01

RFM的概念

RFM分層亦稱RFM分群，指的是一種衡量顧客或用戶價值的模型。R、F、M分別代表Recency(最近一次消費時間)、Frequency(消費頻率)、Monetary Value(消費金額)，它從三個維度將用戶分為八類，分別采取針對性的運營策略。

02

RFM的計算

下面以某母嬰店的例子來看RFM具體如何計算，分為以下幾個步驟：

Step 1，采集R、F、M數據

在采集數據的時候，我們要先明確兩件事：一是采集的時間區(qū)間，二是用戶對象。

時間區(qū)間指的就是采集距當前時點多長時間的數據。

用戶對象是指要分析哪一部分用戶，還是說全體用戶，根據實際需要。

在本例中，采集的是近12個月以來的全量用戶數據，數據中包含3個字段，即用戶ID——用來區(qū)分用戶個體，消費時間——指產生訂單的具體日期，消費金額——指單次消費金額，原始數據樣本如下表所示：

Step 2，確定R、F、M的評分模型

采集了基礎數據后，我們就可以來衡量單個用戶在某一維度上的數據表現是高，還是低?比如，表中的340.40元算是什么水平?如果沒有參照值，就無法給出結論。

那這個高、低是和誰比呢?是與抽取出來的這個數據樣本內部進行對比，比如樣本的中心水平的消費金額是300元，那340.4元就是“高”。

這個“中心水平”怎么計算呢?比較常用的方法就是等頻和等寬進行切分，比如計算消費金額的平均值。但平均值只適合于均類數據(例如某個班上男生的身高數據，離散程度沒有那么大)，但對于一些不規(guī)則數據，平均值的代表性就會比較差。比如該店有4位用戶，消費金額分別為3000元、700元、600元、20元，從直覺上我們就知道前3位用戶是重要用戶，但如果按平均值(1080元)來評判的話只有第1位用戶才高過平均水平——屬于重要用戶，這顯然是不合理的。也可以考慮用中位數，它比平均值會更合理一點，上面4位用戶消費金額的中位數是650元，以這個值作為參照，前2位用戶是重要用戶，這個結果比用平均值好一點，但仍然不是太理想。比較好的做法是，通過聚類算法分別找到R、F、M數據的中心點�；蛘�，用簡化的建模方法來確定。

下面，我們重點介紹簡化的建模方法，它通過Excel工具即可完成。

怎么做呢?我們先要結合實際業(yè)務場景和數據，分別對R、F、M定性評分(1-5分)：

對于R，我們經過分析用戶消費數據發(fā)現，一般來講用戶注冊后會在20天內下單，那么20天是一個比較重要的周期;大部分用戶在50天內完成第2次消費，大部分在80天內完成第3次消費，大部分在150天內完成第4次消費。于是，我們可以將距離當前0-20天內消費的用戶評為5分(距當前越近得分越高)，將20-50天內消費的用戶評為4分，50-80天的為3分，80-150天的為2分，150天以上的為1分。

對于F，我們可以將近12個月中消費5次(含)以上的評為5分，消費4次的4分…消費1次的1分。

對于M，我們分析12個月的消費數據，計算出平均每次消費金額為367元，那么，對應F次數，我們也可以按照5個區(qū)間進行評分：367元(含)以內為1分，367-734元為2分，734-1101元為3分，1101-1468元為4分，1468元以上為5分。

通過上面的定性、定量相結合的方法，我們就建立了一個簡單的RFM評估模型。

Step 3，計算R、F、M的實際得分

按照上面的評分模型，我們用Excel表可以非常方便地計算出每位用戶的R、F、M上的得分(其中B列的R值為距離當前最近一次的消費時間間隔)，如表所示：

上表中，每一行代表一位用戶的數據。R表示最近一次消費時間距離當前的天數，如果一位用戶最近12個月里有多次消費記錄，則取離得最近的那次消費，R則為該時間點與當前時間點的差值，用天來表示;F表示最近12個月里共有多少次消費;M表示最近12個月里的消費總金額，注意這里是總金額而非某單次的消費金額。

Step 4，對R、F、M進行高低比較

接下來 ，我們分別對每位用戶的R、F、M得分與平均值進行比較，比如將所有用戶的R值得分求和再除以用戶總數，得到平均值是2.3，那么低于這個值，比較結果就是“低”，高于這個值，結果就是“高”。

由于我們已經將分值按業(yè)務實際情況分成了5檔，因而此處的基準取平均值或中值都是合適的。

以上，就是完整的RFM計算步驟。

來源：SMEI官方

以上是關于用戶增長師的相關信息，以供大家查看了解。想要了解更多用戶增長師信息，第一時間了解用戶增長師相關資訊，敬請關注唯學網用戶增長師欄目，如有任何疑問也可在線留言，小編會為您在第一時間解答!