RFM模型及其用户运营实践

【背景介绍】

网站付费用户在40万 +，目前只有针对新用户和流失客户（大客户部分）两大人群做专门运营活动，从开源和节流两个层面上保证付费盘子的扩大，但对于现金牛用户（除了新用户和流失客户）一般能触及到的就是全站营销活动，但试想网站格子市场相差如此之大（最贵格子7天置顶1288元，最便宜格子7天置顶5元），用户的消费能力也必然相差较大，不进行精细化运营很难保证营收的最大化。于是我们引入用户分层的模型RFM，此模型在电信等其他行业已经成熟运用。

RFM（Recency，Frequency，Monetary）分析是一种营收市场技术，主要是通过分析付费用户的行为，对付费用户进行分层，从而达到精准营销的目的。有兴趣可参考 : RFM模型_wiki。RFM的变体 RFD（Recency，Frequency，Duration）也可用与于对网站用户的其他行为分析，详情及其他变体不在此赘述。

【参数解释】

• R：最近一次消费距今天数(Recency)
• F： 消费频率(Frequency)
• M：消费金额(Monetary)

【前提假设】

• 最近购买产品的用户更容易产生下一次消费行为
• 消费频次高的用户，用户满意度高，忠诚度高，更容易产生下一次消费行为
• 消费金额高的用户更容易带来高消费行为
• 具有相同RFM_value  的用户有相似的市场行为

【数据挖掘&数据化运营】

这里主要介绍RFM模型在网站营收付费用户的应用（Case Study），主要分为以下几个步骤：
Step1，RFM 分析和付费用户分层（cluster）
Step2，跟踪用户在不同状态的转移 （classification）
Step3，付费用户的产品推荐（association rule）（有可能不做，因为产品较少且产品相似度较高）

具体环节参考图1：

图 1

一、RFM分析和付费用户分层

1.1 RFM指标重新定义

• R (Recency)近度，用户最后一次付费（cash）日期距今天数
• F(Frequency) 频度，用户在半年时间内的付费（cash）次数
• M(Monentary) 值度，用户在半年时间内总付费（cash）金额

以上付费行为只考虑置顶大类(置顶，十万火急，至尊展位) + 套餐包