正文

RFM价值模型（RFM价值模型的描述正确的是）

发布时间：2023-04-08 06:50:37 稿源：创意岭阅读： 103

大家好！今天让创意岭的小编来大家介绍下关于RFM价值模型的问题，以下是小编对此问题的归纳整理，让我们一起来看看吧。

开始之前先推荐一个非常厉害的Ai人工智能工具，一键生成原创文章、方案、文案、工作计划、工作报告、论文、代码、作文、做题和对话答疑等等

只需要输入关键词，就能返回你想要的内容，越精准，写出的就越详细，有微信小程序端、在线网页版、PC客户端

官网：https://ai.de1919.com。

创意岭作为行业内优秀的企业，服务客户遍布全球各地，如需了解SEO相关业务请拨打电话175-8598-2043，或添加微信：1454722008

本文目录:

1、4种常见的用户分层方法(RFM核心模型)
2、会员系统RFM数据分析模型的什么是RFM数据分析模型
3、用RFM模型划分用户等级
4、基于RFM的客户价值分析报告

RFM价值模型（RFM价值模型的描述正确的是）

一、4种常见的用户分层方法(RFM核心模型)

一.什么是用户分层？

用户分层是以用户价值（比如说：活跃用户、高价值用户）为中心来进行切割的，在同一分层模型下，一个用户只会处于一个层次中。还有一种说法是用户分群，它是以用户属性（用户身上的某一类标签，比如：喜欢在地铁上看书的用户）为中心进行划分，1个用户可能会同时拥有多个属性。

用户分层的本质是一种以用户和特征、用户行为等为中心对用户进行细分的精细化运营。

二.4种常见的用户分层方法？

分层实施的两大核心：

第一，我们找到一个分层的模型之后，处于不同层级的用户，需要能够被通过数据字段或标签等方式识别区分出来。

第二，面向每一类用户的运营机制或策略是明确稳定的。

用户分层的两个维度：

第一个维度：业务主链条标准化程度是高还是低

举个栗子：像手机里的闹钟，定了闹钟之后，响了就取消掉，闹钟的过程简单且标准化程度非常高。再比如，像一些阅读类APP它的用户所在的地区，用户的年龄及身份不同，用户的需求也会不同，它的业务主链条标准化程度低，是一个非标的产品，并且有时它的业务链条非常长还非常的复杂。

第二个维度：用户在产品中互相影响的可能性是高还是低

有一些产品用户是会在产品当中发生关系的，而有些产品呢就不会，有时候同一类型的产品，用户之间的影响也可能会不同。

举个栗子：像理财类的产品，用户之间的影响非常的低，但是像抖音、知乎这样的产品，用户之间的关系程度就高一些。

当我们知道用户处在哪个维度之后，我们就可以知道运用哪一种分层方式了。

第一类：用户个性化特质&需求区隔分层

这一类的分层方式就比较适合适用在业务主链条标准化程度低的，业务主链条比较多样，业务比较复杂这样的产品当中。

我们对用户进行个性化特质的区隔分层，要首先清楚用户个性化区隔的常见维度有哪些：

由上图可以发现，自然属性里进行区隔要依靠的是用户的基础数据，个性化需求里面的显性和隐性消费偏好要依赖的是用户的行为数据。场景则是依赖于时间、地理位置进行区分的。

那进行个性化区隔分层的依据是什么呢？

我们要看看用户是否会因为上面所陈列的这些行为和属性的不同，导致其需求、使用动机、使用偏好等会出现较大差异。

那怎么判断呢？要么靠常识和用户洞察，要么靠数据。

进行用户个性化区隔分层时的两种选择：

第一种：选择一个维度对用户进行划分，分别给予定向解决文案。像美柚这款产品，用户在不同的阶段，比如：我在备孕、我怀孕了、我是辣妈等不同的维度进行相关信息的区分和推送。

