高阶用户运营 | 如何用RFM模型实现用户分层管理（附案例）|推荐收藏|运营学社

RFM模型运用到用户运营中，完成用户分层剖析和办理运用（事例）

哈喽，咱们晚上好，我是彦晨。最近有点懒，好久没更文了哈哈哈。

前一段时刻，有个小伙伴说，想把RFM模型运用到实践的用户运营作业中，可是由于之前没做过。尽管看了许多理论性文章，也都理解原理，但详细操作中，仍是许多问题，不知道怎么下手。不知道有没有小伙伴也遇到相同的问题呢？今天晚上忽然想起，就写写这个。

这篇文章将会分两部分。榜首部分，简略回忆一下RFM这个典型模型，第二部分，找些数据，详细操作一下整个进程。期望这篇文章对你们有所启示，或许能直接用得上就更好了。

一、RFM回忆

在以用户价值来做用户模型傍边，其实是有两个方向。一个是依据用户生命周期，也就用户在产品内的生长途径进行的生命周期模型的建立。

另一个便是依据用户要害行为进行建立。其间RFM模型是最典型的，是衡量用户价值和用户创利才能的一个重要的东西和手法，早被广泛运用在各个职业中了。有许多文章详细介绍RFM模型的，这儿我就不细写了，简略带过。

RFM的意义：

R（Recency）：客户最近一次买卖时刻的距离。R值越大，表明客户买卖产生的日期越久，反之则表明客户买卖产生的日期越近。

F（Frequency）：客户在最近一段时刻内买卖的次数。F值越大，表明客户买卖越频频，反之则表明客户买卖不行活泼。

M（Monetary）：客户在最近一段时刻内买卖的金额。M值越大，表明客户价值越高，反之则表明客户价值越低。

依据客户活泼程度和买卖金额的奉献，进行客户价值细分8类客户。如下图，↑”表明大于均值，“↓”表明小于均值

二、数据实践

由于手头上没有很典型的RFM 数据，只要某网站3万条最近3周用户（登录次数、停留时刻、下奇数别离作为R、F、M运用），也无所谓，反正是操练，就用这些数据来操作，首要讲讲操作进程和办法。（看一千八百遍，不如自己做一遍。这数据我会放在个人大众号（lime017）里，后台回复“RFM”获取。）

RFM模型的运用中，全体来说分层这5大过程。（如上图）依据这个思路，咱们开端剖析作业。

首要拿原始数据，一般来说，咱们拿到的原始数据，如下图。假如团队没有专门的数据剖析人员，那只能自己来处理。接下来便是比较多的数据处理过程了。

先把数据进行处理，把3周数据汇总一下。看起来就漂亮点。

使用数据透视表，调查一下全体数据的散布状况，这能够协助咱们更客观去区分区间。除了这个办法，区分办法还能够依据详细事务规则来区分，或许是2/8规律来区分。或许有人会有疑问，为什么要把数据再区分几个区间？由于假如数据跨过起伏太大的话，区分区间能更精准映射数据模型上的价值，简略说便是为了更精细化。

依据上面登录次数、停留时刻、下奇数走势，我把区分4个区间。界说每个区间对应的值。这儿，登录次数、停留时刻、下单次数越高，对应的分值就越高，越重要。

接着，把用户类型归类好，这儿数值重要性是M>R>F。

咱们先用if函数算出R值（即登录次数，不同次数对应的区间的值）函数公式：=IF(B2<=8,1,IF(B2<=18,2,IF(B2<=30,3,IF(B2>=30,4)))) ，把一切对应的R算出来，再别离算出对应的F的值和M的值（如下图）。if函数的用法，逻辑比较简单犯错。忘掉的朋友能够百度一下。

得出了一切的R、M、F值，可是，咱们仍是没办法判别这个值的凹凸。这时还需求一个模型中值。我别离取了R、F、M值的平均数（如下图），取平均值是比较常用的办法。除了平均值，还有去中位数等办法的。

用if函数，别离判别R、F、M值的凹凸。函数是：=IF(E2>$M$1,”高”,”低”)

把R、F、M值的凹凸都符号出来后，咱们用IF函数把用户类型打标。函数如下：

IF(AND(H2=”高”,I2=”高”,J2=”高”),”重要价值用户”,

IF(AND(H2=”高”,I2=”低”,J2=”高”),”重要坚持用户”,

IF(AND(H2=”低”,I2=”高”,J2=”高”),”重要开展用户”,

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”),”一般开展用户”,

IF(AND(H2=”低”,I2=”高”,J2=”低”),”一般坚持用户”,

IF(AND(H2=”低”,I2=”低”,J2=”低”),”一般款留用户”))))))))

函数十分长，需求仔细写点哦。这儿说一下，IF(AND(H2=”高”,I2=”高”,J2=”高”)