用戶分層-RFM分層方法論

我們都知道嗜历,所有的運營工作都是圍繞著用戶展開的。運營策略從某種程度來說阻荒,就是資源對用戶的有效分配懒构。那么,知道什么用戶應該制定什么樣的運營策略趣竣,就尤為重要了摇庙,而這就要依賴于我們的用戶分層了。

在運營過程中遥缕,用戶分層的作用很明顯卫袒,它能幫助我們把用戶分成各個層次和群體,然后我們根據(jù)各個層次和群體的不同单匣,才能有的放矢的制定出更精準夕凝、更有針對性的運營策略。

我們在運營工作中户秤,經常會聽到“用戶畫像”码秉、“用戶分層”、“用戶分群”這幾個詞鸡号,貌似有些類似特別是后面兩個转砖,但如果嚴格說的話,還是有區(qū)別的鲸伴。

  • 用戶畫像:一般體現(xiàn)的是用戶的客觀屬性府蔗。如性別、年齡汞窗、職業(yè)等礁竞,一般是不以用戶的主觀意愿所轉移的。
  • 用戶分層:一般體現(xiàn)的是用戶在產品上所處的狀態(tài)杉辙。比如免費用戶模捂、活躍用戶、付費用戶蜘矢、高額付費用戶等狂男,由于是“層”嘛,所以它有一個層級的概念品腹,有一個狀態(tài)遞進的過程岖食,大多是呈漏斗形的形狀。而且用戶的層級一般不會分的太多舞吭。
  • 用戶分群:一般體現(xiàn)的是用戶的行為表現(xiàn)上泡垃。比如說頻次低單價高析珊、頻次高單價低,這兩種用戶可能都屬于高額付費用戶蔑穴,但表現(xiàn)形式不一樣忠寻,所以所處的群也是不一樣,所對應的運營策略也是不一樣的存和。也可以認為用戶分群是用戶分層的進一步精細化過程奕剃。

本篇準確地說應該是包括了“用戶分層+用戶分群”,這里就統(tǒng)稱為用戶分層了捐腿。而本篇我們也會通過一個實例纵朋,用一張Excel表作為工具,從零開始一步一步的完成一次用戶分層過程茄袖。

關于用戶分層操软,我們需先明白以下幾點:

一、用戶分層在不同的行業(yè)中是不一樣的宪祥,而且可能是多樣化的聂薪。

比如滴滴打車,用軟件打車的人是一種用戶品山;司機也是一種用戶;廣告商也是一種用戶烤低。如果要做用戶分層的話肘交,就需要對這三種類型的用戶分別做一套不同的用戶分層體系。

二扑馁、用戶分層在產品發(fā)展的不同階段會有不同的變化涯呻。

比如我們區(qū)分價值用戶和一般用戶,

初期我們產品少腻要,一個月買2次化200元錢可能就是我們的價值用戶了复罐。

隨著公司的發(fā)展我們產品的不斷增多,需要一個月買10次化5000元才有能算是我們的價值用戶了雄家。

三效诅、用戶分層需要定性和定量

如上面的例子一樣,我們需要對用戶有一個定性的過程趟济,如價值用戶乱投、一般用戶,或者VIP顷编,超級VIP等等戚炫;然后必須要對此進行定量,比如消費多少金額才能算價值用戶媳纬。

那么如何用科學化的手段進行一次用戶分析双肤,以確定各用戶群體的行為特征施掏,完成一次用戶分層的過程,就必須要說到經典的RFM用戶模型了茅糜。如下圖:

image

RFM模型歷史悠久七芭,其理論知識這里就不闡述了,簡單的說就是通過最近一次消費(Recency)限匣、消費頻率(Frequency)抖苦、消費金額(Monetary)這三個指標,然后把每個指標按照實際的情況米死,分成5檔锌历,一共形成了125類的用戶。然后為了執(zhí)行方便峦筒,把125類的用戶歸納成8大類究西,如下圖,最后根據(jù)這8大類用戶的情況制定運營策略物喷。

image

這里要說明的一點是卤材,RFM模型不是互聯(lián)網(wǎng)時代的產物,事實上在傳統(tǒng)行業(yè)里也用的很廣峦失,所以其指標主要針對的是付費用戶扇丛。如果我們的互聯(lián)網(wǎng)產品用戶人群是免費用戶,一樣可以用這個RFM模型并使用它的方法尉辑,只是指標換成了最后一次登錄帆精、登錄頻率、產品使用時間隧魄。

