編輯導(dǎo)語：很多產(chǎn)品中都會有用戶分群，通過對用戶的分群，方便我們能夠更好的尋找最關(guān)鍵的核心用戶、精細(xì)化設(shè)計(jì)產(chǎn)品、針對化運(yùn)營；本文作者分享了關(guān)于如何使用RFM進(jìn)行用戶分群，我們一起來了解一下。

很多產(chǎn)品中我們都能看到用戶分群，比如最明顯的會員體系，就是將用戶分為了非會員和會員兩個(gè)群體。

又比如我們現(xiàn)在經(jīng)常聽到的AARRR模型，也可以說是一種分群方式。那么，什么是用戶分群？

一、什么是用戶分群

用戶分群，簡單的說就是按照某些維度，可以是一個(gè)或者多個(gè)維度交集，按照一定的規(guī)則將用戶劃分成不同的群體。例如按照年齡劃分：

用戶分群可以分成2種，明分群和暗分群。

明分群指的是分群規(guī)則和對應(yīng)群體的運(yùn)營策略都是公開的，目的是利用更高群體的優(yōu)質(zhì)服務(wù)來吸引用戶進(jìn)行升級。

比如說會員體系，所有產(chǎn)品的會員規(guī)則和每一個(gè)級別的會員優(yōu)惠都是明確公開的，商家就是使用更優(yōu)質(zhì)的服務(wù)來吸引用戶不斷升級會員等級。

相反，暗分群指的是分群規(guī)則和對應(yīng)的運(yùn)營策略都是不透明的，用戶并不知道自己被分為了什么群體。

比如價(jià)格歧視策略，所謂的大數(shù)據(jù)殺熟，就屬于這一類。

除了用戶分群，我們還經(jīng)常聽到另一個(gè)概念：用戶分層。這兩者有什么區(qū)別嗎？

簡單來說，用戶分群，不同的群體之間可能是平行關(guān)系，也可能是遞進(jìn)關(guān)系，也可能是其他關(guān)系。

而用戶分層，是一種特殊的用戶分群，不同的群體之間存在遞進(jìn)關(guān)系。

例如，如果按照性別，可以將用戶劃分為男女兩個(gè)群體，這兩個(gè)群體之間是平行關(guān)系，所以這是分群而不是分層。

而如果我們按照AARRR模型將用戶分成5個(gè)群體，那么這就是用戶分層，因?yàn)锳ARRR五個(gè)群體之間是存在遞進(jìn)關(guān)系的。

同樣，會員體系也是一種用戶分層。

所以，用戶分層是一種特殊的用戶分群方式。

那么，為什么要進(jìn)行用戶分群呢？

隨著我們用戶規(guī)模的不斷擴(kuò)大，單一的運(yùn)營策略不再能滿足所有用戶的需求。

例如適用價(jià)格敏感型用戶的優(yōu)惠運(yùn)營策略，就不一定適用于注重高品質(zhì)的用戶。

另外，用戶群體大了以后，我們會發(fā)現(xiàn)其中20%的用戶貢獻(xiàn)了80%的價(jià)值，而公司的資源（包括人力、財(cái)力等）是有限的，不可能照顧到所有的用戶，所以就需要篩選出高價(jià)值的20%用戶進(jìn)行重點(diǎn)運(yùn)營。

二、如何進(jìn)行用戶分群

常用的用戶分群方法，包括用戶價(jià)值區(qū)隔分層、用戶身份區(qū)隔、用戶需求區(qū)隔和AARRR模型。

用戶價(jià)值區(qū)隔分層，又分為兩個(gè)維度：第一，依靠用戶生命周期定義對用戶進(jìn)行價(jià)值區(qū)隔；第二，依靠用戶關(guān)鍵行為對用戶進(jìn)行價(jià)值區(qū)隔。

而今天我們重點(diǎn)要給大家分享的RFM模型，就屬于依靠用戶關(guān)鍵行為對用戶進(jìn)行價(jià)值區(qū)隔的方法。（4種方法助你輕松完成用戶分層）

