用户精准运营必备2大用户模型：ASG &amp； RFM

ASG

ASG又叫动态等级算法，是企业在具备产品运营数据的基础上，精准把控用户行为路径、消费行为，用算法、刺激等手段提高用户产品使用频率的方法。

ASG模型的组成=算法+高频刺激+用户等级

包含三个主要核心要素：

l算法

l高频刺激

l用户等级

A（algorithm）：算法

ASG的算法中用户等级会随时间上下波动、企业会制定期望的用户等级人群、算法主要的作用为：

1.通过智能的判断用户等级波动给运营人员发出提醒信息

2.配备不同的触达场景、营销手段、留用户在期望的用户等级内实现价值最大化

S（Stimulate）：刺激

1.刺激分刺激行为和刺激手段两个组成部分

2.打折，促销，满减，赠送，属于刺激行为，在市场营销中打动用户的刺激行为类型有两种：利益、情感

3.刺激手段是触达用户的场景，广告投放通常建立在用户的购买场景。刺激手段建立的关键考量在高频与价值。持续输出有价值的内容、产品才是增加用户粘性的良药。

4.高频的互动是培养用户认知的唯一手段，引导用户从认识到认可再到认购完整过程。一些品牌在用户一天里高频触达四五次以上，这既是营销暗示也是建立多触达场景的结果。

G（grade）：等级

用户运营常按照产出价值把用户分为不同等级， RFM模型就是其中一种产值判别工具，根据产值，活跃度，消费频次，留存率，等多个条件设立不同等级组合，进而设立企业期望到达的用户指标并确保实现。

RFM

RFM模型是用来进行用户分级的，通过对用户在R（Recency，最近一次消费）F（Frequency，消费频率）M（Monetary，消费金额）三方面的表现划分用户等级，并对等级进行定性描述。

R值：最近一次消费（Recency）

消费指的是客户在店铺消费最近一次和上一次的时间间隔，理论上R值越小的客户是价值越高的客户，即对店铺的回购几次最有可能产生回应。

目前网购便利，顾客已经有了更多的购买选择和更低的购买成本，去除地域的限制因素，客户非常容易流失，因此想要提高回购率和留存率，需要时刻警惕R值。

F值：消费频率（Frequency）

消费频率是客户在固定时间内的购买次数（一般是1年）。

如果实操中店铺由于受品类宽度的原因，比如卖3C产品，耐用品等即使是忠实粉丝用户也很难在1年内购买多次。所以，店铺在运营RFM模型时，会把F值的时间范围去掉，替换成累计购买次数。

M值：消费金额（Monetary）

M值是RFM模型中相对于R值和F值最难使用，但最具有价值的指标。大家熟知的“二八定律”（又名“帕雷托法则”）曾作出过这样的解释：公司80%的收入来自于20%的用户。

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（通常是1年）内的消费金额，对于一般店铺的类目而言，产品的价格带比较单一，如：同一品牌美妆类，价格浮动范围基本在某个特定消费群的可接受范围内，加上单一品类购买频次不高，所以对于一般店铺来说M值对客户细分的作用较弱。

模型实操

RFM实操时可以选择模型中的1-3个指标进行客户细分，细分指标要在自己可操控范围内，并非越多越好，用户细分群组过多，一来给营销方案执行带来难度，也可能会遗漏用户群或者对同个用户造成多次打扰。

选择多少个指标有两个参考标准：店铺的客户基数，店铺的商品和客户结构。

如下图中，对3类表现进行了5组分类划分，则对应产生5*5*5=125种RFM分级属性。赋予RFM模型3个指标不同分类以不同的成长值，对应125种RFM分组就产生了125种成长值组合。

如果将产品用户按照下单频次和客单价两个维度划分用户等级，可以分成四个象限A、B、C、D、E五个群体。

产品的核心诉求就是找到更多潜在的客户群体A，转化为客户群体B，并努力使客户群体B向客户群体E转移，留住E的位置。

除了直接用RFM模型对用户进行分组之外，还有一种常见的方法是利用RFM模型的三个属性对客户进行打分，通过打分确定每个用户的质量，最终筛选出自己的目标用户。

RFM模型评分主要有三个部分：

1、确定RFM三个指标的分段和每个分段的分值；

2、计算每个客户RFM三个指标的得分；

3、计算每个客户的总得分，并且根据总得分筛选出优质的客户

以上为用户运营中常见的两种用户模型，在应用过程中还需要产品经理跟据自己产品的实际情况设计模型实操方式，增减用户分级设置。