接下來我們就用實例來操作一遍:

我們現(xiàn)在手上有500份付費用戶數(shù)據(jù)卓练,包含(用戶、最后一次消費時間間隔购啄、消費頻率襟企、消費金額)四個字段,我們如何進行用戶分層并制定有效運營策略呢狮含?

第一步:我們把數(shù)據(jù)導入或粘貼到Excel當中顽悼,再原有的4個表頭基礎上,再增加R值几迄、F值表蝙、M值三個表頭。做好這樣一張Excel表乓旗,如下圖:

image

(此處只選10條數(shù)據(jù)做實例)

第二步:分別確定好RFM這三個指標五檔的標準府蛇。

這是比較難的一步,因為不同的行業(yè)不同的產品不同的階段都有不同的劃分標準屿愚。比如消費金額汇跨,1000個用戶里面务荆,最低1元,最高10000元穷遂。大部分情況下函匕,20%的用戶占據(jù)了80%的金額,而80%的用戶占了20%的金額蚪黑,是一個長尾的分布效果盅惜。所以我們不能簡單的用最高金額/5,或者用戶總數(shù)/5的平均分法忌穿,這樣分出來的結果不能代表一個擁有類似行為表現(xiàn)的群體抒寂。

這個主要還是依靠大家在本身各自行業(yè)中的理解和實際場景需求來確定了。當然掠剑,如果我們實在沒有什么頭緒的話屈芜,我們可以通過散點圖大致分辨一下,如下圖:

image

大家可以看到朴译,通過散點圖井佑,我們可以比較直觀的看清用戶的分布(上圖為用戶的消費金額分布)。我們去分檔的時候就盡可能的將密集的一部分分在一起眠寿,這樣躬翁,該檔用戶群體的行為共性也就更大一點。

需要說明的是盯拱,這不是一個很嚴謹?shù)姆址ê蟹ⅲ枰蠹以趯嶋H過程中進行不斷的調整。而如果我們面臨海量數(shù)據(jù)的時候坟乾,最好是通過聚類算法等技術手段迹辐,才能更加科學精準的幫助我們進行判斷蝶防。

以本例來說甚侣,我們最后定下了RFM各個指標下的五個分檔標準。如圖:

image

第三步:分別計算出每條記錄的R间学、F殷费、M值。

我們通過在Excel里面加入if判斷低葫,自動計算出該記錄對應的R详羡、F、M值嘿悬,比如我們RFM分層表中实柠,0001用戶對應的R值,

即單元格E3:=IF(B3>10,1,IF(B3>8,2,IF(B3>5,3, IF(B3>3,4,5))))

我們來解釋一下這條if判斷語句:

  • 如果B3>10,那么其R值為1善涨,否則進入下一個判斷窒盐;
  • 如果B3>8,那么其R值為2草则,否則進入下一個判斷;
  • 如果B3>5,那么其R值為3蟹漓,否則進入下一個判斷炕横;
  • 如果B3>3,那么其R值為4,否則為5葡粒;

同樣的算法份殿,我們寫出計算每一條記錄F值和M值的判斷條件。

F3=IF(C3>10,5,IF(C3>8,4,IF(C3>6,3, IF(C3>3,2,1))))

G3= =IF(D3>5000,5,IF(D3>3000,4,IF(D3>2000,3, IF(D3>800,2,1))))

