如何进行用户分层，实现精细化运营？

本文作者主要是分享一下RFM模型在用户分层精细化运营领域的应用方法和简单的实操案例。enjoy~

在用户运营领域，有一个叫做RFM的词，相信很多人看到过，或许感觉比较专业就没有继续深入；或者有些文章涉及到了python等数据处理手段，望而却步；又或者因为这个词跟电商关系紧密，所以非电商的运营伙伴就选择了放弃学习。

今天主要是分享一下RFM模型在用户分层精细化运营领域的应用方法和简单的实操案例。

RFM模型更上一级隶属于用户价值模型，在用户价值模型中有两个方向：

一个是基于用户生命周期，也就是时间和用户在产品内的成长路径进行的生命周期模型的搭建另一个就是基于用户关键行为进行的RFM模型的搭建，本次只说用户价值模型中的RFM模型

RFM模型有哪些好处呢？当我们确定了RFM模型之后，从而可以决定针对哪些用户在发送短信时，加上前缀“尊敬的VIP用户”，哪些用户加上前缀“好久不见”。也可以帮助企业判断哪些用户有异动，是否有流失的预兆，从而增加相应的运营动作。用处之大，且看下文。

关于RFM的科普大家可以自行在网络上搜索，这里不做赘述，先说一下三个字母的意思：

R：最近一次消费（recency），代表用户距离当前最后一次消费的时间，当然是最近一次消费的时间距今越短越好，对我们来说更有价值，更可能有效的去触达他们。F：消费频次（frequency），用户在一段时间内，在产品内的消费频次，重点是我们对一段时间的定义。M：消费金额（monetary），代表用户的价值贡献。

最早是将R、F、M每个方向定义5个档，555=125种用户分类，对大部分运营和产品来说，过于复杂，大家可以不用去了解为何分成5档这样的历史问题。现在我们已经把R、F、M每个方向定义为：高、低，两个方向，我们找出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222=8种用户分类，如下图：

所以，如果我们能够找出产品内用户隶属于以上8类中的哪一类，我们就可以针对性的制定运营策略。

在做具体的RFM搭建之前，我再强调一次，RFM模型不仅适用于电商领域，其他领域同样适用。只要我们找出跟R、F、M相关的数据字段，做好字段的定义，证明这些字段是影响当前业务进展的最为关键的几个维度即可：

R：最近一次登录时间、最近一次发帖时间、最近一次投资时间、最近一次观看时间F：浏览次数、发帖次数、评论次数M：充值金额、打赏金额、评论数、点赞数

上面这些都是在其它领域对R、F、M的定义，具体要根据实际业务情况进行评估。比如你是豆瓣的运营负责人，发现过去一周，豆瓣图书版块的整体流量下降10%，同时，文学书籍类别下的分享帖环比下降5%，你要去分析原因，可以选取对应R、F、M的字段分别为：登录数、发帖数、互动数。

图书版块整体流量下降，可以理解为这个版块的活跃下降，可以看下过去一周的登录数。文学书籍类别下的分享帖下降5%，可以看下过去一周的发帖数。同时，流量下降，我们可以看下是否因为帖子质量相对下降，导致用户的互动（评论、收藏等）下降，进而导致流量下降。

下面我以自己抓取的1w条某导购平台的一套数据为例，带大家使用最简单的方法，进行这套数据中用户RFM模型的搭建，找出这8个类别的用户。

RFM模型搭建步骤如下：

抓取R、F、M三个维度下的原始数据定义R、F、M的评估模型与中值进行数据处理，获取R、F、M的值参照评估模型与中值，对用户进行分层针对不同层级用户指定运营策略

（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间、消费频次、消费金额。上文已经说过，在做各自业务分析时，可以根据实际情况选取R、F、M的数据字段。下表是1w条数据中的13条进行展示：

（2）我将1w条数据的最近一次消费时间、消费频次、消费金额分别用占比趋势图进行处理，以消费频次为例，如下图：

大家通过图表，可以看出1w条数据中，关于消费频次出现了几个比较明显的断档，分别是：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，用上图的方式，我找出了R值和M值5当分别对应的数据区间。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。

