够清楚！用户分层与RFM模型可以这么做

编辑导语：在数据分析中，事前策划分析是最容易让人摸不着头脑的一种类型。如何做好事前策划分析，作者从用户分层以及RFM模型支了几招，或许对你有所帮助，我们一起来看下吧。

说在前面：大家好，我是爱学习的小xiong熊妹。

在各类型数据分析中，事前策划分析，是最容易让人摸不着头脑的。经常遇到运营的小伙伴跑来问：“小熊妹，领导让分析分析用户，找找营销机**，这怎么找呀？？”

实际上，这种情况也确实很难办。俗话说：“字数越少，问题越大。”

如果在事前策划的时候，领导有很清晰的指示，比如：“对过去一年内累计消费1万元以上，且最近30天都没有登录的用户，每人免费送一个礼品，在登录APP后可领取”那分析就简单多了。只要按照条件，把符合领取资格的人的名单统计出来即可。

但如果没有这么细的要求，甚至只有一句话：分析分析看看。那很有可能我们辛辛苦苦做出来的东西，领导也不满意，最后白费力气。

因此，这个时候最重要的是：做好分类，把每种情况列清楚，然后针对具体情况给出我们的建议。至于领导采不采纳，让他们自己决定。比如最常见的：“分析分析用户”，我们可以用RFM模型做分类。

RFM模型由三个基础指标组成：

• R：最近一次消费至今时间
• F：一定时间内重复消费频率
• M：一定时间内累计消费金额

RFM模型里，三个变量的含义是很具体的：

• M：消费越多，用户价值越高。
• R：离得越远，用户越有流失可能。
• F：频次越低，越需要用一次性手段（比如促销、赠礼），频次越高，越可以用持续性手段（积分） 来维护

因此RFM能直接从数据推导出行动建议，是一种非常好用的办法。

实例分析：

一起来看个具体例子：某个打车出行APP，已按RFM格式，统计好用户数据（如下图，仅为示例数据100条），现领导要求：分析分析用户情况。要怎么分析呢？

一、第一步

第一步：先看M。区分用户价值是第一位的，先认清谁是大客户，谁是小客户，后边工作思路才清晰。这里只有100个例子，因此可以直接用excel的排序功能。

但假如数据有10000条，再排序一条条看就很不方便了，因此推荐一个通用的分类方法：十等分法。

十等分法背后的原理是：二八定律。相当多的业务，都是消费排名前20%的用户贡献80%的消费。因此可以先把用户按消费高低，分成10组，然后再看每一组的消费占整体比例，找出大客户。具体操作如下图所示。

二、第二步

分好组以后，可以打开数据透视表，看一下每组的消费占比。

哇！第一组用户就贡献了40%+的消费，前三组合起来，共30%的用户贡献额74%的消费，真是大客户呢，因此可以分类如下：

• 第一组：**3（最高级**）
• 第二组、第三组：**2（每组消费占整体大于10%）
• 第四、第五组：**1（每组消费占整体大于5%，小于10%）
• 剩下5组：**0（单组消费占整体不足5%）

这里可以用一个IF语句，来做好分类（如下图）。

三、第三步

分类完以后可以观察每组的消费门槛在哪里，比如第一组的门槛是798元/月。在运营制定策略的时候，很有可能为了方便，找一个最近的整数。

因此可以做一个手动调整，把**3的门店改到：一个月内消费800元。类似地，其他门槛也能做同样调整。

调整好了以后，我们已经分离出了大客户/小客户，可以做下一步的分类了。下一步可以做R。谁**一个月打车打几百上千块元呢？可能是有刚需以车代步的人（比如经常出差的白领，有交通费的管理层等等）。

这些人应该一直**有用车需求，我们要防备的，就是他们被别家打车软件勾引走。此时R值就很重要了，如果一个大客户长时间不来，很有可能已经被人挖走了，我们要赶紧挖回来。

那么如何确定R的分类呢？可以直接根据业务特点来定。比如打车，即使再需要坐车的人，也不可能天天出门，因此R值不需要设定的太短，否则天天在人家耳朵边喊：“来坐车来坐车”，也太过度骚扰用户了。

R值可以以周为单位分类。除了十一厂家，一周内有工作日和休息日，因此再迟1周也该来坐车了（如下图）。

分好类以后，可以做交叉表，观察不同**的客户在R值分布情况（如下图）。

看起来，**等级越高，R值越小，而**0的用户，居然有80%已经2周以上都没来了，要么真的没需求，要么已经流失了。

这样，对**0的分析建议，也很清楚了：结合天气、节假日、活动等具体场景，给小额优惠，配合单次打车优惠**唤醒用户。

• 对于很高价值的：掏真金白银，维护好关系
• 对于很低价值的：定时唤醒，捞回来一个是一个
• 对于不高不低的，则要区分行为来看。

比如本案例中**1型用户，两级分化很明显，一波人很活跃，一波人很沉默，而其消费能力都是差不多的。此时可以有两个基本策略：

• 针对高活跃的，推出一个捆绑XX天的优惠套餐，锁定后续消费。
• 针对低活跃的，在其沉睡一段时间以后，推出大额激励，拉动二次消费。

这样的思路下，F就可以作为参考，从**1里，用F值区分出两类人，之后制定具体策略。

当然，以上都是我们的建议，很有可能领导不认同。

比如在领导心中：

• 频繁用车的大客户都是刚需，所以不要维护了，重点挽留很久没有用过APP的
• 只用1次以后就再也不来的，不是核心客户，所以不要唤醒了，重点挽留大客户

四、总结

这些结论，都是基于同一个数据的不同解读，在没有经历过测试之前，没有对错之分。因此领导他老人家高兴就好。作为提供建议的人，我们做好分类，有充足的数据即可。

以上就是一个简单的示例。需要特别提醒的是：很多做运营的小伙伴，脑子里没有啥套路。对于活动、文案、设计的各种玩法甚至还没有小熊妹懂得多。那可不！我可是各大APP薅羊毛高手，光手机号就有5个呢！

在懂得太少的情况下，就不能把运营上的做法，转化成一个可以分析的数据，也就没法做分析了。

就比如RFM，本身它只是一个计算方法，没有人教过结合到具体场景该怎么分（比如买菜就和打车不一样），因此还是得靠小伙伴们自己多掌握一些方法，结合实际思考，才能解决问题哦。

作者：码工小熊，微信公众号：码工小熊

本文由 @码工小熊 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 Unsplash，基于CC0协议