3千字详解RFM模型，保姆级教程

关于RFM模型，这个名字很多同学都知道，但深究到执行层面，相信很多同学都是一知半解，本文3k+字，从理论到实操分享给大家。

目录

• 一、什么是RFM模型
• 二、RFM模型的优缺点
• 三、RFM模型需要哪些数据
• 四、用户RFM模型划分8类用户
• 五、解读用户类型
• 六、数据处理
• 七、2种用户分层方法
• 八、制定营销策略

一、什么是RFM模型

RFM模型是做用户精细化运营的常用分析方法，RFM是英文缩写。

R（Recency）表示最近1次消费时间间隔，F（Frequency）表示消费频率，M（Monetary）表示消费金额。

这3个指标可以用来描述用户价值，是目前比较主流的用户分层方法，主要用来研究付费用户。

根据业务需要，也常有人把RFM换成对应的活跃指标，如最近一次登录时间、登录频次、活跃时长等维度，以此来做用户分层，用于研究活跃、留存的情况。

二、RFM模型的优缺点

优点：

RFM模型需要的数据较少，只需“人、时、钱”三类数据就能完成分析，一般公司只要有业务有流水，就会有这些数据。

RFM模型定义8大用户分类，相对其他聚类算法的模型来讲，用户分层简单清晰，能很好解释业务，操作方便。

缺点：

RFM模型主要是做付费用户行为的研究，较适用于复购较多的业务场景，比如像快消、电商、美业、服务业等行业。

这些行业的用户基本只有挑选-付费的环节，付费流程短、复购较多。

而像工具类产品、教培行业、数码电子等行业，这些行业要么产品有免费的功能、要么营收模式不是靠c端付费、要么高价低频复购周期长等。

这些特点导致用户在付费之前，要体验很多功能或者花很多时间做决策。

因为支付决策路径的增长，影响支付的因素就变多了，那么只看RFM模型而不看活跃、留存、体验等环节的话，最终模型的效果可能就大打则扣。

三、RFM模型需要哪些数据

RFM模型的数据要求非常简单，原始数据需要的表头：“人、时、钱”。

人：用户ID

时：交易时间

钱：消费金额

在做模型分析前也要确定好分析的起止时间。

四、用RFM模型划分8类用户

RFM模型好用，是因为他能很好的界定出8类用户，并针对这8类用户做精细化运营策略。

如何划分8类用户？

先定档位。

对每个用户的R/F/M值做高低档位划分，分别划分出2个档位，即：R高/低、F高/低、M高/低。

通过不同的RFM高低档位的组合，可划分出8大用户类别，如图：

划分出8类用户后，根据RFM值的高低定义用户价值，划分用户类型。

我们常见的为下图：

这种叫法比较难理解，为方便理解这里称为：沉睡VIP、流失熟客、流失土豪、完全流失、活跃VIP、普通熟客、潜力VIP、普通新客。

如图：

五、解读用户类型

有了8大用户分类后，我们需要充分理解这8类用户的特征，并制定合理的营销计划，做精细化运营。

比如，R低F高M高的用户，说明该用户近期在活跃中、在近期复购频率较高、花费金额较高，属于活跃VIP用户。

这时可以针对这类高质量用户做优质的活动邀约和品牌活动。

但因为此类用户本身黏度就很高，可考虑适当减少在此类用户身上过度营销。

假如说，你是一个快消品公司的运营，现在接到一个任务，因为营销节日将到，需要准备一个营销活动，但是预算有限，那么开展工作的思路是什么呢？

首先，因为预算有限，我们不能广撒网，跟据RFM模型，我们找出了8大类型用户，并做如下分类：

注意：不同的行业和产品之间可能存在差异，具体的用户分类和维护方式，需要视情况而定，不可生搬硬套。

然后，制定营销策略，一般如下：

像“沉睡VIP”“潜力VIP”“流失土豪”这样的用户，他们曾经为产品付费过，可以适当给一些优惠，砸钱去把他们召回。

