简述顾客价值研究的RFM模型的内容(rfm如何影响用户价值)

编辑导语：通过RFM模型，说明如何利用RFM对用户进行分类，同时制定精准的运营策略，提升不同用户类别的用户价值。适合想调整自己产品的用户分层的商家，让有限的资源投入到更有价值的人身上。
一、用户价值的影响因素做用户增长就是做两件事，一是增加用户数量，二是提高用户质量。而提升用户质量的过程，就是提升用户价值的过程。
提高用户价值只有两点，一是提高用户活跃度，二是提高用户付费量。
更高的活跃度意味着更高的留存率，这反过来有助于提高用户的总生命周期价值(LTV)。对于不直接向用户收费的产品，更高的活跃度意味着更高的广告价值，比如头条。用户支付金额=消费频率x单笔消费金额。显然，增加消费频率或者增加单笔消费金额，可以增加用户支付的金额。所以，用户的活跃度、消费频率、消费金额都与提升用户价值有关。
二。了解RFM模型百度百科简介：RFM模型是衡量客户价值和客户创造效益能力的重要工具和手段。在客户关系管理的众多分析模型中，RFM模型是非常流行的。
r:代表最近一次消费，可以定义为从上次消费时间到指定时间的天数。f:消费频率，可以定义为特定时间内消费的总次数。m:货币，可以定义为特定时间内花费的总额。RFM广泛应用于电子商务行业。我们的大脑组成了最近30天在淘宝或JD.COM的消费：
昨天刚下单，所以R是1。一周前下单，那么R就是7，以此类推；30天内共下单5单，F为5；30天内共消费500元，M为500；电商的小姐姐小哥哥看看这个数据。哦，我喜欢：
昨天刚做完单，说明很活跃，短期内不会亏，放心；30天订购5次，说明这是个铁杆用户，好温暖；一共30天消费在500元，消费水平还不错，这么扎实。RFM模型根据最近一次消费时间、指定时间内消费次数、指定时间内消费金额将用户分为8类。
看右上角的红圈。只要消费金额高，就是重要用户。反而是消费金额低的一般用户，商业就是这样的现实。你天天在淘宝上看直播。如果不购物，也是属于“三低”的“一般留存用户”。
那么看直播的用户就不值钱了。当然不是。换个站台就行了，比如去Tik Tok。
第三，RFM在不同类型产品中的应用是根据用户的需求来划分的。我们可以把互联网产品分为电商、社交、内容、工具、平台、游戏。
当然，很多产品依赖电商，导致分不清。
我们会把握两个原则，一个是产品的主业，一个是模块的主业。这与《实战：解决增长黑客一看就懂，一用就懵的困惑》中介绍的制定北极星指标的思路是一致的。产品有产品指标，每个团队也可以有自己的指标，都是为公司的商业模式服务的。
(1)电子商务
我们熟悉的淘宝、JD.COM、拼多多都属于电子商务。根据用户的购买金额分等级。
(2)社会范畴
微信和微博属于社交范畴。根据交互次数分等级。
(3)内容类别
包括头条、知乎、Tik Tok、快啊汽车，都属于内容范畴。根据用户的阅读/观看时间分层。
(4)工具
包括云笔记、证券app、墨迹天气等。都是工具。
类比较特殊，每个工具都有自己的商业模式，侧重点也会不同。
云笔记可能会按照付费会员来分，但是会是低频。可以考虑根据上次使用时间、指定时间内的使用次数、指定时间内的文件共享次数进行分层。
(5)平台类
同时还有供给和消费两个方面，叫做平台。
比如滴滴的供应商是滴滴的司机，消费者是普通的打车用户。
从这个角度来说，淘宝既是电商，也是平台，有商家，也有普通消费者。
平台需要同时关注供应商和消费者。RFM模式更适用于消费者，滴滴和淘宝是按照消费金额分层的。
(6)游戏类
游戏的盈利模式主要有内耗和广告。
大游戏主要靠用户内部购买道具和卡牌消费，然后根据用户消费金额分层。
小型单机游戏主要靠广告，然后根据用户的广告观看/点击进行分层。
从前面的描述中我们知道，RFM可以用不同的行为来描述，主要是找出产品中衡量用户价值的关键行为，进行交叉分析和评估。
四。RFM模型的评价在第二节中，用户是按RFM的“高低”来分类的。你是怎么定义“高高低低”的？
1.通过平均值测评最直接的评分方法就是与平均值进行比较，分别求出目标数据的R、F、M的平均值，然后将每个用户的数据与平均值进行比较，进而确定等级。
我们还是以自己30天内在淘宝上购物的记录为例，R=7，F=5，M=500。假设淘宝用户30天内的平均R=10，F=8，M=800。那么你的评分结果是：
r:高。低于平均R值的记录被评为高，因为一条记录的R值越低，说明最近一次消费时间越短，用户的复购周期越短。f值：低。低于平均F值的记录得分为低，高于平均F值的记录得分为高。男：低。低于平均m值的记录被评分为低，高于平均m值的记录被评分为高。我们自己消费的最终得分是“高或低”。相对于第二节中属于“一般发展用户”的八类用户，电商可以针对这些用户使用运营策略来提升其价值。
