編輯導(dǎo)語：本文通過RFM模型，解釋如何用RFM來劃分用戶等級(jí)，同時(shí)制定精準(zhǔn)的運(yùn)營(yíng)策略來提升不同用戶分類的用戶價(jià)值。適用于想要調(diào)整自身產(chǎn)品的用戶分層，讓有限資源投入到更有價(jià)值的人群中的商家。

一、用戶價(jià)值的影響因素

做用戶增長(zhǎng)就是做2件事情，一是增加用戶數(shù)量，二是提高用戶質(zhì)量。而提高用戶質(zhì)量的過程就是提升用戶價(jià)值的過程。

提升用戶價(jià)值也只是做2件事情，一是提高用戶活躍度，二是提升用戶付費(fèi)金額。

1. 更高的活躍度意味著更高的留存，進(jìn)而有利于提升用戶的全生命周期價(jià)值（LTV），對(duì)于不直接向用戶收費(fèi)的產(chǎn)品而言，更高的活躍度意味著更高的廣告價(jià)值，比如頭條。
2. 用戶付費(fèi)金額 = 消費(fèi)頻次 X 單次消費(fèi)金額。很顯然，消費(fèi)頻次增強(qiáng)或者單次消費(fèi)金額提高都能夠提升用戶付費(fèi)金額。

所以，用戶的活躍情況、消費(fèi)頻次和消費(fèi)金額都和提升用戶價(jià)值有關(guān)。

二、認(rèn)識(shí)RFM模型

百度百科介紹：RFM模型是衡量客戶價(jià)值和客戶創(chuàng)造利益能力的重要工具和手段。在眾多的客戶關(guān)系管理(CRM)的分析模式中，RFM模型是很流行的。

• R：代表最近一次消費(fèi)（Recency），可以定義為最近一次消費(fèi)時(shí)間距指定時(shí)間的天數(shù)。
• F：消費(fèi)頻率（Frequency），可以定義為指定時(shí)間內(nèi)消費(fèi)的總次數(shù)。
• M：消費(fèi)金額 (Monetary)，可以定義為指定時(shí)間內(nèi)消費(fèi)的總金額。

RFM廣泛應(yīng)用在電商行業(yè)。我們自己腦補(bǔ)下最近30天在淘寶或者京東的消費(fèi)情況：

• 昨天剛下完單，那R就是1。一周前下了單，那R就是7，以此類推；
• 30天內(nèi)一共下單了5次，F(xiàn)就是5；
• 30天內(nèi)一共消費(fèi)了500元，M就是500；

電商的小姐姐、小哥哥一看這個(gè)數(shù)據(jù)，哎呀，好喜歡：

• 昨天剛下完單表示很活躍，短期內(nèi)不會(huì)流失，好放心；
• 30天下單了5次，表示這是個(gè)鐵桿用戶，好溫暖；
• 30天一共消費(fèi)500元，消費(fèi)水平還不錯(cuò)，好踏實(shí)。

RFM模型按照最近一次消費(fèi)時(shí)間、指定時(shí)間內(nèi)的消費(fèi)次數(shù)和指定時(shí)間內(nèi)的消費(fèi)金額將用戶分為8類。

看右上角紅圈部分，只要消費(fèi)金額高的就是重要用戶。相反，消費(fèi)金額低的就是一般用戶，商業(yè)就是如此的現(xiàn)實(shí)。你天天在淘寶看直播，如果不購物，也是屬于“三低”的“一般挽留用戶”。

那看直播的用戶就沒有價(jià)值了么，當(dāng)然不是，換個(gè)平臺(tái)就行，比如去抖音。

三、RFM在不同類型產(chǎn)品的應(yīng)用

按照用戶需求劃分，我們可將互聯(lián)網(wǎng)產(chǎn)品分為電商類、社交類、內(nèi)容類、工具類、平臺(tái)類和游戲類。

當(dāng)然有不少產(chǎn)品都往電商上靠，導(dǎo)致分不清楚。

我們就把握2個(gè)原則，一是產(chǎn)品的主營(yíng)業(yè)務(wù)，二是自己負(fù)責(zé)模塊的主要業(yè)務(wù)。這和在《實(shí)戰(zhàn)：解決增長(zhǎng)黑客一看就懂，一用就懵的困惑》介紹的制定北極星指標(biāo)的思路一致，產(chǎn)品有產(chǎn)品的指標(biāo)，每個(gè)團(tuán)隊(duì)也可以有各自的指標(biāo)，都是為了公司的商業(yè)模式服務(wù)的。