RFM分別代表用戶三種關(guān)鍵行為：

• R（Recency），距離最近一次交易，衡量用戶的流失情況
• F（Frequency），交易頻次，衡量用戶的忠誠度
• M（Monetary），交易金額，衡量用戶的貢獻(xiàn)度

RFM三個(gè)值只分為高低兩種情況，結(jié)合起來就是8中情況：

使用RFM模型的一般步驟：

下面，用一個(gè)實(shí)例來分享下具體的操作方法。

三、RFM分群實(shí)例

例如，從網(wǎng)上獲取了40多萬條電商訂單數(shù)據(jù)，時(shí)間是2010年12月1日到2011年12月9日。

1. R值

首先我們計(jì)算R值，R值指的是用戶距離最近的一次交易，使用最近一次購買日期到現(xiàn)在時(shí)間的差距來衡量。

所以，第一步：我們要找出每個(gè)用戶，最近一次購買的日期

選擇所有訂單數(shù)據(jù)，插入數(shù)據(jù)透視表，行選擇客戶，列選擇購買日期，然后設(shè)置購買日期匯總方式為最大值（因?yàn)樽罱娜掌诳隙ㄊ亲畲蟮模?/p>

找出所有用戶最近一次購買日期，下一步計(jì)算這些日期距今的時(shí)間間隔。

使用公式：DAYS360（開始日期，結(jié)束日期），計(jì)算出時(shí)間間隔

然后，我們要選擇一個(gè)中值，時(shí)間間隔小于中值的用戶表示R值為高，大于中值的用戶表示R值為低。

那我們?nèi)绾芜x擇中值呢？一般有幾種常見的方法：

• 所有數(shù)據(jù)的平均值或中值
• 基于一個(gè)業(yè)務(wù)節(jié)點(diǎn)的重要值，例如投資理財(cái)類的R值，一般是1個(gè)月，因?yàn)榘l(fā)工資才有錢投資
• 以二八法則進(jìn)行推算，80%的用戶集中在低頻低金額區(qū)間，20%的用戶集中在高頻高金額區(qū)間
• Means聚類算法，這個(gè)如果數(shù)據(jù)分析師小姐姐懂得話，就最好了

這里，我們使用20/80法則，發(fā)現(xiàn)使用眾數(shù)作為中值更好。于是我們使用眾數(shù)和如下公式，為每個(gè)客戶的R值進(jìn)行高低標(biāo)記：=IF(C2<30,”高”,”低”)。

順便分享下，計(jì)算眾數(shù)的公式為：=MODE()；計(jì)算中位數(shù)的公式為：=MEDIAN()

2. F值

F值指的是用戶的購買頻次，即在此期間用戶下了多少單，所以我們只需要統(tǒng)計(jì)每個(gè)用戶的去重訂單數(shù)即可。

同樣可以使用數(shù)據(jù)透視表來實(shí)現(xiàn)。

行使用客戶ID，列使用訂單號進(jìn)行計(jì)數(shù)。

這里我發(fā)現(xiàn)了一個(gè)WPS很狗的地方，WPS不提供訂單號去重計(jì)數(shù)，這個(gè)在excel里是支持的。。。

計(jì)算出每個(gè)用戶的F值后，我們發(fā)現(xiàn)，F(xiàn)值的眾數(shù)和最小值是一樣的，并且中位數(shù)小于平均值，說明有幾個(gè)很大的數(shù)值拉高了平均值。

為了使數(shù)據(jù)盡量符合20/80法則，我們選擇5（接近平均值）作為F值的比較中值。

3. M值

看原始數(shù)據(jù)發(fā)現(xiàn)，沒有訂單金額的數(shù)據(jù)，所以首先，要計(jì)算出每一筆訂單的金額。

然后同樣使用數(shù)據(jù)透視表，統(tǒng)計(jì)每個(gè)用戶在此時(shí)間段內(nèi)的購買總金額

然后，我們計(jì)算出訂單金額的平均值，眾數(shù)和中位數(shù)，發(fā)現(xiàn)平均值遠(yuǎn)大于中位數(shù)，這表明其中存在一些很大的訂單金額數(shù)據(jù)，拉高了平均值，所以我們直接使用平均值作為F的中值即可。

