正文

RFM價值模型（RFM價值模型的描述正確的是）

發(fā)布時間：2023-04-08 06:50:37 稿源：創(chuàng)意嶺閱讀： 103

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于RFM價值模型的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關鍵詞，就能返回你想要的內(nèi)容，越精準，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務客戶遍布全球各地，如需了解SEO相關業(yè)務請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、4種常見的用戶分層方法(RFM核心模型)
2、會員系統(tǒng)RFM數(shù)據(jù)分析模型的什么是RFM數(shù)據(jù)分析模型
3、用RFM模型劃分用戶等級
4、基于RFM的客戶價值分析報告

RFM價值模型（RFM價值模型的描述正確的是）

一、4種常見的用戶分層方法(RFM核心模型)

一.什么是用戶分層？

用戶分層是以用戶價值（比如說：活躍用戶、高價值用戶）為中心來進行切割的，在同一分層模型下，一個用戶只會處于一個層次中。還有一種說法是用戶分群，它是以用戶屬性（用戶身上的某一類標簽，比如：喜歡在地鐵上看書的用戶）為中心進行劃分，1個用戶可能會同時擁有多個屬性。

用戶分層的本質(zhì)是一種以用戶和特征、用戶行為等為中心對用戶進行細分的精細化運營。

二.4種常見的用戶分層方法？

分層實施的兩大核心：

第一，我們找到一個分層的模型之后，處于不同層級的用戶，需要能夠被通過數(shù)據(jù)字段或標簽等方式識別區(qū)分出來。

第二，面向每一類用戶的運營機制或策略是明確穩(wěn)定的。

用戶分層的兩個維度：

第一個維度：業(yè)務主鏈條標準化程度是高還是低

舉個栗子：像手機里的鬧鐘，定了鬧鐘之后，響了就取消掉，鬧鐘的過程簡單且標準化程度非常高。再比如，像一些閱讀類APP它的用戶所在的地區(qū)，用戶的年齡及身份不同，用戶的需求也會不同，它的業(yè)務主鏈條標準化程度低，是一個非標的產(chǎn)品，并且有時它的業(yè)務鏈條非常長還非常的復雜。

第二個維度：用戶在產(chǎn)品中互相影響的可能性是高還是低

有一些產(chǎn)品用戶是會在產(chǎn)品當中發(fā)生關系的，而有些產(chǎn)品呢就不會，有時候同一類型的產(chǎn)品，用戶之間的影響也可能會不同。

舉個栗子：像理財類的產(chǎn)品，用戶之間的影響非常的低，但是像抖音、知乎這樣的產(chǎn)品，用戶之間的關系程度就高一些。

當我們知道用戶處在哪個維度之后，我們就可以知道運用哪一種分層方式了。

第一類：用戶個性化特質(zhì)&需求區(qū)隔分層

這一類的分層方式就比較適合適用在業(yè)務主鏈條標準化程度低的，業(yè)務主鏈條比較多樣，業(yè)務比較復雜這樣的產(chǎn)品當中。

我們對用戶進行個性化特質(zhì)的區(qū)隔分層，要首先清楚用戶個性化區(qū)隔的常見維度有哪些：

由上圖可以發(fā)現(xiàn)，自然屬性里進行區(qū)隔要依靠的是用戶的基礎數(shù)據(jù)，個性化需求里面的顯性和隱性消費偏好要依賴的是用戶的行為數(shù)據(jù)。場景則是依賴于時間、地理位置進行區(qū)分的。

那進行個性化區(qū)隔分層的依據(jù)是什么呢？

我們要看看用戶是否會因為上面所陳列的這些行為和屬性的不同，導致其需求、使用動機、使用偏好等會出現(xiàn)較大差異。

那怎么判斷呢？要么靠常識和用戶洞察，要么靠數(shù)據(jù)。

進行用戶個性化區(qū)隔分層時的兩種選擇：

第一種：選擇一個維度對用戶進行劃分，分別給予定向解決文案。像美柚這款產(chǎn)品，用戶在不同的階段，比如：我在備孕、我懷孕了、我是辣媽等不同的維度進行相關信息的區(qū)分和推送。

第二種：選擇兩個有相關性的維度通過交叉區(qū)隔對用戶進行劃分，再分別給予定向的解決方案。比方如某基金理財類的產(chǎn)品：通過兩個維度來切割對用戶進行劃分。

