用户研究：基于RFM模型细分用户

数据，是一切分析的前提。 在数据驱动的时代，数据已经变得越来越重要。

谁掌握了数据，谁就赢得了用户、市场和流量。

比如一些做数据监控、用户征信、风控管理、数据接口及数据分析的公司，积累了大量的数据后，就会搭建一个提供数据服务平台，从而实现数据的商业化价值。
数据的价值不在于数据本身，而在于设计有价值的指标，并通过科学有效的手段去分析。 对用户的数据进行分析，关键在于如何选择一个高效的分析模型？
我们可以综合业务流程、应用场景、运营指标和分析策略去选择模型，进而对数据进行分析，最终得到分析结果，以便采取下一步运营策略。
数据分析过程常用的分析模型有： PEST分析法、4P营销理论、逻辑树分析法与RFM模型等。
在日常数据运营过程中，对用户进行精细化营销时，最常用的一个模型是RFM模型。
RFM模型是一种基于用户消费行为的人群细分方法。

RFM模型从用户的业务数据中提取了三个指标： 最近一次消费时间(Recency)、消费频率 (Frequency)、消费金额 (Monetary)。 这三个指标可以衡量用户的活跃度、忠诚度和贡献度。

• R（Recency）： 最近一次消费时间，即用户最近一次消费距离现在的时间。 R值越大，表示消费时间越近，一定程度上体现了用户的活跃度。

• F（Frequency）： 消费频率，即用户在统计周期内消费的次数。 F值越大，表示消费频率越高，一定程度上体现了用户的忠诚度。

• M（Monetary）： 消费金额，即用户在统计周期内消费的金额。 M值越大，表示消费金额越高，一定程度上体现了用户的贡献度。

通过R、F、M三个维度，将用户有效地细分为8个具有不同价值的群体： 重要价值客户、重要发展用户、重要挽留用户、重要保持客户、一般价值客户、一般发展用户、一般挽留客户与一般保持客户。


RFM模型被广泛被应用在金融领域，以P2P平台出借人为例，我们根据浏览、充值与投资等维度，重新定义RFM模型，并将其量化为具体的分析指标。

• 最近消费时间（Recency）： 最近浏览时间、最近充值时间、最近投资时间。

• 消费频率（Frequency）： 浏览次数、充值次数、投资次数。

• 消费金额（Monetary）： 充值金额、投资金额。

比如我们要统计近三个月内的投资情况，并细分用户价值。 首先，确定R、F、M每个维度对应范围内的分值。

R	F	M	分值
<=2天	>30次	>50万	5
<=7天	<=30次	<=50万	4
<=30天	<=15次	<=20万	3
<=60天	<=5次	<=10万	2
>60天	<=1次	<=5万	1

其次，去系统后台或数据库爬取数据后，根据出借人的最近投资投资距今多少天、累计投资次数、累计投资金额进行打分。

用户ID	R	F	M
1	2	4	3
2	4	2	5
3	5	5	1
· · ·	· · ·	· · ·	· · ·
n-1	3	1	4
n	4	5	5
平均值	3.75	2.23	2.86

然后，对比打分表、分值表和平均值，确定R、F、M每个维度的高低取值，以便确认客户类型。

用户ID	R	F	M	分类
1	低	高	高	重要保持客户
2	高	低	高	重要发展客户
3	高	高	低	一般价值客户
· · ·	· · ·	· · ·	· · ·	· · ·
n-1	低	低	高	重要挽留客户
n	高	高	高	重要价值客户

接着，统计各个客户类型的总数，其中，重要价值客户25200、重要保持客户58260、重要发展客户42766、重要挽留客户25432、一般价值客户388670、一般保持客户178620、一般发展客户367000、一般挽留客户82489。

R分类	F分类	M分类	客户类型	合计
高	高	高	重要价值客户	25200
低	高	高	重要保持客户	58260
高	低	高	重要发展客户	42766
低	低	高	重要挽留客户	25432
高	高	低	一般价值客户	388670
低	高	低	一般保持客户	178620
高	低	低	一般发展客户	367000
低	低	低	一般挽留客户	82489

最后将得到的用户数据可视化，以便我们采取针对性的运营策略，实现更加精准化营销。

• 重要价值客户： 最近投资时间近、投资频次高、投资金额高的出借人。 这类客户价值大是平台的“金主”，需要重点服务，争取价值最大化。

• 重要保持客户： 最近投资时间久、投资频次高、投资金额高的出借人。 这类客户价值大但活跃度不高，需要主动回访，并和他保持联系。

• 重要发展客户： 最近投资时间近、投资频次低、投资金额高的出借人。 这类客户价值大但忠诚度不高，需要重点发展，挖掘沉默的潜力。

• 重要挽留客户： 最近投资时间久、投资频次低、投资金额高的出借人。 这类客户价值大但贡献度不高，需要采取措施，去挽留或唤醒。

• 一般价值客户： 最近投资时间近、投资频次高、投资金额低的出借人。 作为普通客户，保持现有状态，采取一对多的形式去服务。

• 一般保持客户： 最近投资时间久、投资频次高、投资金额低的出借人。 作为沉默客户，可以尝试唤醒，但不要消耗太多的资源。

• 一般发展客户： 最近投资时间近、投资频次低、投资金额低的出借人。 作为新增客户，需要合理引导，将其转化为高净值用户。

• 一般挽留客户： 最近投资时间久、投资频次低、投资金额低的出借人。 作为睡眠客户，基本是要放弃，杜绝羊毛党和黑名单用户。

用RFM模型做数据分析就是为了找出有价值的用户，以便区分不同出借人对公司带来的不同效益。
根据二八定律： 80%的效益来自20%的出借人投资，所以我们要把80%的资源花在能出关键效益的20%的优质客户上。
公司的资源和人力是有限的，没法做到服务好每一种类型的客户。 这些客户群体是我们的目标用户和关键资源，因此我们要重点关注重要价值客户、重要保持客户、重要发展客户与重要挽留客户。
对于以上四类优质客户，我们可以制定个性化服务和运营策略，并针对这部分用户进行差异化的营销。

• 重要价值客户： 可采取定向推送大额高利息标的的方式。

• 重要保持客户： 可采取投资标的可加息或返现的方式。

• 重要发展客户： 可采取建立用户成长激励体系的方式。

• 重要挽留客户： 可采取投资即可获得抽奖机会的方式。

RFM模型是衡量客户价值的重要工具，为我们做数据分析提供了一种思路与方法。 在工作中，RFM模型可以指导产品经理做出更为客观与理性的决策。
数据分析是必修课之一，掌握一定的数据分析能力，可以更好的提升工作效率。
很多企业在招聘产品经理时，会把数据分析能力作为硬性条件，要求掌握数据分析的基本原理与分析方法，并能运用到工作中。
在充满竞争的职场，最先理解数据并擅长数据分析的产品经理，将成为职场赢家。

来源 |产品经理朱学敏（ID：PM_Link）

作者|朱学敏；编辑 | 放开那芒果

内容仅代表作者独立观点，不代表早读课立场。如需转载，请联系原作者。