（1）電商類

我們熟知的淘寶、京東和拼多多，都屬于電商。按照用戶的購物金額來分層。

（2）社交類

微信和微博都屬于社交類。按照互動(dòng)數(shù)來分層。

（3）內(nèi)容類

包括頭條、知乎、抖音和快手等，都屬于內(nèi)容類。按照用戶閱讀/觀看時(shí)長(zhǎng)來分層。

（4）工具類

包括有道云筆記、證券類APP、墨跡天氣等都屬于工具類。

工具類比較特殊，每一個(gè)工具都有自身商業(yè)模式，關(guān)注的重點(diǎn)也會(huì)不同。

云筆記可能按照付費(fèi)會(huì)員來劃分，但會(huì)比較低頻?？梢钥紤]按照最近一次使用時(shí)間、指定時(shí)間內(nèi)的使用次數(shù)和指定時(shí)間內(nèi)的文件共享次數(shù)來分層。

（5）平臺(tái)類

同時(shí)存在供給和消費(fèi)2方的才稱之為平臺(tái)。

比如滴滴，滴滴的供給者是滴滴司機(jī)，消費(fèi)者是普通打車用戶。

從這個(gè)角度劃分，淘寶是電商也是平臺(tái)，有商家和普通消費(fèi)者。

平臺(tái)需要同時(shí)關(guān)注供給方和消費(fèi)方。而RFM模型更多的應(yīng)用于消費(fèi)方，滴滴和淘寶都是按照消費(fèi)金額來分層。

（6）游戲類

游戲類的盈利模式主要有內(nèi)消費(fèi)和廣告。

大點(diǎn)的游戲主要靠用戶內(nèi)部購買道具、點(diǎn)卡消費(fèi)，這時(shí)就按照用戶的消費(fèi)金額來分層。

小點(diǎn)的單機(jī)版游戲主要靠廣告，這時(shí)就按照用戶的廣告觀看/點(diǎn)擊來分層。

通過前面描述我們知道，可以通過不同的行為來描述RFM，主要是找到產(chǎn)品中衡量用戶價(jià)值的關(guān)鍵行為，并進(jìn)行交叉分析和評(píng)估。

四、RFM模型的評(píng)估

第二節(jié)中通過RFM的“高低”來對(duì)用戶進(jìn)行歸類，那怎么定義“高低”呢？

1. 通過平均數(shù)評(píng)估

最直接的打分方法就是和平均數(shù)作比較，分別求出目標(biāo)數(shù)據(jù)的R、F和M的平均值，然后用每個(gè)用戶的數(shù)據(jù)和平均值來比較，然后確定高低。

我們?nèi)砸宰约?0天內(nèi)在淘寶購物的記錄為例，R=7，F(xiàn)=5，M=500。假設(shè)30天內(nèi)淘寶用戶的平均R=10，F(xiàn)=8，M=800。那你的打分結(jié)果為：

• R值：高。低于平均R值的記錄打分為高，因?yàn)橛涗浀腞值越低說明最近一次的消費(fèi)時(shí)間越短，用戶的回購周期越短。
• F值：低。低于平均F值的記錄打分為低，高于平均F值的記錄打分為高。
• M值：低。低于平均M值的記錄打分為低，高于平均M值的記錄打分為高。

我們自己消費(fèi)的最終打分結(jié)果為“高低低”，對(duì)照第二節(jié)中的8類用戶屬于“一般發(fā)展用戶”，電商就可以使用針對(duì)這類用戶的運(yùn)營(yíng)策略來提升價(jià)值。

2. 通過中位數(shù)評(píng)估

按照平均數(shù)評(píng)估有一個(gè)明顯缺陷就是不能排除異常數(shù)據(jù)，如果有個(gè)大戶30天的消費(fèi)金額特別高，就會(huì)拉高整體的消費(fèi)金額水平，導(dǎo)致很多用戶被平均拉高。

