用户价值模型-RFM模型

一、RFM模型是什么

说到用户价值模型，我们常常会用的就是，RFM用户价值模型，它是一种常用于客户分析和营销策略制定的模型。
RFM代表的意思是：
1）R(Recency)：最近一次购买时间，也就是客户最近一次交易距今的天数。
2）F(Frequency）：交易频率，也就是客户在一段时间内的交易次数。
3）M(Monetary)：交易金额，也就是寄户在一段时间内的总消费金额。
RFM用户价值模型通过分析这三个维度，将客户分成不同层次的组，从而制定不同的营销策略和销售方案。如果行业没有收入，因此这里的M(monetary)我们经常会用**noM(业务转化指标)**来代替。

二、解决什么业务问题

1、花钱的行业

在做营销策略的时候，尤其是带有大量权益的营销策略的时候，我们希望我们花的每一笔营销费用都是针对高价值用户，而不是给了羊毛党。这样子的话，寻找行业认为的高价值用户就会尤为的重要，这个可以指导我们将我们的营销预算如何做倾斜。那么为了找到高价值用户，有一个简单明了的价值模型分层就可以帮我们很好的解决上述问题。

2、有收入业务

当行业是带有收入属性的，那么我们所有目光会聚焦在GMV上，一个用户可以给我带来更多GMV贡献就是我们的高价值用户。这个时候直接用非常常用的RFM模型就可以很好的帮助我们定位到高价值用户，然后将权益倾斜给高价值用户，从而刺激激励用户成为更高价值的用户，榨出额外价值为GMV贡献，从而提升GMV。例如滴滴用户V1-V8分层，通过用里程作为媒介，但是实际上就是在一定时间内，频次越多，支付的价格越多(乘坐豪华车权值最高)。

3、服务类的行业

运营服务的行业没有花钱或者GMV诉求，这个时候可以考虑用户使用服务的深度或者粘度。最近一次使用，和使用服务次数是必选的两个标准，除此之外可以考虑使用交又服务的个数可以作为第三个指标来帮助定义高价值。也就是说，使用行业主要服务频繁且使用行业中其他服务的依赖也大的就似然是我们的高价值用户。

三、RFM的适用场景

RFM分层成立的前置条件：
1、最近有过消费行为的用户，在未来一段时间内再次消费的概率越大；即用户最近一次消费的时间间隔越短（R值越小），流失的几率越小，用户的价值越高。
2、最近一段时间消费频率越高的用户越忠诚，在未来再次消费的概率越大；即F值越大，用的户价值越高。
3、最近一段时间消费金额越高的用户，在未来越有可能产生高价值消费；即M值越大，用户的价值高。
所以不同行业不同类型的业务在使用该分层方法时一定要反问自己，上述三个前提对于自己的业务是否成立。

四、用户价值分层步骤

1、基于用户历史消费数据，以三维坐标系进行用户价值分层。拉取用户历史消费数据，并计算出每个用户对应的R、F、M数值，分别为Recency：最近一次消费时间间隔；Frequency：消费频率；Monetary：消费金额。
分析步骤如下：
1）将所有用户的R、F、M三个数值分别进行梯度划分，通常每个指标被划分成5个梯度，对应5个分值。
2）梯度的划分：依据数据特征将R、F、M分别划分成5个区间，比如通过散点图进行划分或通过占比图寻找曲线的明显断档处进行划分。
3）依据上述分值梯度，计算每个用户的R、F、M三个指标对应的分值。
4）计算所有用户的R、F、M三个指标的阈值。
5）将用户的R、F、M三个指标的分值依次与上述阈值进行比较，若小于阈值则计为低，否则为高，得出每个用户R、F、M分值的高低情况。
6）依据RFM分层表，进行用户类型的匹配，用户最终被分为8种类型。如下图：

2、业务可以根据自己行业特性来改变这3个指标：
1）花钱的行业：以出行为例，采用近度、频度、业务转化来作为核心指标；
2）有收入的行业：建议采用近度、频度、用户消费的总金额作为核心指标；
3）服务类的行业：建议采用近度、频度、使用服务个数作为核心指标；

3、注意yes/no的阈值如果业务没有特别强制需要符合业务逻辑，一般根据业务目标做最优解，反推R、F、M每个指标的阈值。
1）花钱的行业：留存率，提频，ROl
2）有收入的行业：GMV
3）运营服务的行业：MAU

五、制定分层运营策略

RFM最终可以交用户分为8层，但出现以卡两种情况时，可进行人群归类合并：
1）当中某类人群的量级过小，没有单独运营的必要性；
2）当业务没有过多细分的运营策略，难以针对8个人群给出差异化的运营方案，可将相同运营策略的人群进行合并。

六、用户价分层案例

公交地铁
1）人群范围：想要做分层的总人群，例如公交地铁是凡有过交易的用户。
2）DFM指标：三个指标（近度，频度，价格不敏感度）。
3）目标设定：完成人群分层后，匹配了运营动作，预期希望能够达到的目标。比如，现在留存率60%，定目标留存率65%。算法同学会根据运营设定的目标去做人群切分最优解。
4）限制条件（如有）：人均成本3元。算法同学会根据这个限制，匹配目标设定，通过历史数据计算最优解。

RFnoM模型分层五类用户(按上面合并了人群，分为重要优质、重要培养、重要保持、一般用户、重要保持、无价值用户)，帮助定位工具地铁高价值用户：
第一象限-重要优质(通勤派)：近度(yes)频度(yes)价格不敏感(yes)；
第二象限-重要培养(敏感通勤派)：近度(yes)频度(yes)价格不敏感(no)；
第三象限-重要保持(曾经稳定派)：近度(no)频度(yes)价格不敏感(yes)；
第四象限-一般用户：近度(no)频度(yes)价格不敏感(no)；
第五象限-重要保持(低需求派)：近度(no)频度(yes)价格不敏感(yes)；
第六象限-一般用户：近度(yes)频度(no)价格不敏感(no)；
第七象限-一般用户：近度(no)频度(no)价格不敏感(yes)；
第八象限-无价值用户：近度(no)频度(no)价格不敏感(no)；