编辑导语:本文通过RFM模型阐述了如何利用RFM对用户进行等级分类，同时制定精准的运营策略，提升不同用户分类的用户价值。适合希望调整自己产品的用户分层，让有限的资源投入到更有价值的群体中的商家。

做用户增长就是做两件事，一是增加用户数量，二是提高用户质量。提升用户质量的过程就是提升用户价值的过程。

提高用户价值只有两点，一是提高用户活跃度，二是提高用户付费量。

所以，用户的活跃度、消费频率、消费金额都与提升用户价值有关。

百度百科:RFM模型是衡量客户价值和客户创造效益能力的重要工具和手段。在众多客户关系管理(CRM)分析模型中，RFM模型非常受欢迎。

RFM广泛应用于电子商务行业。我们自己弥补最近30天在淘宝或JD.COM的消费:

电商的妹妹和弟弟看这个数据，哦，我爱死了:

RFM模型根据最近消费时间、规定时间内消费次数、规定时间内消费金额将用户分为8类。

看右上角的红圈，只要消费金额高，就是重要用户。相反，消费金额低的是一般用户，商业就是这样的现实。你天天看淘宝上的直播。不购物，也是“普遍留住用户”的“三低”。

那么看直播的用户就没有价值了。当然不是。换个站台就行了，比如去Tik Tok。

根据用户需求，我们可以将互联网产品分为电商、社交、内容、工具、平台、游戏。

当然，很多产品依赖电商，导致混乱。

我们会把握两个原则，一个是产品主业，一个是我们负责模块主业。这与《实战:一目了然解决成长黑客的困惑，用起来很迷茫》中介绍的北极星指标制作思路是一致的。产品有产品指标，每个团队也可以有自己的指标，都是为公司的商业模式服务的。

(1)电子商务类

我们熟知的淘宝、JD.COM、拼多多都属于电子商务。根据用户的购买量分等级。

(2)社会阶层

微信和微博属于社交范畴。根据交互次数分等级。

(3)内容类

包括头条、知乎、Tik Tok、快啊汽车，都属于内容范畴。根据用户的阅读/观看时间分层。

(4)工具类

包括云笔记、证券app、墨迹天气等。，都是工具。

类比较特殊，每个工具都有自己的商业模式，关注的重点也会不一样。

云笔记可能会按照付费会员来分类，但是相对来说频率比较低。考虑根据上次使用时间、指定时间内的使用次数和指定时间内的文件共享次数进行分层。

(5)平台类

只有供应端和消费端都有，才能称之为平台。

比如滴滴，滴滴的供应商是滴滴司机，消费者是普通打车用户。

从这个角度来说，淘宝是电商，是平台，有商家，也有普通消费者。

平台需要同时关注供应商和消费者。RFM模式更多应用于消费者，滴滴和淘宝是按照消费金额分层的。

(6)游戏类别

游戏的盈利模式主要有内耗和广告。

大游戏主要靠用户在内部购买道具和点卡，然后根据用户的消费金额进行分层。

小型单机游戏主要靠广告，然后根据用户的广告观看/点击进行分层。

从前面的描述中，我们知道RFM可以用不同的行为来描述，主要是找出产品中衡量用户价值的关键行为，进行交叉分析和评估。

在第二部分中，用户按照RFM的“高低”进行分类。你是怎么定义“高高低低”的？

1.通过平均评价

最直接的评分方法就是与平均值进行比较，分别找出目标数据的R、F、M的平均值，然后将每个用户的数据与平均值进行比较，进而确定等级。

我们还是以我们30天内在淘宝购物的记录为例，R=7，F=5，M=500。假设淘宝用户30天内的平均R=10，F=8，M=800。那么你的分数是:

我们自己消费的最终得分结果是“高低”。相对于第二节中属于“一般发展用户”的八类用户，电商可以针对这些用户使用运营策略来提升价值。

2.通过中值评估

按照平均评价，有一个明显的缺陷就是不能排除异常数据。如果一个大户在30天内有特别高的消费金额，就会抬高整体的消费金额水平，导致很多用户平均被抬高。

可以考虑用中位数来评估。作为数据驱动，我们应该对数据严格要求。

建议用箱线图得出中位数，对于异常数据可以做特殊处理。

用大家熟悉的成绩来举例说明吧。

右侧的英语成绩(绿点)全部落在两条橙色横线之间(两条橙色横线分别代表最大值和最小值)，学生成绩正常。

数学成绩左侧有两个绿点落在橙色横线之外，表示这四个点是异常点，可以特殊对待。

用类似的方法处理用户30天内的消费记录后，用中位数代替上面例子中的平均值。

3.通过分级评估

按平均分划分用户可能太粗了。众所周知的“二八”法则证明，20%的用户可能贡献80%的收入。如果仅仅按照平均来看，对于用户的运营策略可能不够精准。

所以在产品比较成熟，用户规模比较大的情况下，可以使用等级评价。简单的方法是用数据透视表检查目标记录R，F，M的分布，然后指定等级。

一般分为五个等级，对应分值为1~5分。

或者以淘宝购物30天以内为例，将RFM分为以下几个等级:

根据你30天内的购物记录(R=7，F=5，M=500)，你可以确定按照分类，R'=4，F'=3，M'=3。

将所有用户的记录按照等级进行评分，然后计算所有用户的平均值)R值，F值，M值，假设AR=3.8，AF=2.9，AM=4.1。

将根据等级分类的值与平均值进行比较，以确定最终的RFM值:

我们自己消费的最终得分结果是“高还是低”。与第二节的八类用户相比，用户价值改为“一般价值用户”。

主观上，一个用户30天内消费500元就不错了，但是通过模式划分可以清楚的知道用户还有提升空间空。

比如500块钱花了30天的用户在买衣服，客单价不高。有没有可能引导用户消费电子产品？

评估用户价值的目的是进一步提升用户价值，针对不同类别的用户提升用户价值的策略和手段略有不同。

三高用户的重要价值:大方向是让用户安静的待着，不要过多打扰。在重要的时间点加入人文关怀和节日关怀，可以把KOC(“关键意见消费者”)发展到最好。

一般价值用户:策略是刺激消费，提高客单价。本文的案例就是试图引导服装消费者进行电子消费。

一般开发用户:偶尔要对最近消费的产品进行关联和挖掘，希望增加用户的消费频率和金额。

一般保持用户:之前消费频率挺高的，但最近没怎么消费，总消费金额也低，基本处于亏损状态。

一般用户留存:通过以上手段，用户仍然处于“三低”状态，可以暂时搁置，有限的资源可以投入到更有价值的人身上。

RFM模型在电子商务领域更常用，但能体现用户价值的关键行为可以用RFM来衡量。

例如，评论行为可以通过最后一次评论的时间、指定时间段内的评论数量和指定时间段内的评论数量来衡量。

作者利用RFM模型调整新用户奖励，直接吸引高价值用户。

RFM对某证券APP的用户进行分类后，对比“三高”重要价值用户的存款金额，发现存款金额高的用户中有很大比例属于“三高”群体。

所以在具体手段上，通过设置存款金额的阶梯，给予不同的奖励，取得了非常好的效果。

当然，实际应用中不一定要把RFM的三个维度都考虑进去，但也可以成对地选择两个维度的组合，可能会有意想不到的收获。

本文由@癌小欧原创发布。每个人都是产品经理。未经许可，禁止转载。

图片来自Unsplash，基于CC0协议。