RFM分析方法

目录

1.什么是RFM模型

2.RFM模型的作用

3.使用RFM模型

3.1.计算规则

3.2.案例

---

1.什么是RFM模型

RFM是针对付费⽤户，利⽤交易⾏为数据进⾏⽤户价值分层的经典模型，常⽤于⽤户研究和⽤户精细化运营。

如下图所示：

上图来自百度百科。

RFM分别表示为：

• Recency：（近度，统计期内最近⼀次消费时间距离现在的时间间隔天数）衡量⽤户的新鲜度，消费时间越近的⽤户，越容易维系客户关系；即 R 值越小，用户的活跃度越大，用户的价值就越高。
• Frequency：（频度，统计期内消费频次）消费频次是⽤户在⼀定时期内购买的次数，购买次数越多，忠诚度越⾼；即 F 值越大，用户的忠诚度就越大，用户的价值就越高。
• Monetary：（额度，统计期内消费⾦额）消费⾦额是交易的核⼼指标，直接体现⽤户购买⼒和对企业的价值贡献；M值越大，表示客户价值越高，反之则表示客户价值越低。

RFM的8层分类⽤户解析：

2.RFM模型的作用

RFM模型主要是⽤于⽤户价值分层，对不同价值⽤户采⽤不同的运营策略，实现精细化运营，能够精准定位⽤户需求，实现策略效果的最⼤化。

3.使用RFM模型

​​​​​​​3.1.计算规则

基于统计学的均值计算 

分别对R、F、M计算【算术平均数 or 中位数】计算出阈值。

注：若数据呈现正态分布，该计算⽅式是符合要求的，但往往业务数据并不是如此，所以，此⽅式只能说具备统计学意义。

计算过程如下：

对于某个客户，如果其R值⾼于群体平均R值，则该客户属于R↑，反之属于R↓。

对于某个客户，如果其F值⾼于群体平均F值，则该客户属于F↑，反之属于F↓。

对于某个客户，如果其M值⾼于群体平均M值，则该客户属于M↑，反之属于M↓。

基于业务的专家打分 

规则：根据业务数据特点分别对R、F、M的进⾏区间划分，然后对每个区间进⾏【1-5】的打分，对每列打分结果计算均值，作为阈值，得分⼤于等于阈值记为⾼，⼩于阈值记为低。

特点：专家打分更贴合业务，但是结果受⼈为打分影响较⼤；具备较强的业务意义。

灵活参数配置

规则：根据不同的运营⽬的，可设置不同的参数，对RFM进⾏灵活运⽤，⽐如：只针对R和F进⾏建模、 只对出近⼀个⽉成交⽤户进⾏运营。

特点：把RFM模型根据实际应⽤场景进⾏灵活运⽤，可对RFM三个指标进⾏某⼀个、两个的使⽤，也可以针对某段时间具备某些特征的⽤户进⾏运营。

​​​​​​​3.2.案例

可参考我之前的文章，用户分层（RFM模型）部分：

http://t.csdnimg.cn/iPkiO

之前发的另一篇文章也涉及到了RFM，可参考用户价值分析（RFM模型）部分：

http://t.csdnimg.cn/WsTtl