)務(wù)表現(xiàn)。比如F=1=5天以內(nèi)兴喂，F(xiàn)=2=6-10天蔼囊，F(xiàn)=3=11-15天焚志，F(xiàn)=4=16-20天，F(xiàn)=5=21-30天畏鼓。然后將提取的每個用戶的消費(fèi)頻次和這5個檔進(jìn)行比較酱酬，確定每個用戶的F值
3、對于中值的計算云矫，最簡單的是本文所說的平均值計算方式膳沽。除了平均值，還有二八法則让禀，20%的用戶創(chuàng)造了80%的收益挑社，所以，可以將這個臨界點(diǎn)作為每個用戶R堆缘、F滔灶、M比較的對象普碎。對于更加復(fù)雜的業(yè)務(wù)吼肥，可以尋求程序員協(xié)助，使用Means聚類算法進(jìn)行精準(zhǔn)取數(shù)麻车。
4缀皱、除了本文所說選取3個核心業(yè)務(wù)指標(biāo)進(jìn)行交叉分析，有些時候动猬，我們可能需要同時分析4個啤斗、5個指標(biāo)，或者只需要分析2個指標(biāo)赁咙。所以钮莲，不需要很死板的使用本文的計算方法，要靈活變通彼水，這里不再舉例崔拥。
5、最終還是要回歸到運(yùn)營上來凤覆，所以链瓦，針對不同分層用戶的運(yùn)營策略的制定要結(jié)合實(shí)際，在制定了運(yùn)營策略之后盯桦，結(jié)合公司現(xiàn)有資源和手段開展具體的落地工作慈俯。
對于本文的內(nèi)容，建議大家實(shí)操嘗試拥峦。
作者：戴震Chris
鏈接：http://www.reibang.com/p/aafb9cc348a9
來源：簡書
簡書著作權(quán)歸作者所有贴膘，任何形式的轉(zhuǎn)載都請聯(lián)系作者獲得授權(quán)并注明出處。