這樣，我們就把每個(gè)用戶的RFM三個(gè)值的高低取值確定了。

通過統(tǒng)計(jì)人數(shù)后，我們得到：

四、RFM運(yùn)營策略

最后，只需要根據(jù)具體的業(yè)務(wù)情況和得到的分群，針對每一個(gè)分群制定特定的運(yùn)營策略即可。

對于重要價(jià)值用戶，我們是維持和留存為主，是我們運(yùn)營的重點(diǎn)。對于重要發(fā)展用戶，要想方設(shè)法提升其交易頻次。

對于重要保持用戶，要防止其流失掉，重要挽回用戶就需要進(jìn)行重點(diǎn)召回。

一般價(jià)值用戶，這些可能是價(jià)格敏感型的用戶，需要挖掘這些用戶感興趣的高單價(jià)商品品類，刺激他們消費(fèi)更高單價(jià)的商品。

一般發(fā)展用戶一般是新來的用戶，我們需要挖掘他們的需求，給他們推薦感興趣的商品，提高消費(fèi)頻次。

一般保持用戶，需要采取措施召回，但是力度不用太大，看公司具體的資源來定。

一般挽留用戶，如果公司精力不夠，可以放棄治療。

RFM方法的核心邏輯是找出影響用戶價(jià)值高低的關(guān)鍵行為，然后進(jìn)行交叉分析和用戶劃分。所以RFM模型并不一定就是上述的含義，在不同領(lǐng)域可以是不同的定義。例如：

• 金融領(lǐng)域，R代表最近一次投資的時(shí)間，F(xiàn)代表投資頻率，M代表投資金額；
• 直播領(lǐng)域，R代表最近一次觀看直播的時(shí)間，F(xiàn)代表觀看頻次，M代表觀看總時(shí)長；
• 游戲領(lǐng)域，R代表最近一次玩游戲的時(shí)間，F(xiàn)代表游戲頻次，M代表游戲時(shí)長。還可以定義為，R代表最近一次游戲充值的時(shí)間，F(xiàn)代表充值頻率，M代表充值金額。

RFM只是代表一種分層的思維方式，任何產(chǎn)品，我們都可以定義影響用戶的關(guān)鍵行為，然后定義出這些行為的指標(biāo)，再對這些指標(biāo)進(jìn)行交叉分析，來完成對用戶的分層。

五、總結(jié)

最后我們來總結(jié)一下：

用戶分群是按照某些維度將用戶分為不同的群體，旨在對用戶進(jìn)行精細(xì)化運(yùn)營。用戶分層是一種具有遞進(jìn)關(guān)系的用戶分群。

• 用戶分群的方式一般有四種：用戶價(jià)值分群，用戶身份分群、用戶需求分群以及AARRR模型。
• 其中RFM是用戶價(jià)值分群中非常典型的根據(jù)用戶關(guān)鍵行為進(jìn)行分群的方法。R是最近一次交易時(shí)間，F(xiàn)是交易頻次，M是交易金額，以上都需要限定在一段時(shí)間內(nèi)。RFM只有高低兩種情況，三者兩兩交叉將用戶分為8個(gè)群體
• RFM模型分為四個(gè)步驟：拿到數(shù)據(jù)，計(jì)算RFM值，選取中值確定RFM高低，分群，制定運(yùn)營策略
• RFM中值的選取方式：選取平均值、使用20/80法則，means聚類算法，或根據(jù)具體的業(yè)務(wù)來定

作者：Jarvan；公眾號：產(chǎn)品叨比叨

本文由 @Jarvan 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議