2.通过中位数评估按平均值评估有一个明显的缺陷，即不能排除异常数据。如果一个大户有特别高的30天消费金额，就会抬高整体消费金额水平，导致很多用户平均被抬高。
可以考虑用中位数来评估。既然提倡数据驱动，就应该保持数据的严谨性。
建议使用箱线图得到中位数，并对异常数据进行特殊处理。
用我们熟悉的成绩来解释一下吧。
右侧的英语成绩(绿点)全部落在两条橙色横线之间(两条橙色横线分别表示最大值和最小值)，学生成绩正常。
左边数学成绩上下两边有两个绿点落在橙色横线外，说明这四个点是异常点，可以特殊对待。
用类似的方法处理用户30天内的消费记录，然后用中位数代替上面例子中的平均值。
3.通过分级评估按照平均分给用户分级可能过于粗粒度。众所周知的2月28日法则证明了20%的用户可能贡献80%的收入。如果仅仅按照平均值，在针对用户的运营策略上可能不够精准。
因此，在产品成熟、用户规模较大的情况下，可以使用等级评价。简单的办法就是用透视表查目标记录R，F，M的分布，然后指定等级。
一般分为五个等级，对应分值为1~5分。
还是以30天内淘宝购物为例。RFM的等级划分如下：
通过对比你30天内的购物记录(R=7，F=5，M=500)，可以根据成绩确定R’=4，F’=3，M’=3。
将所有用户的记录按照等级进行分级，然后计算所有用户的平均)R，F，M值，假设AR=3.8，AF=2.9，AM=4.1。
将分级值与平均值进行比较，以确定最终的RFM值：
R:高(R’ AR)F:高(F’ AF)M:低(M’ AM)我们自己消费的最终得分是“高低”。与第二节的八类用户相比，用户价值改为“一般价值用户”。
主观上，一个用户30天内消费500元还不错，但是通过模式划分，很明显用户还有提升空间。
比如30天累计消费500元买衣服，客单价不高。有没有可能引导用户消费电子产品？
5.精细化运营策略评估用户价值的目的是为了进一步提升用户价值，针对不同类别的用户提升用户价值的策略和手段略有不同。
“三高”用户的重要价值：大方向是让用户安静的待着，不要过多打扰。在重要的时间点加入人文关怀和节日关怀，可以让KOC(“关键意见消费者”)做到最好。
发展重要用户：消费频率低，总体策略是提高消费频率。一切可以增加消费频率的手段都可以尝试。手段包括发放优惠券、推荐新品等。而达成方式有短信、推送、邮件等。留住重要用户：有一段时间没用产品，但之前消费频率和金额较高，用户可能会流失。总体策略是用户回归，让用户回来。包括热点推荐、爆款推荐、运营活动等。还需要关注竞品的动态，用户最近有没有去竞品消费。留住用户重要：产品最近没用过，累计消费频率也低。这类用户流失的可能性很大，需要召回。你可以给用户提供最优惠的价格(惊喜优惠)，邀请用户填写反馈信息并采取措施(我们一定会做得更好)或者提供个性化服务(让用户觉得他很重要)。一般价值用户：策略是刺激消费，提高客单价。本文的案例是为了引导服装消费者进行电子消费。
发展一般用户：每隔一段时间就要对最近消费的产品进行联想和挖掘，希望增加用户的消费频率和金额。
保持一般用户：消费频率挺高，但最近没怎么消费，总消费金额也低，基本处于亏损状态。
使用有趣或暗示性的语言，快速吸引用户的注意力。比如：【拉招聘】有30家大HR公司，急招运营总监人才，薪资60K。点击参与火热招聘季活动。制造好奇心。比如【今日头条】曝出英伟达7万多员工信息被泄露。通过模拟真实好友动态，激发用户的响应动机。比如：【脉脉】实名，你们班的同学邀请大家加入班级通讯录……给用户即时可以享受的福利进行诱导，强调专属和限时，增加归属感和紧迫感。例如：[Tik Tok]你的奖励就要到期了。请尽快登录Tik Tok至尊版APP！围绕用户来平台的核心动机，从各个角度回忆。比如求职、打折、交友等。举个例子：【探索应用】某空乘四次查看你的个人主页，点击看看是谁……一般来说，留住用户：通过以上手段，用户还处于“三低”状态，可以暂时搁置，有限的资源可以投入到更有价值的人身上。
不及物动词RFMRFM模型的灵活应用更常用于电子商务领域，但能体现用户价值的关键行为可以用RFM来衡量。
例如，评论行为可以通过最后一次评论时间、指定时间内的评论数量和指定时间段内的评论数量来衡量。
作者利用RFM模型调整新用户奖励，直接吸引高价值用户。
通过RFM对某证券APP的用户进行分层后，对比“三高”重要价值用户的存款金额，发现高存款金额中有很大比例属于“三高”人群。
所以在具体手段上，通过设置存款金额的阶梯，给予不同的奖励，取得了非常好的效果。
当然，在实际操作中，不一定要把RFM的三个维度都考虑进去，但也可以两个维度成对选取，可能会有意想不到的收获。
本文由@ CancerXiaoOu原创发布。每个人都是产品经理。未经许可，禁止复制。
来自Unsplash的图像，基于CC0协议。