第二种：选择两个有相关性的维度通过交叉区隔对用户进行划分，再分别给予定向的解决方案。比方如某基金理财类的产品：通过两个维度来切割对用户进行划分。

第二类：用户身份区隔分层

这一类的分层方式就比较适合运用在用户在产品中互相影响的可能性高的产品当中。

一款产品当中，如果用户之间是可见，可被影响的，我们赋予用户身份的特质（加V、勋章等）才会有意义。

说到用户身份区隔分层就会提到用户金字塔模型：

用户金字塔模型是按照用户的价值贡献度大小或用户影响力的稀缺程度由下到上搭建一个金字塔模型，再赋予每一类用户对应的角色和权益，搭建一个良性关系。

那如何梳理并搭建一个产品的用户金字塔模型呢？

首先，先梳理出产品的业务逻辑（这个产品当中有哪几类业务角色，这个业务角色当中他们是怎么发生关系的），然后逐次思考：

第三类：用户价值区隔分层

通过判断用户的价值高中低，来对用户完成分层。这一类和第四类的分层方式是通用的，所有产品都可以应用。

用户价值区隔分层有两种做法：

第一种：依靠用户生命周期定义对用户进行价值区隔

生命周期的定义我们上面说过，用户生命周期的定义，必然与用户的价值成长路径有关。不同的产品用户价值成长路径也会不同

用户生命周期的定义无非就两种：

第一种是强付费类的产品

我们把用户从进入到付费, 持续付费到流失这样一个典型的路径画出来，然后给不同的用户划分不同的阶段，每个阶段被定义成用户生命周期里的层次。

第二种：是流量类的产品

第二种：通过关键用户行为对用户进行价值区隔。

这两种方式的有共性也有差异性，共性是：都需要找到某一种方式对于我们当前站内的用户的用户价值进行判断。并对用户价值的区间（是高还是低）做界定。然后对不同价值区间的用户做针对性的运营。不同的是：去判断用户价值第一种依靠的是用户的生命周期的模型，第二种是通过几个关键用户的行为做交叉分析。

通过关键用户行为对用户进行价值区隔是找到产品中能够衡量用户价值的关键行为，对其进行交叉分析和评估，最终形成某种分层模型，比如经典的RFM模型。

那什么是RFM模型呢？

RFM模型是衡量客户价值和客户创利能力的重要工具和手段，它通过 Recency-距离最近一次交易、Frequency-交易频率、Monetary-交易金额这三项指标来描述该客户的价值状态，依据这三项指标划分8类客户价值。

实施RFM用户分层的操作步骤是什么？

第一步：抓取用户R、F、M三个维度下的原始数据。

首先，我们需求提出数据的需求，并定义出F中的“一段时间”是多久以及用户类型，然后拉出该时间段内所有的订单数据，数据字段包括用户ID、下单时间和订单金额。这里需要注意的是定义一段时间，我们可以拍脑袋，也可以参考业务进展和需求，一般如果业务比较稳定的情况下，多以自然年或季度、半年等为单位来进行定义。

第二步：定义R、F、M的评估模型与中值

我们需要根据业务特性或数据分布情况来划分数据分布区间，设定评估模型，然后设定中值。

第三步：进行数据处理，获取用户的R、F、M值

第四步：参照评估模型与中值，对用户进行分层。

第五步：针对不同层级用户制定运营策略，推进落地。

第四类：AARRR模型分层

AARRR模型通常是在增长的语境下看到的，我们也可以通过这个模型对用户进行粗放的分层。

第一种AARRR模型：

第二种AARRR模型：

两种模型并没有绝对的好与坏，只是适用的场景不同，像滴滴这种产品，用户上一就收费，收入放在前面比较好。

如果是流量型的产品，有了流量才能增值用第一种AARRR模型比较好一些。

想用好AARRR模型来用用户分层的话，一定要找到合适的数据指标，来描述和定义处于每一层级的用户。

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

二、会员系统RFM数据分析模型的什么是RFM数据分析模型

RFM 模型是会员管理领域里的一种会员消费行为分析模型，其中R近度(Recency）代表最近购买时间，指上次购买至现在的时间间隔； F 频度(Frequency)代表购买频率，指的是某一期间内购买的次数；M额度(Monetary) 代表总购买金额，指的是某一期间内购买商品的金额。

RFM模型在反映会员购买偏好方面具有良好的表征性。

经过研究发现 R值越小，会员越有可能与企业达成新的交易。 F值越大，会员越有可能与企业达成新的交易。 M值越大，会员越有可能与企业达成新的交易。 RFM 模型在反映会员价值方面同样具有良好的表征性，它是衡量会员价值和会员创利能力的重要工具和手段。一卡易将该模型成功应用于会员系统中，通过一个会员的近期购买行为、购买的总频率以及购买的总金额等3项指标来描述该会员的价值状况。如果与该会员打交道的时间足够长，也能够较为精确地判断该会员的长期价值（甚至是终身价值），通过改善3项指标的状况，从而为更多的营销决策提供支持。连锁会员系统的‘统计分析’模块运用RFM模型做出‘会员RFM’，帮助使用者来了解会员的消费行为和消费的意向。

RFM价值模型（RFM价值模型的描述正确的是）

三、用RFM模型划分用户等级

如何对用户进行等级分层，我们需要了解一个最常用的客户分类模型，那就是RFM模型。

RFM模型是在客户关系管理（CRM）分析模式中最受关注和应用的模型之一。它主要通过最近一次消费（recency）、消费频率（frequency）、消费金额（monetary）这三个维度的用户行为来对用户进行分层。RFM分别是这三个英文单词的首字母缩写。通过这一模型，企业可以动态地掌握用户对企业的长期价值，甚至预测客户的终身价值。

