如何从几千万上百万的用户中筛选出高价值用户？

---

大家好，我是PM大明同学，以后会在这里和大家分享一些生活和工作的碎片。

案例分析：

公司在原有的产品中积累了部分老用户，因为产品生态，导致用户粘性，使用时长根据市场热度波动，时高时低，为了弥补用户生态短板，同时开拓新业务线，开发了一款互补形产品，新产品需要做前期推广，例如前期封测，数据回收，用户意见，BUG反馈等。

在这里问一个问题

“在前期投放及推广预算有限的情况下，如何从几千万上百万的用户中筛选出高价值的那部分用户？”

给大家3秒的时间思考，你可以把你的回答，打在评论区。

3,2,1。

好了。

不过我要说的是，其实答案并不重要，至于为什么，在后面的内容中我会分享一个模型。

RFM模型便可以实现。

那么什么是RFM模型？

RFM模型是衡量用户价值和用户创利能力的重要工具和手段。

常⽤于⽤户价值研究和⽤户精细化运营，能够精准定位⽤户需求，实现策略效果的最⼤化。

可以应用于多个行业和场景，如互联网、零售、电商、银行、通信等上都适用。

RFM模型定义

Recently：最近一次消费指的是用户上一次消费的时间，理论上最近一次消费时间越近的用户更有可能对即时的商品或服务做出反应，有助于吸引用户持续购买并赢得他们的忠诚度。

Frequency：消费频率指用户在特定期间内购买的次数，关键在于推动消费者提升购买频次，将低频购买者转化为高频购买者，常购者通常满意度和忠诚度最高。

Monetary：消费金额是数据库报告的核心，理论上M值和F值是一样的，都带有时间范围，指的是一段时间内的消费金额，所以对于一般产品而言，M值对客户细分的作用相对较弱。

然后和平均数（中位数）对比得到定性描述（高或低），最后将用户分成8个不同的种类，用户分层可套用产品本身用户画像自行定义。

---

结合以上案例和模型具体操作步骤。

前期数据准备：

用户分类表格

用户充值交易流水，包含用户id、充值时间、充值金额。

坐稳，扶好，准备上高速 ~~

---

数据处理：

第一步 

选取部分数据样本，确认充值时间和取数时间的时间差，这里使用的数据样本为假数据，主要用于说明操作步骤。

如图所示新增“距离天数”列，用取数时间“D2”列减去充值时间“C2”列，即可计算出第一位用户的距离天数，鼠标双击左键“E2”列全部填充，计算出整列的距离天数。

---

第二步 

选取全部数据创建透视表。

将“user_id”列拖入下方行的区域，再将“user_id”，“金额”，“距离天数”拖动到值的区域。

计算维度：user_id计次，金额求和，距离天数最小值。

鼠标左键点击“user_id”数值计算栏按钮，选择“值字段设置”，在“计算类型”中选择“计数”，点击“确定”，得到每个用户的购买频次。

鼠标左键点击“金额”数值计算栏按钮，选择“值字段设置”在“计算类型”中选择“求和”，点击“确定”，得到每个用户的充值总金额。

鼠标左键点击“距离天数”数值计算栏按钮，选择“值字段设置”在“计算类型”中选择“最小值”，点击“确定”，得到用户最近一次购买取数时间差。

将做好的透视表中得到的数据复制到新的工作表中，粘贴为数值型，重命名每列新字段，并新增“R”“F”“M”字段，并删除总计行的数据。

---

第三步 

计算计算R、F、M值。

在E2单元格输入“=IF(B2<AVERAGE(B:B),"低","高")”,将最近一次购买距离天数低于平均值的用户R值设为“低”，否则为“高”，得出整列的R值。

对“R”列进行填充，再同理向右对“F”值，“M”值进行填充。

新建“RFM”字段，在H2单元格输入“=E2&F2&G2”,得到RFM值。

用户VLOOKUP函数将事先准备好的用户类型代入新表中，新建“用户类型”字段,在I2单元格输入“=VLOOKUP(H2,用户类型!E:F,2,0))”,由此得到每个用户的类型

---

一个用EXCEL表格制作的RFM模型就制作好了，接下来要做的事情就是根据实际需求，筛出列表中优质的用户做推广或者其他形式的活动促销。