Labs 導(dǎo)讀

隨著互聯(lián)網(wǎng)的快速發(fā)展，各類產(chǎn)品層出不窮，產(chǎn)品的競爭壓力也逐漸增加，用戶對于互聯(lián)網(wǎng)產(chǎn)品的要求也逐漸嚴苛，對于用戶體驗的關(guān)注度也越來越高，只有符合用戶習(xí)慣，被用戶認可的產(chǎn)品才會在競爭中具有優(yōu)勢，因此，針對不同類型用戶進行精細化管理和運營十分重要，而進行用戶精細化運營的前置步驟即為使用合適的標準對用戶進行分類，進而將用戶劃分成不同群組，再針對不同群組的用戶指定差異化的運營策略。本文介紹的RFM(Recency Frequency Money)模型，就是目前在數(shù)據(jù)分析中常用的一種用戶分群方法，利用RFM完成用戶分群，再針對不同用戶實施不同的運營策略，實現(xiàn)用戶精細化運營。

Part 01 RFM模型概述 

RFM(Recency-Frequency-Monetary)模型是衡量客戶價值和客戶創(chuàng)利能力的重要工具和手段，在消費型產(chǎn)品中具有較為廣泛的運用，其中R表示最近一次消費間隔時間，F(xiàn)表示特定時間范圍內(nèi)消費次數(shù)，M表示特定時間范圍內(nèi)消費總額，對于非消費類型的產(chǎn)品，這樣的定義方式不再適用，從用戶活躍和行為角度考慮，可以對RFM模型進行變形，定義R為最近一次活躍間隔天數(shù)，F(xiàn)為某時間范圍內(nèi)活躍天數(shù)，M為某時間范圍內(nèi)價值分數(shù)，價值分數(shù)可以利用用戶在產(chǎn)品中的重要行為進行計算，利用R、F、M三個指標維度維度，將用戶分為重要價值用戶、重要發(fā)展用戶、重要保持用戶、重要挽留用戶、一般價值用戶、一般發(fā)展用戶、一般保持用戶、一般挽留用戶8種價值類型，可用于對用戶進行精細化運營，整體流程如圖1所示。

圖1 用戶價值評估及分類方法總體流程

Part 02 用戶數(shù)據(jù)獲取模塊

利用客戶端登錄接口上報數(shù)據(jù)，統(tǒng)計用戶活躍數(shù)據(jù)明細，利用客戶端埋點接口上報數(shù)據(jù)，統(tǒng)計用戶在客戶端上的訪問行為數(shù)據(jù)明細，對于用戶活躍數(shù)據(jù)及用戶行為數(shù)據(jù)進行匯聚，得到用戶數(shù)據(jù)集，具體獲取流程如圖2所示。

圖2 用戶數(shù)據(jù)獲取流程

Part 03 RFM指標計算模塊

RFM指標計算如圖3所示，在獲得用戶數(shù)據(jù)集(用戶活躍數(shù)據(jù)、用戶行為數(shù)據(jù))后，利用用戶活躍數(shù)據(jù)計算用戶最近一次活躍間隔天數(shù)，以及在特定時間范圍(近N天)內(nèi)用戶活躍次數(shù)。利用用戶行為數(shù)據(jù)，計算用戶在特定時間范圍(近N天)內(nèi)在特定功能上的使用情況，此處的功能可以根據(jù)產(chǎn)品特點自定義(如表1所示)，如總體上可以將功能劃分為核心功能與附加功能兩類，核心功能包括評論、點贊、轉(zhuǎn)發(fā)分享、添加購物車、下單購買等，附加功能包括參與抽獎活動、參與簽到活動、參與用戶調(diào)研等，根據(jù)產(chǎn)品實際情況和運營目標進行功能類型和數(shù)量的調(diào)整。

