用户行为分析模型——RFM模型

1. RFM模型

       RFM模型根据客户活跃程度和交易金额的贡献，进行客户价值细分的一种方法。

• R（Recency）——最近一次交易时间间隔。基于最近一次交易日期计算的得分，距离当前日期越近，得分越高。如5分制。反映客户交易活跃度。
• F（Frequency）——客户在最近一段时间内交易次数。基于交易频率计算的得分，交易频率越高，得分越高。如5分制。反映客户交易活跃度。
• M（Monetray）——客户最近一段时间内交易金额。基于交易金额计算的得分，交易金额越高，得分越高。如5分制。反映客户价值。
  RFM总分值：$RFM=RS\ast 100+FS\ast 10+MS\ast 1$

       RFM分析的主要作用：

• 识别优质客户。
• 可以制定个性化的沟通和营销服务，为更多的营销决策提供有力支持。
• 能够衡量客户价值和客户利润创收能力。

       RFM的假设前提：
       假设交易的可能性：

• 最近交易过的客户 > 最近没有交易过的
• 交易频率高的客户 > 交易频率低的
• 交易金额大的客户 > 交易金额小的

2. RFM模型分析应用

      RFM分析应用为客户分组，即将三个指标分别分为“高”和“低”两种，高于均值的为“高”，低于均值的为“低”。因此有三件事要做：计算出各个指标得分的平均值；将各个变量高于平均分的定义为“高”，低于平均分的定义为“低”；根据三个变量“高”“低”的组合来定义客户类型；如“高”“高”“高”为高价值客户。部分结果如下图：

       通过RFM方法，根据用户的属性数据分析，对用户进行了归类。在推送、转化等很多过程中，可以更加精准化，不至于出现用户反感的情景，更重要的是，对产品转化等商业价值也有很大的帮助。（当然也可以对RFM进行再聚类）
       企业用R、F的变化，可以推测客户消费的异动状况，根据客户流失的可能性，列出客户，再从M（消费金额）的角度来分析，就可以把重点放在贡献度高且流失机会也高的客户上，重点拜访或联系，以最有效的方式挽回更多的商机。

应用
比如对圈用户群发短信转化只有不到1%时，你可以用RFM做个分析，只选取R值高的用户(最近2周到最近一个月内消费的用户），转化率可以由1%提升到10%。

这也意味着，以往6元/订单将下降到0.6元/订单。掌柜们是愿意花600元给10000个用户发短信，得到100个订单，还是愿意花48元给800人发短信得到80个订单，相信大家一定会选后者。

而整体的RFM区分，则能够帮掌柜们针对不同的用户发不同的短信，短信的开头是用“好久不见”、还是用“恭喜你成为VIP”，就得看时重要保持客户还是重要价值用户了。只有能区分用户，才能走向精细化运营。