用户分层精细化运营-RFM模型-分类模型

为什么引入RFM模型?

在营销活动中，每个客户的价值因其购买能力和实际需求的不同而各不相同，寻找一种工具来辨别客户价值至关重要。客户价值模型的建立可以对客户进行排序分类，然后对客户进行个性化营销。

什么是RFM 模型?

RFM模型的三个指标：
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。
每个轴设定一个中间值，高于中间值则为高，低于中间值则为低。
通过三个指标将用户分为8个类别。

RFM模型的使用场景

三个维度可根据需求进行变化：
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

互动行为：最近一次互动时间、互动频次、用户的互动次数；
直播行为：最近一次观看直播时间、直播观看频次、观看直播累计时长；
内容行为：最近一次观看内容时间、观看内容频次、观看内容字数；
评论行为：最近一次评论时间、评论频次、累计评论次数等等等等。

会员运营团队的预算相对于庞大的用户规模，通常会捉襟见肘，所以当我们的预算不多，而且只能提供服务信息给小规模的重点用户时，RFM模型就派上用场了。

对不同用户采用不同券促销手段

对R↓F↓M↓的客户发放定额红包，鼓励尝试推广，刺激进一步转化。对R↓F↓M↑的客户发放限时促销券，刺激他更高频的消费。对R↑F↑M↓的客户发放满减促销券，刺激他更高额度的消费。

对不同消费用户采取的运营态度

RFM模型如何实现

五分评分制

也可以用箱线图的四等分
可以看趋势图分段
可以用聚类算法分类

高和低的划分

可以是R、F、M的平均值/中位数/以标准差校正后的值

实现方法

可用tableau、Excel、R等工具实现

案例

用tableau的超市数据实现
1.计算三个参数
2.分段赋值
3.计算高低值
4.判断用户类别
5.进一步分析计算