精细化运营：用RFM做用户分层

 

RFM模型不难，是一个人人都可以上手的模型，运用范围很广泛，运营、销售、市场等都可以在工作中使用到。

今天给大家介绍一下RFM模型及如何利用RFM模型进行用户分析。

RFM模型不难，是一个人人都可以上手的模型，运用范围很广泛，互联网运营、电商运营、销售、市场等都可以在工作中使用到。

一、 RFM模型介绍

1、 RFM模型是众多客户关系管理（CRM）分析方法中的一种，能够方便快速有效的量化用户价值和创利能力。

2、 RFM模型有三个要素，分别是：Recency（最近一次交易距今时间）、Frequency（交易频率）、Monetary（交易金额）。

R值（最近一次交易距今时间）

用户最近一次交易距今的时间。间隔时间越短，则值越大，这类客户也是最有可能对活动产生反应的群体。

F值（交易频率）

用户在限定的时间内所购买的次数。最常购买的顾客，也是满意度、忠诚度最高的顾客。

M值（交易金额）

用户的交易金额，可以分为累计交易金额和平均每次交易金额，根据不同的目的取不同的数据源进行建模分析。

3、根据三个值的指标，进行分类，可以得出下面这个8个分类。

 

R值、F值、M值分别计算出均值，然后根据用户的数据就可以填入相应的客户类型。“↑”表示大于均值，“↓”表示小于均值。

二、 利用RFM模型进行用户细分

1、 一维分析

一维顾名思义，就是利用R F M三个分类中的一个分类，来进行用户分析。在不需要非常精确数据的时候，可以利用一维分析快速做出决定。同时也适用于一些数据量比较少或特定用户等。

比如仅针对M值进行分层，可以根据讲用户分为低消费用户和高消费用户；或者低级、中级、高级等。大家熟知的“二八定律”（又名“帕雷托法则”）曾作出过这样的解释：公司80%的收入来自于20%的用户，那么在一些活动的时候，就可以针对高消费用户作出一些倾斜。

 

2、 二维分析

在某些情况下，我们只需要利用R F M三个分类中的两个来分类即可，比方说某客单价单一的电商店铺，因为大家的M值都差不多，所以只需要针对R值和F值进行分类分析即可。

下面利用我之前的一个案例，给大家做个演示

 

表格中的数据分类不是死的，各位需要分析自己公司的业务，从而进行调整，选择合适于自己的数据。

通过这样一个表格，就可以非常清晰的知道用户的情况。

• 1象限的用户属于流失用户，可以不用理会。
• 越接近右上角的象限，属于越优质的用户，无论是购买力或者忠诚度都是越高的
• 1-5象限的用户，只要购买一次，就会变成10象限用户；同理16-20象限用户，只要再购买一次，就会变成25象限的用户。

接着就是针对不同象限的用户采用不同的对策，该召回的召回，该放弃的放弃，集中火力进攻关键用户。然后再不断的调整-尝试-优化-总结-优化，确实出最优方案。

 

3、 三维分析

如果顺利理解了二维分析，其中三维分析也并不难，只不过是在之前的基础上增加一个维度。

那么很多人会问，如果三个维度都采用5个分类，那么最终会有5X5X5=125个象限，这也太多了吧？

其中在真正的应用中，并不需要把象限分的那么精细，可以根据公司业务情况进行考量。比如R F M各分2个值，那么一共8个象限；R:F:M=3:3:3，那么就是27个象限。

RFM模型只是提供一种思路和方法，使用的人不能闭门造车，还是要先了解公司业务，对用户有一定的了解，这样才可以将RFM模型的作用最大化。

谢谢大家。