我們可以考慮使用中位數(shù)來評(píng)估。作為崇尚數(shù)據(jù)驅(qū)動(dòng)的我們，對(duì)數(shù)據(jù)要保持嚴(yán)謹(jǐn)性。

推薦使用箱線圖來獲得中位數(shù)，并能將異常數(shù)據(jù)特殊處理。

我們以大家熟悉的成績(jī)來做說明。

右側(cè)英語成績(jī)（綠點(diǎn)）都落在2條橙色的橫線之間（2條橙色橫線分別表示最大值和最小值），學(xué)生的成績(jī)都很正常。

左側(cè)數(shù)學(xué)成績(jī)上下各有2個(gè)綠點(diǎn)落在了橙色的橫線之外，說明這4個(gè)點(diǎn)是異常點(diǎn)，可以進(jìn)行特殊處理。

采用類似的方法對(duì)30天內(nèi)用戶的消費(fèi)記錄進(jìn)行處理后，使用中位數(shù)替代上例中的平均數(shù)即可。

3. 通過劃分等級(jí)評(píng)估

按照平均數(shù)打分對(duì)用戶的劃分力度可能過于粗顆粒。廣為人知的二八法則證明，20%的用戶可能貢獻(xiàn)了80%的收益。如果只是按照平均數(shù)或許在針對(duì)用戶的運(yùn)營(yíng)策略上不夠精準(zhǔn)。

所以對(duì)于產(chǎn)品較為成熟、用戶規(guī)模較大的情況可以采用等級(jí)評(píng)估。簡(jiǎn)單的做法就是使用透視表查看目標(biāo)記錄R、F和M各自的分布，然后指定等級(jí)。

一般分為5個(gè)等級(jí)，對(duì)應(yīng)的分值為1~5分。

還是以30天內(nèi)的淘寶購物為例，對(duì)RFM的等級(jí)劃分如下：

對(duì)照自己30天內(nèi)購物的記錄（R=7，F(xiàn)=5，M=500），可以確定按照等級(jí)劃分后的R’=4，F(xiàn)’=3，M’=3。

將所有用戶的記錄按照等級(jí)打分后再計(jì)算所有用戶的平均（Average）R值、F值和M值，假設(shè)AR=3.8，AF=2.9，AM=4.1。

用自己按照等級(jí)劃分后的值與平均值進(jìn)行比較，確定最后的RFM值：

• R值：高（R’ > AR）
• F值：高（F’ > AF）
• M值：低（M’ < AM）

我們自己消費(fèi)的最終打分結(jié)果為“高高低”，對(duì)照第二節(jié)中的8類用戶，用戶價(jià)值變更為“一般價(jià)值用戶”。

從主觀上看一個(gè)用戶30天內(nèi)消費(fèi)500元還不錯(cuò)，但通過模型劃分可以很明顯地知道該用戶還有提升的空間。

比如，30天累計(jì)消費(fèi)500元的用戶買的都是衣服，客單價(jià)不高，有沒有可能引導(dǎo)用戶消費(fèi)電子產(chǎn)品呢？

五、精細(xì)化運(yùn)營(yíng)策略

對(duì)用戶價(jià)值進(jìn)行評(píng)定的目的是為了進(jìn)一步提高用戶價(jià)值，對(duì)不同分類的用戶提升用戶價(jià)值的策略手段也略有不同。

“三高”的重要價(jià)值用戶：大方向上就是讓用戶安靜地待著，不要過多的打擾。在重要的時(shí)間點(diǎn)上增加人文關(guān)懷、節(jié)日關(guān)懷等，能夠發(fā)展為KOC(“Key Opinion Consumer”，即關(guān)鍵意見消費(fèi)者)最佳。

