在用户运营范畴，有一个叫做RFM的词，信任很多人看到过，或许感觉比较专业就没有持续深化；或许有些文章触及到了python等数据处理手法，望而生畏；又或许由于这个词跟电商联系严密，所以非电商的运营同伴就挑选了抛弃学习。
今日主要是共享一下RFM模型在用户分层精细化运营范畴的运用办法和简略的实操事例。RFM模型更上一级隶归于用户价值模型，在用户价值模型中有两个方向：
一个是依据用户生命周期，也就是时刻和用户在产品内的生长途径进行的生命周期模型的建立
另一个就是依据用户要害行为进行的RFM模型的建立，本次只说用户价值模型中的RFM模型
RFM模型有哪些优点呢？当咱们断定了RFM模型之后，然后能够决议针对哪些用户在发送短信时，加上前缀“敬重的VIP用户”，哪些用户加上前缀“好久不见”。也能够帮忙企业判别哪些用户有异动，是否有丢失的征兆，然后添加相应的运营动作。用途之大，且看下文。
关于RFM的科普咱们能够自行在网络上查找，这儿不做赘述，先说一下三个字母的意思：
R：最近一次消费（recency），代表用户间隔当时终究一次消费的时刻，当然是最近一次消费的时刻距今越短越好，对咱们来说更有价值，更可能有用的去触达他们。
F：消费频次（frequency），用户在一段时刻内，在产品内的消费频次，重点是咱们对一段时刻的界说。
M：消费金额（monetary），代表用户的价值奉献。
最早是将R、F、M每个方向界说5个档，5*5*5=125种用户分类，对大部分运营和产品来说，过于杂乱，咱们能够不必去了解为何分红5档这样的历史问题。现在咱们现已把R、F、M每个方向界说为：高、低，两个方向，咱们找出R、F、M的中值，R=最近一次消费，高于中值就是高，低于中值就是低，这样就是2*2*2=8种用户分类，如下图：
所以，假如咱们能够找出产品内用户隶归于以上8类中的哪一类，咱们就能够针对性的拟定运营战略。
在做详细的RFM建立之前，我再着重一次，RFM模型不只适用于电商范畴，其他范畴相同适用。只需咱们找出跟R、F、M相关的数据字段，做好字段的界说，证明这些字段是影响当时事务展开的最为要害的几个维度即可：
R：最近一次登录时刻、最近一次发帖时刻、最近一次出资时刻、最近一次观看时刻
F：阅读次数、发帖次数、谈论次数
M：充值金额、打赏金额、谈论数、点赞数
上面这些都是在其它范畴对R、F、M的界说，详细要依据实践事务状况进行评价。比方你是豆瓣的运营负责人，发现曩昔一周，豆瓣图书版块的全体流量下降10%，一起，文学书本类别下的共享帖环比下降5%，你要去剖析原因，能够选取对应R、F、M的字段别离为：登录数、发帖数、互动数。
图书版块全体流量下降，能够理解为这个版块的活泼下降，能够看下曩昔一周的登录数。
文学书本类别下的共享帖下降5%，能够看下曩昔一周的发帖数。
一起，流量下降，咱们能够看下是否由于帖子质量相对下降，导致用户的互动（谈论、保藏等）下降，进而导致流量下降。
下面我以自己抓取的1w条某导购渠道的一套数据为例，带咱们运用最简略的办法，进行这套数据中用户RFM模型的建立，找出这8个类别的用户。
RFM模型建立过程如下：
抓取R、F、M三个维度下的原始数据
界说R、F、M的评价模型与中值
进行数据处理，获取R、F、M的值
参照评价模型与中值，对用户进行分层
针对不同层级用户指定运营战略
1、抓取R、F、M三个维度下的原始数据，我抓取是最近一次消费时刻、消费频次、消费金额。上文现已说过，在做各自事务剖析时，能够依据实践状况选取R、F、M的数据字段。下表是1w条数据中的13条进行展现：
2、我将1w条数据的最近一次消费时刻、消费频次、消费金额别离用占比趋势图进行处理，以消费频次为例，如下图：
咱们经过图表，能够看出1w条数据中，关于消费频次呈现了几个比较显着的断档，别离是：消费1次、消费2-5次、消费6-11次、消费12-17次、消费18次以上。所以，我把F值分为5档，F=1=消费1次，F=2=消费2-5次，F=3=消费6-11次，F=4=12-17次，F=5=18次以上。
同理，用上图的方法，我找出了R值和M值5档别离对应的数据区间。R=1=2天，R=2=3-8天，R=3=9-14天，R=4=15-22天，R=5=23天以上；M=1=600元，M=2=601-3800元，M=3=3801-6200元，M=4=6201-10000元，M=5=10001-15000元。
咱们得到RFM三个数据目标下的分档规范：
（R值是反向值，R值越大，用户价值越低；F值是正向值，F越大用户价值越高；M值是正向值，M值越大用户价值越大。）
3、核算1w条数据，每条数据下最近一次消费时刻、消费频次、消费金额对应的R、F、M值：
上图的核算方法比较简略，咱们在excel中写入if句子：
