RFE -- 用户活跃度模型

RFE模型概述

RFE模型基于用户普通行为（非转化或交易行为）产生，RFE模型可以说是RFM模型的变种，实现思路和RFM模型类似。

RFE详解

• 最近一次访问时间 R（Recency）：会员最近一次访问或到达网站的时间
• 访问频率 F（Frequency）：用户在特定时间周期内访问或到达的频率
• 页面互动度 E (Engagements)：互动度的定义可以根据不同企业或行业的交互情况而定，例如可以定义为页面浏览时间、浏览商品数量、视频播放数量、点赞数量、转发数量等。

RFE模型打分样例：

• R:0-15天=5分，16-30天=4分，31-45天=3分，46-60天=2分，大于61天=1分
• F:≥400=5分，300-399=4分，200-299=3分，100-199=2分，≤99=1分
• E:≥250=5分，200-249=4分，150-199=3分，149-50=2分，≤49=1分

RFE模型的应用

在RFE模型中，由于不要求用户发生交易，因此可以做未发生登录、 注册等匿名用户的行为价值分析， 也可以做实名用户分析。该模型常用来做用户活跃分群或价值区分， 也可用于内容型（例如论坛、新闻、资讯等）企业的会员分析。

在得到用户的RFE得分之后， 有两种应用思路：

1：和RFM模型类似，基于三个维度值做用户群体划分和解读，对用户的活跃度做分析。 RFE得分为 515 的会员说明其访问频率低， 但是每次访问时的交互都非常不错， 此时重点要做用户回访频率的提升，例如通过活动邀请、 精准广告投放、会员活动推荐等提升回访频率。

2：基于RFE的汇总得分评估所有会员的活跃度价值，并可以做活跃度排名； 同时，该得分还可以作为输入维 度跟其他维度一起作为其他数据分析和挖掘模型（例如：K-means）的输入变量，为分析建模提供基础。