使用用戶最近一次活躍間隔天數(shù)，使用如表2所示的規(guī)則進行R指標得分計算(此處的分數(shù)劃分規(guī)則也可以根據(jù)實際情況調(diào)整)，當(dāng)用戶最近一次活躍間隔天數(shù)為21天及以上則此項得分為0分，當(dāng)間隔天數(shù)為11~20天則此項得分為20分，當(dāng)間隔天數(shù)為6~10天則此項得分為60分，當(dāng)間隔天數(shù)為4~5天則此項得分為80分，當(dāng)間隔天數(shù)為3天以內(nèi)則此項得分為100分。

使用用戶在特定時間范圍(近N天)內(nèi)用戶活躍次數(shù)，使用如表3所示的規(guī)則進行F指標得分計算(此處的分數(shù)劃分規(guī)則也可以根據(jù)實際情況調(diào)整)，當(dāng)用戶活躍1~2次時此項得分為20分，當(dāng)用戶活躍3~5次時此項得分為40分，當(dāng)用戶活躍6~8次時此項得分為60分，當(dāng)用戶活躍9~15次時此項得分為80分，當(dāng)用戶活躍16次以上時此項得分為100分。

使用用戶在特定時間范圍(近N天)內(nèi)在特定功能上的使用情況數(shù)據(jù)，使用如表4所示的規(guī)則進行M指標得分計算(此處的分數(shù)劃分規(guī)則也可以根據(jù)實際情況調(diào)整)，當(dāng)用戶使用i個核心功能和j個附加功能時，此項得分為(80×i/I)+(20×j/J)分，此項滿分為100分。

圖3 RFM指標計算過程

表1 功能使用舉例

表2 R指標得分規(guī)則

表3 F指標得分規(guī)則

表4 M指標得分規(guī)則

圖片

Part 04 RFM模型構(gòu)建模塊

如圖4所示，在RFM指標計算后，即形成用戶的RFM特征集，在RFM模型構(gòu)建模塊，需要使用R、F、M三項指標將用戶劃分為不同類別。在此部分，首先需要計算每一項指標的閾值，在整體用戶的RFM特征集基礎(chǔ)上，計算所有用戶R、F、M三項指標的均值，使用均值作為每項指標的閾值。

圖4 RFM指標計算流程

Part 05 用戶價值評估及分類模塊

在RFM模型構(gòu)建完成后，即可利用模型對用戶進行分類，用戶分類標準如表5所示：

(1)當(dāng)用戶的R、F、M指標均較高時，將用戶劃分為重要價值用戶;

(2)當(dāng)用戶的R、M指標較高而F指標較低時，將用戶劃分為重要發(fā)展用戶;

(3)當(dāng)用戶的F、M指標較高而R指標較低時，將用戶劃分為重要保持用戶;

(4)當(dāng)用戶的M指標較高而R、F指標較低時，將用戶劃分為重要挽留用戶;

(5)當(dāng)用戶的R、F指標較高而M指標較低時，將用戶劃分為一般價值用戶;

(6)當(dāng)用戶的R指標較高而F、M指標較低時，將用戶劃分為一般發(fā)展用戶;

(7)當(dāng)用戶的F指標較高而R、M指標較低時，將用戶劃分為一般保持用戶;

(8)當(dāng)用戶的R、F、M指標均較低時，將用戶劃分為一般挽留用戶。

表5 用戶價值分類規(guī)則

從劃分規(guī)則上可以看出：M指標決定用戶是否為重要用戶;當(dāng)用戶使用間隔較短、頻率較高時價值較高;當(dāng)用戶使用間隔較短、頻率較低時，可重點考慮用戶發(fā)展運營策略的制定;當(dāng)用戶使用間隔較長、頻率較高時，可重點考慮用戶保持運營策略的制定;當(dāng)用戶使用間隔較長、頻率較低時可考慮用戶可能已經(jīng)在流失中，需要重點考慮挽留運營策略的制定。利用用戶價值評估和分類結(jié)果即可針對不同類型用戶進行針對性的運營策略制定，實現(xiàn)用戶精細化運營。