如何利用RFM模型进行用户分层（实操演示）

今天给大家先容一种用户分层模型：RFM模型。为了帮助大家理解，本文会结合简单的实操案例演示。首先，我们来了解下什么是用户分层？为什么要做用户分层？

用户分层的定义

根据产品不同用户的基本属性、行为特征对用户进行层次划分，以便有针对性的制定不同的产品策略来满足其差异化需求。

用户分层的意义

在产品运营过程中，公司都希看钱能花在刀尖上，用最少的运营资源获取最多的回报。因此，通过对用户进行分层划分，有的放矢的进行“差别营销”。对用户而言，可以真正做到满足各类用户的需求；对公司而言，通过为不同用户制定更精准的运营策略，使运营资源能够更高效利用，并带来业务数据的增长。所以，用户分层作为精准化的重要手段，能够为用户和业务带来的价值也是显而易见的。

弄明白了上面两点，接下来正式了解RFM模型。

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。各指标定义：

R：最近一次的消费时间（Recency）

F：一段时间内的消费频次（Frequency）

M：一段时间内的消费金额（Monetary）

（注：RFM三个值的定义并不是一成不变的，需要结合自己的产品找出核心的三个指标，比如互联网产品，R值可以是最近一次登录时间，F值可以是登录频次，M值可以是在线时长）

通过上面三个指标可以建立以下坐标体系：

我们可以将R、F、M轴定义为：高、低（分的越细，最后组合得到的用户种别越多，方案实施就越复杂），两个方向（↑为高，↓为低），然后找出R、F、M各自的中值（本文取均匀值），R值高于中值标为高，低于中值标为低，这样就可以得到以下8种用户分层类型：

下面结合数据实操演示下（ 这里整理了2万个原始数据进行分析）。

第一步：我们利用数据透视图分别对登录次数、停留时间、下单数进行分段处理。如下图：

登录次数分布图

 停留时间分布图

下单数分布图

根据上面的分布走势图，我们可以将登录时间、停留时间、下单数分别划分成四个区间，并对应赋值。如下图：

第二步：依据上图区间和赋值，使用IF函数算出每个用户登录次数、停留时间、下单次数对应的R、F、M值。

这里要留意IF函数不要写错，直接在函数框内编写很方便（不懂的童鞋可以研究下上图中的公式，或者百度学习下IF函数），算出了一个用户的值，往下自动复制就可以得出全部的。

第三步：分别算出R、F、M值对应的均匀值。（公式：均匀值=全部用户R值总和/用户数）结果如图：

第四步：将用户对应的R、F、M值与上面均匀值进行比较，高于均匀值标为高，低于均匀值标为低。如下图：

注：公式中均匀值单元格地址需要尽对引用，也可以直接填写均匀值。

第五步：根据每个用户的R、F、M值的高低，对照下图确定该用户属于RFM模型8类用户中的哪一类。

这里依然可以用IF函数，我们以Q2用户为例，判定该用户所属用户种别：

公式=IF(AND(X2="高",Y2="高",Z2="高"),"重要价值用户",IF(AND(X2="高",Y2="低",Z2="高"),"重要发展用户",IF(AND(X2="低",Y2="高",Z2="高"),"重要保持用户",IF(AND(X2="低",Y2="低",Z2="高"),"重要挽留用户",IF(AND(X2="高",Y2="高",Z2="低"),"一般价值用户",IF(AND(X2="高",Y2="低",Z2="低"),"一般发展用户",IF(AND(X2="低",Y2="高",Z2="低"),"一般保持用户","一般挽留用户")))))))

经过上面一系列公式处理后，这些用户就被我们分到了8个不同的用户群体中。接下来就可以针对不同的用户群体进行资源分配，制定针对性的运营策略了。具体的运营策略这里就不做阐述了，大家根据自己公司的运营资源公道制定就可以了。

结语:我们在运营RFM模型的时候，要学会灵活处理，比如三个核心指标的选择，中值的选择，都需要结合自己产品的实际情况。整体来说RFM模型的运用并不是很难，只是在写公式的时候需要多细心，避免出错。建议大家找对应的数据实操一下。