• 重要發(fā)展用戶：消費(fèi)頻率低，整體策略就是提升消費(fèi)頻次。所有能夠提升消費(fèi)頻次的手段都可以嘗試。手段包括發(fā)券、新品推薦等，觸達(dá)方式包括短信、Push、郵件等。
• 重要保持用戶：有段時(shí)間沒有使用產(chǎn)品了，但是之前的消費(fèi)頻次和消費(fèi)金額都是高的，用戶存在流失可能。整體策略是用戶回流，讓用戶再來光顧。手段包括熱門推薦、爆品推薦、運(yùn)營(yíng)活動(dòng)等。還需重點(diǎn)關(guān)注競(jìng)品動(dòng)態(tài)，是不是最近用戶到競(jìng)品消費(fèi)去了。
• 重要挽留用戶：最近沒有使用產(chǎn)品了，而且累計(jì)的消費(fèi)頻次也低。這類用戶存在很大的流失可能，需要重點(diǎn)召回?？梢越o用戶提供最優(yōu)價(jià)格（驚喜優(yōu)惠）、邀請(qǐng)用戶填寫反饋信息并采取措施（我們一定會(huì)做的更好）或者提供個(gè)性化服務(wù)（讓用戶覺得他非常重要）。

一般價(jià)值用戶：策略就是刺激消費(fèi)，提高客單價(jià)。文中案例就是將衣服消費(fèi)人群想辦法引導(dǎo)到電子消費(fèi)上。

一般發(fā)展用戶：偶爾消費(fèi)一次，要針對(duì)最近消費(fèi)的產(chǎn)品進(jìn)行聯(lián)想和挖掘，期望能夠提高用戶的消費(fèi)頻次和金額。

一般保持用戶：曾經(jīng)消費(fèi)的頻次挺高，最近也不消費(fèi)了而且總的消費(fèi)金額也低，基本上處于流失狀態(tài)。

1. 使用趣味性或者暗示性較強(qiáng)的語言快速吸引用戶注意力。比如：【拉勾招聘】有30 大廠HR，急招運(yùn)營(yíng)總監(jiān)人才，薪資60K，點(diǎn)擊參與熱招季活動(dòng)。
2. 創(chuàng)建好奇心。比如：【今日頭條】曝英偉達(dá)7萬多條員工信息遭泄露。
3. 通過模擬真實(shí)的好友動(dòng)態(tài)，激發(fā)用戶的響應(yīng)動(dòng)機(jī)。比如：【脈脈】<真實(shí)姓名>，你們班的同學(xué)邀請(qǐng)大家加入班級(jí)通訊錄哦……
4. 給與用戶馬上可享用的利益點(diǎn)進(jìn)行誘導(dǎo)，要強(qiáng)調(diào)專屬、限時(shí)，增加歸屬感、緊迫感。比如：【抖音】您的獎(jiǎng)勵(lì)即將過期，盡快登陸抖音極速版APP查看吧！
5. 圍繞用戶來平臺(tái)的核心動(dòng)機(jī)，從各角度進(jìn)行召回。如應(yīng)聘、折扣、交友等。比如：【探探應(yīng)用】有一位空姐查看了4次你的個(gè)人主頁，點(diǎn)擊查看是誰吧……

一般挽留用戶：通過以上手段，用戶還是處于“三低”狀態(tài)，可暫時(shí)擱置，把有限的資源投入到更有價(jià)值的人群上。

六、靈活運(yùn)用RFM

RFM模型更常用于電商領(lǐng)域，但是能體現(xiàn)用戶價(jià)值的關(guān)鍵行為都可以使用RFM來度量。

比如評(píng)論行為，就可以使用最近一次評(píng)論的時(shí)間、指定時(shí)間內(nèi)的評(píng)論次數(shù)和指定時(shí)間段內(nèi)的評(píng)論字?jǐn)?shù)來度量。

筆者曾運(yùn)用RFM模型來調(diào)整新用戶獎(jiǎng)勵(lì)，直接吸引高價(jià)值用戶。

通過RFM對(duì)某證券APP的用戶進(jìn)行分層后，再對(duì)比“三高”的重要價(jià)值用戶的入金金額，我們發(fā)現(xiàn)入金金額高的有很大比例都屬于“三高”人群。

所以在具體手段上通過設(shè)定入金金額階梯，給與不同的獎(jiǎng)勵(lì)，達(dá)到了很不錯(cuò)的效果。

當(dāng)然，在實(shí)際運(yùn)用中不一定將RFM三個(gè)維度都考慮到，也可以選取2個(gè)維度兩兩組合，或許有意外收獲。

本文由 @巨蟹小鷗 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議