R（recency）指最近的消费时间。最近一次消费时间越近，说明这个用户近期是活跃的，对企业是有印象的。最近一次消费距当下时间越久，就越说明这个用户可能沉睡或流失了，需要企业通过客户关怀、营销活动去触达他，想办法将他再次激活，尽量挽回这个用户。

F（frequency）指消费频率。消费频率越高，消费也越活跃，代表用户对企业或品牌越认可，对企业贡献的销售价值越大。反之，消费频率低，甚至用户只来了一次后就再也没来，说明用户不活跃，相应的贡献价值也就少了。这时候企业就需要进行反思，他到底是不是企业的真正目标用户，是不是“薅羊毛”的用户，又或者是不是企业的产品和服务有问题，伤害到了他。总之，企业需要针对消费频率这一数据进行分析研究，找到原因，并想办法解决。

M（monetary）指一段时间内的消费金额。消费金额高，既说明用户对企业产品的需求大，也能反映用户的消费能力，同时还说明对企业和品牌的认可。在一段时间内，消费金额跟消费频率呈正相关，消费频率越高，累计的消费金额也会越高。

企业通过这三个维度合理评估用户的长期价值，把用户分为不同的等级，并对不同等级的用户投入不同的资源和时间来维护，这样就能让公司的资源效果实现最大化。

过去，互联网没有如此发达，传统企业没有实现数字化，企业很难抓取用户的实时数据，没办法实时掌握用户动态、群体画像，很难做精细化运营管理。而现在，无论是投广告、做活动，还是依靠微信、社群、小程序、App，都能实时获得大量数据，并且有了成熟的CRM软件之后，企业能够轻松地对用户消费数据进行分析，进而做出正确的决策。

在实际应用中，我们可以将RFM这三个维度，每个维度一分为二，大写字母代表高，小写字母代表低。这样一来就得到8组用户分类。

重要价值客户：最近消费时间近、消费频次和消费金额都很高，他们是企业的VIP客户。

重要发展客户：最近消费时间较近、消费金额高，但频次不高，忠诚度不高。他们是很有消费潜力的用户，需要重点发展。

重要保持客户：最近一次消费时间较远，但曾经一段时间内消费频次和金额都很高，说明他过去是个忠诚客户，企业需要主动和他联系，尝试激活。

重要挽留客户：最近消费时间较远、消费频次不高，但消费金额高，这些可能是将要流失或者已经流失的用户，企业应当采取挽留措施。

后面的一般价值客户、一般发展客户、一般保持客户、一般挽留客户相比前面四组的重要性会低一些。在实际成交客户中，如果对这8组客户维度进行简化分类，我们可以把他们分为A、B、C三个等级。这样，企业员工在维护时会更好地理解、操作。

总而言之，企业在人格上对用户要一视同仁，尊重用户，友善相待，但是在商业服务上则要区别对待。企业不要试图给所有用户一样的服务，而是要将更高级的服务提供给那些更认可企业、能带来更高价值的用户。

四、基于RFM的客户价值分析报告

项目背景

在面向客户制定运营策略、营销策略时，我们希望针对不同的客户推行不同的策略，实现精准化运营，以期获取最大的转化率。精准化运营的前提是客户分类。通过客户分类，对客户群体进行细分，区别出低价值客户、高价值客户，对不同的客户群体开展不同的个性化服务，将有限的资源合理地分配给不同价值的客户，实现效益最大化。在客户分类中，RFM模型是一个经典的分类模型，模型利用通用交易环节中最核心的三个维度——最近消费(Recency)、消费频率(Frequency)、消费金额(Monetary)细分客户群体，从而分析不同群体的客户价值。

项目目标

本项目借助某电商客户数据，探讨如何对客户群体进行细分，以及细分后如何利用RFM模型对客户价值进行分析。在本项目中，主要希望实现以下三个目标：1.借助某电商客户数据，对客户进行群体分类；2.比较各细分群体的客户价值；3.对不同价值的客户制定相应的运营策略。

分析过程

1.数据预览

我们的源数据是订单表，记录着用户交易相关字段

通过数据可以发现，订单状态有交易成功和退款关闭的，检查是否还有其他情况

只有这两种情况，后续清洗中需剔除退款订单。然后观察数据类型与缺失情况

订单一共28833行，没有缺失，付款日期是时间格式，实付金额、邮费和购买数量是数值型，其他均为字符串类型

2. 数据清洗

(1)剔除退款

(2)关键字段提取：提取RFM模型所需要的买家昵称，付款时间，实付金额

(3)关键字段构造：构建模型所需的三个字段，R(最近一次购买时间间隔),F(购买频次),M(平均或累计购买金额)