像“活跃VIP”“普通熟客”“普通新客”这样的用户，他们要么是铁杆忠实用户了、要么是长久以来的白嫖用户，相同的营销费用下去，可能没有那么高的性价比。

像“流失熟客”“完全流失”这样的用户，他们没有为产品付费或者再也不活跃了，如果有多余的营销费用的话，再做流失用户打捞。

那接下来我们将进入到数据处理阶段，以下内容可以跟着一起数据实操，实操数据可在公众号后台回复如下关键字获取：RFM模型。

六、数据处理

a.取20年1-6月的交易数据，确认数据表中是否包含“人、时、钱”三要素，如图：

b.对userid进行去重处理：

复制userid至空白列，通过“数据”-“删除重复值”操作，进行去重

c.新增5个辅助列，表头为“R”“F”“M”“最后一次交易日期”“分析截止日期”

d.计算每个用户的“最后一次交易日期”，使用公式maxifs计算，并下拉填充该列数据

e.确定分析截至日期，本次数据日期定位2020/7/1

f.计算R

找到每个用户最后一笔交易的日期，选定分析截止日期并计算与每个用户最后一笔交易日期的间隔

在表头为R的列，用“分析截至日期”-“最后一次交日期”得到R,如图:

g.计算F

选定历史交易次数的统计时间窗口，统计交易or活跃次数

在表头为F的列，用countif公式计算，并下拉填充该列数据，如图：

h.计算M

选定历史交易金额的统计时间窗口，统计累计交易金额

在表头为M的列，用sumif公式计算，并下拉填充该列数据，如图：

七、2种用户分层方法

1.均值法

通过RFM的均值高低，确定每个用户的价值高低。

缺点：如果数据分布不均匀，极值比较大，并不能代表实际的用户情况

均值法计算步骤：

a.定挡位

第一步，分别计算出“R”列、“F”列、“M”列的均值

第二步，新增辅助列“R挡位-均值法”“F挡位-均值法”“M挡位-均值法”

第三步，制定挡位规则，R挡位≤均值的为一档并用数字1表示，>均值的为一档并用数字0表示；F和M挡位≥均值的为一档并用数字1表示，<均值的为一档并用数字0表示

第四步，在辅助列中用if公式计算，并下拉填充该列数据，分别比较R计分、F计分、M计分和R均值、F均值、M均值的大小

如图:

分层规则，如图：

用户分层，用if和and公式嵌套，得到每个用户的画像标签，如图：

c.汇总

用数据透视表或者countif公式，计算8种用户的人数和用户ID，如图：

2.计分法

通过RFM行业值的高低，确定每个用户的价值高低。

a.定计分规则

新增3个辅助列：“R计分”“F计分”“M计分”。

确定“R计分”列的计分规则，如图：

在表头为“R计分”的列，用if公式嵌套计算，并下拉填充该列数据，如图：

确定“F计分”列的计分规则，如图：

在表头为“M计分”的列，用if公式嵌套计算，并下拉填充该列数据，如图：

b.定挡位：

第一步，分别计算出“R计分”列、“F计分”列、“M计分”列的均值

第二步，新增辅助列“R挡位-计分法”“F挡位-计分法”“M挡位-计分法”

第三步，制定挡位规则，在挡位列中≥均值的为一档并用数字1表示，<均值的为一档并用数字0表示

注意：在计分的时候已经把R小的值计为高分，所以这里的档位规则和均值法里面是相反的。

第四步，在挡位列中用if公式计算，并下拉填充该列数据，分别比较R计分、F计分、M计分和R计分均值、F计分均值、M计分均值的大小

如图：

八、制定营销策略

本节内容不属于本篇文章的主要讨论范畴，放在这里主要是提醒大家的作用。

当我们数据操作到这一步后，其实运营才刚开始。

接下来需要根据不同的用户类型做对应的活动，紧密观测数据变化，及时调整活动方案。

好了，本文就到这里了，欢迎大家留言评论，理性讨论。

文：运营路先森