我们得到RFM三个数据指标下的分档标准：

（R值时反向值，R值越大，用户价值越低；F值时正向值，F越大用户价值越高；M值时正向值，M值越大用户价值越大。）

（3）计算1w条数据，每条数据下最近一次消费时间、消费频次、消费金额对应的R、F、M值：

上图的计算方式比较简单，我们在excel中写入if语句：

单元格E2=if（B2>23,5,if(B2>15,4,if(B2>9,3,if(B2>3,2))))）

解释：

如果B2大于23，则A1用户对应的R值=5，否则进入下一个if判断；如果B2大于15，则A1用户对应的R值=4，否则进入下一个if判断；如果B2大于9，则A1用户对应的R值=3，否则进入下一个if判断；如果B2大于3，则A1用户对应的R值=2，否则进入下一个if盘点。

计算F值和M值的方式一样。

（4）计算R、F、M的平均值，这一点大家应该都会，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值和平均值进行比较，高于平均值则标记为高，低于平均值则标记为低：

比较高低值，使用一个简单的if语句：

H2=if（E2<2.9，“低”，“高”），F值和M值计算同理。

（6）将每个用户的R、F、M值与中值分别进行比较，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，判断高或者低，进而确定用户属于上文所说RFM模型8类用户中的哪一类，这里需要用到一个简单的if语句进行判断，我们以A1用户为例，判断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”),”重要发展用户”,IF(AND(H2=”低”,I2=”高”,J2=”高”),”重要保持用户”, IF(AND(H2=”低”,I2=”低”,J2=”高”),”重要挽留用户”,IF(AND(H2=”高”,I2=”高”,J2=”低”),”一般价值用户”, IF(AND(H2=”高”,I2=”低”,J2=”低”),”一般发展用户”,IF(AND(H2=”低”,I2=”高”,J2=”低”),”一般保持用户”,”一般挽留用户”)))))))

同时，我们点击excel中的“条件格式”，将文本中带有“高”字的设置一个绿色，带有“低”字的设置一个“红色”，更方便我们识别。

至此，我们得到了这1w条数据下用户的完整精细化分层，接下来，大家可以根据分层结果做相应的运营策略具体开展执行工作。

（7）根据用户分层结果制定运营策略

制定运营策略既要结合各类用户在产品中的占比，也要结合产品的实际业务逻辑。以此次某导购平台用户分层为例，制定如下策略：

有些小伙伴在制定策略时，直接甩上来一堆不能称之为策略的“方案”，比如针对“重要发展用户”，我给出的策略是“提升频次”，所有围绕提升频次的手段都可以去尝试，而不是上来就制定比如：发push、发券、打电话等方案，这些都是在策略支撑下的运营手段。策略本身一定是可以延伸和复制的。

除了上述根据用户类别进行运营策略制定，我们还可以分析1w条数据中，R值分布、F值分布、M值分布，基于三个数值的分布以及和中值的比较，针对最近一次消费时间、消费频次、消费金额维度下做整体的运营，提升站内用户整体活跃、整体流程、拉动GMV等。

整体来说，RFM模型不是很难，但是有一些需要注意的点：

在抓取原始数据时，一定要结合实际业务来选取关键数据指标进行分析，而不是千篇一律的最近一次消费时间、消费频次、消费金额。上文也给过豆瓣的案例，在豆瓣案例中，R=登录数、F=发帖数、M=互动数。在定义R值、F值、M值的评估模型进行数据区间分隔时，也不是千篇一律的用本文说述的看整体趋势，从而发现明显断档的形式进行，也可以用散点图、透视表、占比图等进行判断。同时，除了通过数据去发现断档，我们可以基于自己的业务和业内的平均水平进行临界点的发现。比如针对滴滴、易道这样的打车软件，使用频次相对较高的肯定是工作日。所以，如果分析滴滴的业务，F值消费频次的5个分档可以基于实际业务，以每5天作为一档，分析近30天内的业务表现。比如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，确定每个用户的F值对于中值的计算，最简单的是本文所说的平均值计算方式。除了平均值，还有二八法则，20%的用户创造了80%的收益，所以，可以将这个临界点作为每个用户R、F、M比较的对象。对于更加复杂的业务，可以寻求程序员协助，使用Means聚类算法进行精准取数。除了本文所说选取3个核心业务指标进行交叉分析，有些时候，我们可能需要同时分析4个、5个指标，或者只需要分析2个指标。所以，不需要很死板的使用本文的计算方法，要灵活变通，这里不再举例。最终还是要回归到运营上来，所以，针对不同分层用户的运营策略的制定要结合实际，在制定了运营策略之后，结合公司现有资源和手段开展具体的落地工作。

对于本文的内容，建议大家实操尝试。

作者：Chris，授权青瓜传媒发布。

来源：产品运营（pm-2020）