单元格E2=if（B2>23,5,if(B2>15,4,if(B2>9,3,if(B2>3,2))))）
解说：
假如B2大于23，则A1用户对应的R值=5，不然进入下一个if判别；
假如B2大于15，则A1用户对应的R值=4，不然进入下一个if判别；
假如B2大于9，则A1用户对应的R值=3，不然进入下一个if判别；
假如B2大于3，则A1用户对应的R值=2，不然进入下一个if盘点。
核算F值和M值的方法相同。
4、核算R、F、M的平均值，这一点咱们应该都会，直接求和再除以项数。R（ave）=2.9，F（ave）=1.8，M（ave）=2.7
5、将1w条数据每个用户的R值、F值、M值平和均值进行比较，高于平均值则标记为高，低于平均值则标记为低：
比较凹凸值，运用一个简略的if句子：H2=if（E2<2.9，“低”，“高”），F值和M值核算同理。
6、将每个用户的R、F、M值与中值别离进行比较，得出用户所属类别表：
每个用户的R值、F值、M值与中值进行比较，判别高或许低，进而断定用户归于上文所说RFM模型8类用户中的哪一类，这儿需求用到一个简略的if句子进行判别，咱们以A1用户为例，判别A1用户所属用户类别：K2=IF(AND(H2="高",I2="高",J2="高"),"重要价值用户", IF(AND(H2="高",I2="低",J2="高"),"重要展开用户",IF(AND(H2="低",I2="高",J2="高"),"重要坚持用户", IF(AND(H2="低",I2="低",J2="高"),"重要款留用户",IF(AND(H2="高",I2="高",J2="低"),"一般价值用户", IF(AND(H2="高",I2="低",J2="低"),"一般展开用户",IF(AND(H2="低",I2="高",J2="低"),"一般坚持用户","一般款留用户")))))))
一起，咱们点击excel中的“条件格局”，将文本中带有“高”字的设置一个绿色，带有“低”字的设置一个“赤色”，更便利咱们辨认。
至此，咱们得到了这1w条数据下用户的完好精细化分层，接下来，咱们能够依据分层成果做相应的运营战略详细展开执行作业。
7、依据用户分层成果拟定运营战略
拟定运营战略既要结合各类用户在产品中的占比，也要结合产品的实践事务逻辑。以此次某导购渠道用户分层为例，拟定如下战略：
有些小同伴在拟定战略时，直接甩上来一堆不能称之为战略的“计划”，比方针对“重要展开用户”，我给出的战略是“提高频次”，一切环绕提高频次的手法都能够去测验，而不是上来就拟定比方：发push、发券、打电话等计划，这些都是在战略支撑下的运营手法。战略自身一定是能够延伸和仿制的。
除了上述依据用户类别进行运营战略拟定，咱们还能够剖析1w条数据中，R值散布、F值散布、M值散布，依据三个数值的散布以及和中值的比较，针对最近一次消费时刻、消费频次、消费金额维度下做全体的运营，提高站内用户全体活泼、全体流程、拉动GMV等。
全体来说，RFM模型不是很难，但是有一些需求留意的点：
1、在抓取原始数据时，一定要结合实践事务来选取要害数据目标进行剖析，而不是千人一面的最近一次消费时刻、消费频次、消费金额。上文也给过豆瓣的事例，在豆瓣事例中，R=登录数、F=发帖数、M=互动数。
2、在界说R值、F值、M值的评价模型进行数据区间分隔时，也不是千人一面的用本文说述的看全体趋势，然后发现显着断档的方法进行，也能够用散点图、透视表、占比图等进行判别。一起，除了经过数据去发现断档，咱们能够依据自己的事务和业界的平均水平进行临界点的发现。比方针对滴滴、易道这样的打车软件，运用频次相对较高的肯定是作业日。所以，假如剖析滴滴的事务，F值消费频次的5个分档能够依据实践事务，以每5天作为一档，剖析近30天内的事务体现。比方F=1=5天以内，F=2=6-10天，F=3=11-15天，F=4=16-20天，F=5=21-30天。然后将提取的每个用户的消费频次和这5个档进行比较，断定每个用户的F值
3、关于中值的核算，最简略的是本文所说的平均值核算方法。除了平均值，还有二八规律，20%的用户发明了80%的收益，所以，能够将这个临界点作为每个用户R、F、M比较的目标。关于愈加杂乱的事务，能够寻求程序员帮忙，运用Means聚类算法进行精准取数。
4、除了本文所说选取3个中心事务目标进行穿插剖析，有些时分，咱们可能需求一起剖析4个、5个目标，或许只需求剖析2个目标。所以，不需求很呆板的运用本文的核算办法，要灵敏变通，这儿不再举例。
5、终究仍是要回归到运营上来，所以，针对不同分层用户的运营战略的拟定要结合实践，在拟定了运营战略之后，结合公司现有资源和手法展开详细的落地作业。
关于本文的内容，主张咱们实操测验。
