用户分层与如何构建RFM模型

分类数据处理

1、抓取R、F、M三个维度下的原始数据

2、定义R、F、M评估模型与中值

N：中值可使用中位数或平均数

3、进行数据处理，获取RFM的值

4、参照评估模型与中值，对用户进行分层

5、针对不同层级用户制定运营策略

e.g二八法则

用户分层&如何构建RFM模型

认识RFM模型

 R（Recency）：客户最近一次交易时间的间隔。

R值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的日期越近。

F（Frequency）：客户在最近一段时间内交易的次数。

F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。

M（Monetary）：客户在最近一段时间内交易的金额。

M值越大，表示客户价值越高，反之则表示客户价值越低。

客户价值细分

根据客户活跃程度和交易金额的贡献，建立8个象限三维模型

重要价值客户

R值高

F值高

M值高

重要发展客户

R值低

重要保持客户

F值低

重要挽留客户

一般价值客户

M值低

一般发展客户

一般保持客户

一般挽留客户

在以用户价值来做用户模型当中，其实是有两个方向。一个是基于用户生命周期，也就用户在产品内的成长路径进行的生命周期模型的搭建。另一个就是基于用户关键行为进行搭建。其中RFM模型是最典型的，是衡量用户价值和用户创利能力的一个重要的工具和手段，早被广泛应用在各个行业中了。有很多文章详细介绍RFM模型的，这里我就不细写了，简单带过。