如何进行用户价值细分？RFM模型！ Part 1 基础知识

戳蓝色字关注我们哟！

互联网红利显现初期，如何快速获取用户决定了一个企业能否快速成长并占据行业内的一席之地，“增长黑客”的概念应运而生，依赖病毒式传播、社区效应等增长手段，诸多互联网企业如雨后春笋般涌现。这个阶段，用户被各式各样的新兴产品及服务吸引，线上行为逐步加强，互联网时代迎来了发展蓬勃期。

然而在野蛮生长之后，新的问题也逐渐显露出来。用户方面，互联网用户逐渐稳定趋于饱和，新生力量不足，而老用户对营销活动、产品创意越发疲惫；产品方面，技术与创意的推陈出新遭遇瓶颈，对用户产生持续性吸引力的难度不断上升。因此，企业如何在吸引新用户的同时稳固老用户创造营收，成为当前越来越重要的问题，“留存黑客”也在“增长黑客”之后闪亮登场。

促进用户留存的思路主要有提升产品功能、升级用户体验、AI技术使用等等，其中，对不同类别用户进行精细化运营，满足不同人群的个性化需求，提升产品竞争力，是促进用户留存的重要方法之一。本文要介绍的RFM模型，就是衡量用户价值从而进行人群细分的重要工具。

RFM是一种通过利用用户关键行为，对用户进行价值细分的方法，用于判断是否需要对某一用户进行运营或通过什么方式运营。R、F、M便代表了模型中用到的三个关键行为：

R（Recency）：最近一次消费。R值越大，表示客户交易发生的最后日期距离现在越久。R指标反应了用户对品牌熟悉度和回购频率。

F（Frequency）：消费频率。F值越大，表示客户在最近一段时间交易越数越多。F指标反应了用户对品牌的忠诚度及购买习惯是否养成。

M（Monetary）：消费金额。客户在最近一段时间内交易的金额。M值越大，表示客户消费能力越大。M指标反应了用户价值和产品认可度。

如果一个用户，他的F、M指标较高，但R指标较低，说明这类客户有流失风险；如果F值很高，说明客户很活跃；如果M值较高，说明用户购买力高，可以为商家带来更多收入，属于优质客户；如果M高但R低，说明这类用户非常需要营销进行优化。以此类推，可以根据具体的业务内容对RFM模型结果进行解读，从而设计相应营销策略。

RFM已经在诸多领域应用并在不同场景产生不同变种，如：航空公司在原有RFM模型上加入用户注册时长和平均折扣率，形成LRFMC模型，对客户价值进行分析，从而对不同人群设计相应发展策略；信用卡征信工作中，通过用户历史行为、经济风险特征和收入风险情况三个指标，对用户进行分群，判断用户信用情况。

爱我，请给我好看