然后嗽交,我們把Excel的單元格往下拉卿嘲,最后形成這樣的圖:

image

第四步:分別算出總的R、F轮纫、M的平均值腔寡。

這一步比較簡單,我們以上全部算完之后掌唾,再最下面增加一行放前,用AVERAGE()計算出以上所有行數(shù)的平均值。如圖:

image

第五步:根據(jù)每條記錄的R糯彬、F凭语、M值和所有記錄的平均值,判斷出每條記錄的R撩扒、F似扔、M值是在平均值之上,還是平均值之下搓谆。

首選炒辉,我們先增加三個表頭,如圖:

image

然后泉手,我們用每一條記錄的R值來R的平均值進行比較黔寇,如果<平均值則顯示“低”,如果大于等于則顯示“高”斩萌。

我們還是用If判斷語句進行自動判斷缝裤,以上圖為例,用戶0001的“R高低值”即:

  • H3=IF(E3<E13,”低”,”高”)颊郎,同理憋飞,
  • F高低值I3=IF(F3<F13,”低”,”高”)
  • M高低值J3=IF(G3<G13,”低”,”高”)

這樣,我們就變成了下圖:

image

這個時候姆吭,我們發(fā)現(xiàn)了一個問題榛做,當我們把單元格往下拉的時候,E3固然變成了E4,但E13也變成了E14检眯,由于E13是一個固定格子的數(shù)字升敲,我們不希望它隨著單元格的下拉而改變。我們就需要在if語句中在E13兩邊加上“$”這個符號了轰传。

如下:

  • R高低值H3=IF(E3< E13,”低”,”高”)
  • F高低值I3=IF(F3< F13,”低”,”高”)
  • M高低值J3=IF(G3< G13,”低”,”高”)

同時驴党,為了更直觀,我們設置一個條件格式获茬,若文本中含有“高”則背景色為紅色港庄,若含有“低”則背景色為綠色。這時候再往下拖一下單元格恕曲,就變成這樣拉鹏氧,如圖:

image

第六步:根據(jù)比較值,進行八大類的歸類佩谣。

接下來把还,我們就要根據(jù)我們的“R高低值”“F高低值”“M高低值”,自動計算出我們的用戶層級拉茸俭。我們先加個表頭“用戶層級”吊履。

這一次,我們要寫一串稍微長一點的IF判斷語句调鬓,如下:

  • K3=IF(AND(H3=”高”,I3=”高”,J3=”高”),”重要價值用戶”, IF(AND(H3=”高”,I3=”低”,J3=”高”),”重要發(fā)展用戶”,
  • IF(AND(H3=”低”,I3=”高”,J3=”高”),”重要保持用戶”, IF(AND(H3=”低”,I3=”低”,J3=”高”),”重要挽留用戶”,
  • IF(AND(H3=”高”,I3=”高”,J3=”低”),”一般價值用戶”, IF(AND(H3=”高”,I3=”低”,J3=”低”),”一般發(fā)展用戶”,
  • IF(AND(H3=”低”,I3=”高”,J3=”低”),”一般保持用戶”,”一般挽留用戶”)))))))

本文所寫的都是在Excel里面的IF判斷語句艇炎,建議大家能夠自己寫一下,不想寫或寫不出也沒關系腾窝,直接保存好上面的if語句Copy一下直接用就行了(修改一下單元格的序號就可以了)缀踪。

最后,如下圖:

image

當然虹脯,我們還可以在用戶層級的表頭上加上“篩選”功能驴娃,可以直接搜索到我們需要的那些用戶。大家也可以通過不同的顏色來區(qū)分不同的用戶層級循集,這個就自由發(fā)揮拉唇敞。

image

好了,到這里暇榴,我們就已經通過用一張Excel表厚棵,完成了一次用戶分層的全過程蕉世。這張表最后的效果是蔼紧,就像一個程序一樣,我們任意輸入三個RFM數(shù)字狠轻,表格將自動會跳出這個用戶的層級奸例。 大家保存好這張excel表,以后用起來套一下就可以了,效率是相當快的查吊。大家可以嘗試自己從頭做一遍谐区,若有需要的話可在留言區(qū)留下郵箱,我會發(fā)送給大家逻卖。

