rfm分析模型（RFM分析模型法）

大家好！今天让创意岭的小编来大家介绍下关于rfm分析模型的问题，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、rfm模型的三个指标是什么?

• 2、4种常见的用户分层方法(RFM核心模型)

• 3、评估客户价值的三种模型：RFM、CLV、顾客社交价值模型

• 4、用RFM模型划分用户等级

一、rfm模型的三个指标是什么?

根据美国数据库营销研究所Arthur Hughes的研究，客户数据库中有3个神奇的要素，这3个要素构成了数据分析最好的指标：

1、最近一次消费

最近一次消费意指上一次购买的时候——顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车，或在你的超市买早餐最近的一次是什么时候。

理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长，只能靠偷取竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。

历史显示，如果能让消费者购买，他们就会持续购买。这也就是为什么，0至3个月的顾客收到营销人员的沟通信息多于3至6个月的顾客。

2、消费频率

消费频率是顾客在限定的期间内所购买的次数。我们可以说最常购买的顾客，也是满意度最高的顾客。如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。

分类：

根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯”(loyalty ladder)，如购买一次的客户为新客户，购买两次的客户为潜力客户，购买三次的客户为老客户，购买四次的客户为成熟客户，购买五次及以上则为忠实客户。

其诀窍在于让消费者一直顺着阶梯往上爬，把销售想象成是要将两次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。

3、消费金额

消费金额是所有数据库报告的支柱，也可以验证“帕雷托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。

它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍，占公司所有营业额的40%以上。如看累计百分比的那一栏，我们会发现有40%的顾客贡献公司总营业额的80%；而有60%的客户占营业额的90%以上。

最右的一栏显示每一等分顾客的平均消费，表现最好的 10%的顾客平均花费1195美元，而最差的10%仅有18美元 。

应用意义

RFM模型较为动态地显示了一个客户的全部轮廓，这对个性化的沟通和服务提供了依据，同时，如果与该客户打交道的时间足够长，也能够较为精确地判断该客户的长期价值(甚至是终身价值)，通过改善三项指标的状况，从而为更多的营销决策提供支持。

在RFM模式中，R(Recency)表示客户购买的时间有多远，F(Frequency)表示客户在时间内购买的次数，M (Monetary)表示客户在时间内购买的金额。一般的分析型CRM着重在对于客户贡献度的分析，RFM则强调以客户的行为来区分客户。

RFM非常适用于生产多种商品的企业，而且这些商品单价相对不高，如消费品、化妆品、小家电、录像带店、超市等；

它也适合在一个企业内只有少数耐久商品，但是该商品中有一部分属于消耗品，如复印机、打印机、汽车维修等消耗品；RFM对于加油站、旅行保险、运输、快递、快餐店、KTV、行动电话信用卡、证券公司等也很适合。

RFM可以用来提高客户的交易次数。业界常用的DM(直接邮寄)，常常一次寄发成千上万封邮购清单，其实这是很浪费钱的。

根据统计(以一般邮购日用品而言)，如果将所有R(Recency)的客户分为五级，最好的第五级回函率是第四级的三倍，因为这些客户刚完成交易不久，所以会更注意同一公司的产品信息。如果用M(Monetary)来把客户分为五级，最好与次好的平均回复率，几乎没有显著差异。

二、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

三、评估客户价值的三种模型：RFM、CLV、顾客社交价值模型

笔者一直从事于用户运营领域，很多情况下都是要在资源有限情况下，去最大化的撬动效益，如何挖掘能创造最大价值的客户就是用户运营的最基础工作了。这个和基于用户价值的细分模型基本上是一个意思，注意本文讨论的用户价值指的是用户对企业创利能力的衡量，而不是传统营销学理论中企业为客户提供的价值。

本文我们会来谈谈常用的几个衡量客户价值的模型，以及它们的区别和应用场景。

提到如何衡量客户价值，RFM基本上是头脑中第一个想到的模型，也是大部分运营人员都会接触到的。根据Arthur Hughes的研究，发现客户的数据中有三个非常重要的指标：

这三个指标非常有意思，我们可以从中将用户的活跃度，忠诚度和消费能力评估出来，如下图：

按照案例中的情况，我们分别将R\F\M三个值都再细分成了4个等级，现在大家可以思考一下：000代表了什么客户，她与004的区别在哪里？她们的价值是否不同，是否要区分维护？

在下面的表格里，我会列举当中一些具有明显特征的用户价值细分，大家可以好好体会一下：

最后以一个问题，结束对RFM的探讨，大家认为040与004，哪个价值更大些呢？

我们知道并不是所有的顾客都具备相同的价值，如果企业能够专注于那些可以带来最大未来利益的客户，就可以实现更好的运营。所以企业必须识别出这些客户，CLV是对客户未来利润的有效预测，它还有另外一个名字，叫做LTV （life time value)。

实际上这个模型在中小企业的具体运营中应用到的不多，更多是在做年度规划，年度财务核算，或者企业战略中会较为常见的使用，以站在企业的战略层面去考虑顾客价值与投入之间的关系。

这里需要特别说明的是，CLV考虑了完整的客户生命周期，包含客户获取和客户流失，也就是它计算的不只是眼前顾客已经产生的价值，还预测了未来价值。

CLV的计算公式有非常多，有的会非常复杂，主要在流失率这个环节和影响因素就相当多，也有会加上投入成本，价值变化率和利率变化等等。

我认为比较实用简单的是这种：

注意此公式对群体有效，对个体精准度较低，因为个体流失率影响因素太多，而群体流失率却是可以统计的。

那对于CLV的应用，可以从以下两个模型来看，将企业的最优客户与不值得投入的客户区分出来：

最后也以一个问题，结束对CLV的探讨，大家认为这个公式实际应用中如何提高计算的精度呢？

（1）顾客社交活跃度模型

其实这个是我写这篇文章的初衷，实际上在我目前的工作中，单独用以上基于顾客消费属性来给顾客做价值判断和细分已经很少见了。在目前新的商业环境下，品牌与用户不仅仅是消费购物，推送产品的关系，而更多是互动与彼此认知。单个用户自带的传播属性和影响力，反而收到了越来越多的重视和运用。

用平实的语言来说，顾客的价值不仅仅是她给企业直接带来的现金利润，也应当考虑用户对企业美誉度，传播度的价值影响。

最近看到的对于顾客社交价值测算的模型还是非常有用处的，分享给大家。

这个模型用于区分品牌的社交活跃度用户，这部分用户在对于品牌ugc内容产出，社区活跃度上起到很大贡献。

（2）顾客影响力模型

这个模型在于找到品牌中的影响力人群，目前的KOL影响力毋庸置疑，如果品牌能从自身用户中发觉培养，定能起到四两拨千斤的作用。

以上就是三种常见的用户价值分析模型，那在日常运用中，还是要化繁为简，考虑实际运用场景，选择适合的运用模型。

这里给到大家的建议是将模型计算的结果标签化放在每个用户身上，比如：用户A，可以给她贴上“活跃度高，影响力弱，可获利客户”等等，那么在实际运用中，即可灵活根据标签筛选人群，进行营销策略。

四、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。

以上就是关于rfm分析模型相关问题的回答。希望能帮到你，如有更多相关问题，您也可以联系我们的客服进行咨询，客服也会为您讲解更多精彩的知识和内容。

推荐阅读：

rfm模型怎么做

RF偏高（类风湿因子rf偏高）

rfm模型分别代表

封神榜排行榜（封神榜排行榜前100名的神）

室内设计培训班学费一般多少（室内设计培训哪个机构比较好）_1