第二類：用戶身份區(qū)隔分層

這一類的分層方式就比較適合運用在用戶在產(chǎn)品中互相影響的可能性高的產(chǎn)品當中。

一款產(chǎn)品當中，如果用戶之間是可見，可被影響的，我們賦予用戶身份的特質(zhì)（加V、勛章等）才會有意義。

說到用戶身份區(qū)隔分層就會提到用戶金字塔模型：

用戶金字塔模型是按照用戶的價值貢獻度大小或用戶影響力的稀缺程度由下到上搭建一個金字塔模型，再賦予每一類用戶對應的角色和權益，搭建一個良性關系。

那如何梳理并搭建一個產(chǎn)品的用戶金字塔模型呢？

首先，先梳理出產(chǎn)品的業(yè)務邏輯（這個產(chǎn)品當中有哪幾類業(yè)務角色，這個業(yè)務角色當中他們是怎么發(fā)生關系的），然后逐次思考：

第三類：用戶價值區(qū)隔分層

通過判斷用戶的價值高中低，來對用戶完成分層。這一類和第四類的分層方式是通用的，所有產(chǎn)品都可以應用。

用戶價值區(qū)隔分層有兩種做法：

第一種：依靠用戶生命周期定義對用戶進行價值區(qū)隔

生命周期的定義我們上面說過，用戶生命周期的定義，必然與用戶的價值成長路徑有關。不同的產(chǎn)品用戶價值成長路徑也會不同

用戶生命周期的定義無非就兩種：

第一種是強付費類的產(chǎn)品

我們把用戶從進入到付費, 持續(xù)付費到流失這樣一個典型的路徑畫出來，然后給不同的用戶劃分不同的階段，每個階段被定義成用戶生命周期里的層次。

第二種：是流量類的產(chǎn)品

第二種：通過關鍵用戶行為對用戶進行價值區(qū)隔。

這兩種方式的有共性也有差異性，共性是：都需要找到某一種方式對于我們當前站內(nèi)的用戶的用戶價值進行判斷。并對用戶價值的區(qū)間（是高還是低）做界定。然后對不同價值區(qū)間的用戶做針對性的運營。不同的是：去判斷用戶價值第一種依靠的是用戶的生命周期的模型，第二種是通過幾個關鍵用戶的行為做交叉分析。

通過關鍵用戶行為對用戶進行價值區(qū)隔是找到產(chǎn)品中能夠衡量用戶價值的關鍵行為，對其進行交叉分析和評估，最終形成某種分層模型，比如經(jīng)典的RFM模型。

那什么是RFM模型呢？

RFM模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段，它通過 Recency-距離最近一次交易、Frequency-交易頻率、Monetary-交易金額這三項指標來描述該客戶的價值狀態(tài)，依據(jù)這三項指標劃分8類客戶價值。

實施RFM用戶分層的操作步驟是什么？

第一步：抓取用戶R、F、M三個維度下的原始數(shù)據(jù)。

首先，我們需求提出數(shù)據(jù)的需求，并定義出F中的“一段時間”是多久以及用戶類型，然后拉出該時間段內(nèi)所有的訂單數(shù)據(jù)，數(shù)據(jù)字段包括用戶ID、下單時間和訂單金額。這里需要注意的是定義一段時間，我們可以拍腦袋，也可以參考業(yè)務進展和需求，一般如果業(yè)務比較穩(wěn)定的情況下，多以自然年或季度、半年等為單位來進行定義。