第七步:形成圖表

完成后上面六步之后宋列,我們已經得到了完成用戶分層之后的所有用戶記錄,這時我們需要做成圖表的形式评也,開個會炼杖、做個匯報啥的,如下圖:

image

第八步:制定運營策略

回到我們上面說的盗迟,做用戶分層的目的是為了有的放矢的制定出更精準坤邪、更有針對性的運營策略。所以罚缕,我們最終我們還是回到制定運營策略上來艇纺。我們的例子可參考下圖:

image

再接下來要如何具體實施和執(zhí)行,就不在本篇文章的范疇里了邮弹。

小結

用戶分層是運營過程中非常重要的一個環(huán)節(jié)黔衡,快速的進行用戶分層也是我們必備的一個方法。我們把用戶分的層腌乡,其實用戶本身是不知道的员帮。如果我們分一個層級讓用戶知道,不僅知道而且還非常喜歡导饲,以此來不斷引導用戶進行自我層級的上升捞高。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市渣锦,隨后出現(xiàn)的幾起案子硝岗,更是在濱河造成了極大的恐慌,老刑警劉巖袋毙,帶你破解...
    沈念sama閱讀 212,383評論 6 493
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件型檀,死亡現(xiàn)場離奇詭異,居然都是意外死亡听盖,警方通過查閱死者的電腦和手機胀溺,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,522評論 3 385
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來皆看,“玉大人仓坞,你說我怎么就攤上這事⊙鳎” “怎么了无埃?”我有些...
    開封第一講書人閱讀 157,852評論 0 348
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我嫉称,道長侦镇,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,621評論 1 284
  • 正文 為了忘掉前任织阅,我火速辦了婚禮壳繁,結果婚禮上,老公的妹妹穿的比我還像新娘荔棉。我一直安慰自己氮趋,他們只是感情好,可當我...
    茶點故事閱讀 65,741評論 6 386
  • 文/花漫 我一把揭開白布江耀。 她就那樣靜靜地躺著剩胁,像睡著了一般。 火紅的嫁衣襯著肌膚如雪祥国。 梳的紋絲不亂的頭發(fā)上昵观,一...
    開封第一講書人閱讀 49,929評論 1 290
  • 那天,我揣著相機與錄音舌稀,去河邊找鬼啊犬。 笑死,一個胖子當著我的面吹牛壁查,可吹牛的內容都是我干的觉至。 我是一名探鬼主播,決...
    沈念sama閱讀 39,076評論 3 410
  • 文/蒼蘭香墨 我猛地睜開眼睡腿,長吁一口氣:“原來是場噩夢啊……” “哼语御!你這毒婦竟也來了?” 一聲冷哼從身側響起席怪,我...
    開封第一講書人閱讀 37,803評論 0 268
  • 序言:老撾萬榮一對情侶失蹤应闯,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后挂捻,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體碉纺,經...
    沈念sama閱讀 44,265評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,582評論 2 327
  • 正文 我和宋清朗相戀三年刻撒,在試婚紗的時候發(fā)現(xiàn)自己被綠了骨田。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 38,716評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡声怔,死狀恐怖态贤,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情捧搞,我是刑警寧澤抵卫,帶...
    沈念sama閱讀 34,395評論 4 333
  • 正文 年R本政府宣布,位于F島的核電站胎撇,受9級特大地震影響介粘,放射性物質發(fā)生泄漏。R本人自食惡果不足惜晚树,卻給世界環(huán)境...
    茶點故事閱讀 40,039評論 3 316
  • 文/蒙蒙 一姻采、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧爵憎,春花似錦慨亲、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,798評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至愚铡,卻和暖如春蛉签,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背沥寥。 一陣腳步聲響...
    開封第一講書人閱讀 32,027評論 1 266
  • 我被黑心中介騙來泰國打工碍舍, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人邑雅。 一個月前我還...
    沈念sama閱讀 46,488評論 2 361
  • 正文 我出身青樓片橡,卻偏偏與公主長得像,于是被迫代替她去往敵國和親淮野。 傳聞我的和親對象是個殘疾皇子捧书,可洞房花燭夜當晚...
    茶點故事閱讀 43,612評論 2 350