第二步：定義R、F、M的評估模型與中值

我們需要根據(jù)業(yè)務特性或數(shù)據(jù)分布情況來劃分數(shù)據(jù)分布區(qū)間，設定評估模型，然后設定中值。

第三步：進行數(shù)據(jù)處理，獲取用戶的R、F、M值

第四步：參照評估模型與中值，對用戶進行分層。

第五步：針對不同層級用戶制定運營策略，推進落地。

第四類：AARRR模型分層

AARRR模型通常是在增長的語境下看到的，我們也可以通過這個模型對用戶進行粗放的分層。

第一種AARRR模型：

第二種AARRR模型：

兩種模型并沒有絕對的好與壞，只是適用的場景不同，像滴滴這種產(chǎn)品，用戶上一就收費，收入放在前面比較好。

如果是流量型的產(chǎn)品，有了流量才能增值用第一種AARRR模型比較好一些。

想用好AARRR模型來用用戶分層的話，一定要找到合適的數(shù)據(jù)指標，來描述和定義處于每一層級的用戶。

鏈接：https://www.jianshu.com/p/5bb31f906aee

二、會員系統(tǒng)RFM數(shù)據(jù)分析模型的什么是RFM數(shù)據(jù)分析模型

RFM 模型是會員管理領域里的一種會員消費行為分析模型，其中R近度(Recency）代表最近購買時間，指上次購買至現(xiàn)在的時間間隔； F 頻度(Frequency)代表購買頻率，指的是某一期間內(nèi)購買的次數(shù)；M額度(Monetary) 代表總購買金額，指的是某一期間內(nèi)購買商品的金額。

RFM模型在反映會員購買偏好方面具有良好的表征性。

經(jīng)過研究發(fā)現(xiàn) R值越小，會員越有可能與企業(yè)達成新的交易。 F值越大，會員越有可能與企業(yè)達成新的交易。 M值越大，會員越有可能與企業(yè)達成新的交易。 RFM 模型在反映會員價值方面同樣具有良好的表征性，它是衡量會員價值和會員創(chuàng)利能力的重要工具和手段。一卡易將該模型成功應用于會員系統(tǒng)中，通過一個會員的近期購買行為、購買的總頻率以及購買的總金額等3項指標來描述該會員的價值狀況。如果與該會員打交道的時間足夠長，也能夠較為精確地判斷該會員的長期價值（甚至是終身價值），通過改善3項指標的狀況，從而為更多的營銷決策提供支持。連鎖會員系統(tǒng)的‘統(tǒng)計分析’模塊運用RFM模型做出‘會員RFM’，幫助使用者來了解會員的消費行為和消費的意向。

RFM價值模型（RFM價值模型的描述正確的是）

三、用RFM模型劃分用戶等級

如何對用戶進行等級分層，我們需要了解一個最常用的客戶分類模型，那就是RFM模型。

RFM模型是在客戶關系管理（CRM）分析模式中最受關注和應用的模型之一。它主要通過最近一次消費（recency）、消費頻率（frequency）、消費金額（monetary）這三個維度的用戶行為來對用戶進行分層。RFM分別是這三個英文單詞的首字母縮寫。通過這一模型，企業(yè)可以動態(tài)地掌握用戶對企業(yè)的長期價值，甚至預測客戶的終身價值。

R（recency）指最近的消費時間。最近一次消費時間越近，說明這個用戶近期是活躍的，對企業(yè)是有印象的。最近一次消費距當下時間越久，就越說明這個用戶可能沉睡或流失了，需要企業(yè)通過客戶關懷、營銷活動去觸達他，想辦法將他再次激活，盡量挽回這個用戶。

F（frequency）指消費頻率。消費頻率越高，消費也越活躍，代表用戶對企業(yè)或品牌越認可，對企業(yè)貢獻的銷售價值越大。反之，消費頻率低，甚至用戶只來了一次后就再也沒來，說明用戶不活躍，相應的貢獻價值也就少了。這時候企業(yè)就需要進行反思，他到底是不是企業(yè)的真正目標用戶，是不是“薅羊毛”的用戶，又或者是不是企業(yè)的產(chǎn)品和服務有問題，傷害到了他?？傊?，企業(yè)需要針對消費頻率這一數(shù)據(jù)進行分析研究，找到原因，并想辦法解決。

M（monetary）指一段時間內(nèi)的消費金額。消費金額高，既說明用戶對企業(yè)產(chǎn)品的需求大，也能反映用戶的消費能力，同時還說明對企業(yè)和品牌的認可。在一段時間內(nèi)，消費金額跟消費頻率呈正相關，消費頻率越高，累計的消費金額也會越高。

企業(yè)通過這三個維度合理評估用戶的長期價值，把用戶分為不同的等級，并對不同等級的用戶投入不同的資源和時間來維護，這樣就能讓公司的資源效果實現(xiàn)最大化。

過去，互聯(lián)網(wǎng)沒有如此發(fā)達，傳統(tǒng)企業(yè)沒有實現(xiàn)數(shù)字化，企業(yè)很難抓取用戶的實時數(shù)據(jù)，沒辦法實時掌握用戶動態(tài)、群體畫像，很難做精細化運營管理。而現(xiàn)在，無論是投廣告、做活動，還是依靠微信、社群、小程序、App，都能實時獲得大量數(shù)據(jù)，并且有了成熟的CRM軟件之后，企業(yè)能夠輕松地對用戶消費數(shù)據(jù)進行分析，進而做出正確的決策。

在實際應用中，我們可以將RFM這三個維度，每個維度一分為二，大寫字母代表高，小寫字母代表低。這樣一來就得到8組用戶分類。

重要價值客戶：最近消費時間近、消費頻次和消費金額都很高，他們是企業(yè)的VIP客戶。

重要發(fā)展客戶：最近消費時間較近、消費金額高，但頻次不高，忠誠度不高。他們是很有消費潛力的用戶，需要重點發(fā)展。

重要保持客戶：最近一次消費時間較遠，但曾經(jīng)一段時間內(nèi)消費頻次和金額都很高，說明他過去是個忠誠客戶，企業(yè)需要主動和他聯(lián)系，嘗試激活。

重要挽留客戶：最近消費時間較遠、消費頻次不高，但消費金額高，這些可能是將要流失或者已經(jīng)流失的用戶，企業(yè)應當采取挽留措施。

后面的一般價值客戶、一般發(fā)展客戶、一般保持客戶、一般挽留客戶相比前面四組的重要性會低一些。在實際成交客戶中，如果對這8組客戶維度進行簡化分類，我們可以把他們分為A、B、C三個等級。這樣，企業(yè)員工在維護時會更好地理解、操作。

總而言之，企業(yè)在人格上對用戶要一視同仁，尊重用戶，友善相待，但是在商業(yè)服務上則要區(qū)別對待。企業(yè)不要試圖給所有用戶一樣的服務，而是要將更高級的服務提供給那些更認可企業(yè)、能帶來更高價值的用戶。

四、基于RFM的客戶價值分析報告

項目背景

在面向客戶制定運營策略、營銷策略時，我們希望針對不同的客戶推行不同的策略，實現(xiàn)精準化運營，以期獲取最大的轉化率。精準化運營的前提是客戶分類。通過客戶分類，對客戶群體進行細分，區(qū)別出低價值客戶、高價值客戶，對不同的客戶群體開展不同的個性化服務，將有限的資源合理地分配給不同價值的客戶，實現(xiàn)效益最大化。在客戶分類中，RFM模型是一個經(jīng)典的分類模型，模型利用通用交易環(huán)節(jié)中最核心的三個維度——最近消費(Recency)、消費頻率(Frequency)、消費金額(Monetary)細分客戶群體，從而分析不同群體的客戶價值。

項目目標

本項目借助某電商客戶數(shù)據(jù)，探討如何對客戶群體進行細分，以及細分后如何利用RFM模型對客戶價值進行分析。在本項目中，主要希望實現(xiàn)以下三個目標：1.借助某電商客戶數(shù)據(jù)，對客戶進行群體分類；2.比較各細分群體的客戶價值；3.對不同價值的客戶制定相應的運營策略。

分析過程

1.數(shù)據(jù)預覽

我們的源數(shù)據(jù)是訂單表，記錄著用戶交易相關字段

通過數(shù)據(jù)可以發(fā)現(xiàn)，訂單狀態(tài)有交易成功和退款關閉的，檢查是否還有其他情況

只有這兩種情況，后續(xù)清洗中需剔除退款訂單。然后觀察數(shù)據(jù)類型與缺失情況

訂單一共28833行，沒有缺失，付款日期是時間格式，實付金額、郵費和購買數(shù)量是數(shù)值型，其他均為字符串類型

2. 數(shù)據(jù)清洗

(1)剔除退款

(2)關鍵字段提?。禾崛FM模型所需要的買家昵稱，付款時間，實付金額

(3)關鍵字段構造：構建模型所需的三個字段，R(最近一次購買時間間隔),F(購買頻次),M(平均或累計購買金額)

首先構造R值，思路是按買家昵稱分組，選取付款日期最大值

為了得到最終的R值，用今天減去每位用戶最近一次付款時間，就得到R值了，這份訂單是7月1日生成的，所以這里我們把“2019-7-1”當作“今天”