在做產(chǎn)品的用戶管理時，肯定不能將所有的用戶一并考慮。如何對這些用戶群進行區(qū)分，RFM模型是一個好辦法。這篇文章，作者從一個案例出發(fā)，給大家分享了如何用excel進行RFM模型分層的操作，供各位參考。

案例分析：

公司在原有的產(chǎn)品中積累了部分老用戶，因為產(chǎn)品生態(tài)，導(dǎo)致用戶粘性，使用時長根據(jù)市場熱度波動，時高時低，為了彌補用戶生態(tài)短板，同時開拓新業(yè)務(wù)線，開發(fā)了一款互補型產(chǎn)品，新產(chǎn)品需要做前期推廣，例如前期封測，數(shù)據(jù)回收，用戶意見，BUG反饋等。

在這里問一個問題：

“在前期投放及推廣預(yù)算有限的情況下，如何從幾千萬上百萬的用戶中篩選出高價值的那部分用戶？”

給大家3秒的時間思考，你可以把你的回答，打在評論區(qū)。

3,2,1。

好了。

不過我要說的是，其實答案并不重要，至于為什么，在后面的內(nèi)容中我會分享一個模型。

RFM模型便可以實現(xiàn)。

那么什么是RFM模型？

RFM模型是衡量用戶價值和用戶創(chuàng)利能力的重要工具和手段。

常?于?戶價值研究和?戶精細化運營，能夠精準定位?戶需求，實現(xiàn)策略效果的最?化。

可以應(yīng)用于多個行業(yè)和場景，如互聯(lián)網(wǎng)、零售、電商、銀行、通信等上都適用。

RFM模型定義

Recently：最近一次消費指的是用戶上一次消費的時間，理論上最近一次消費時間越近的用戶更有可能對即時的商品或服務(wù)做出反應(yīng)，有助于吸引用戶持續(xù)購買并贏得他們的忠誠度。

Frequency：消費頻率指用戶在特定期間內(nèi)購買的次數(shù)，關(guān)鍵在于推動消費者提升購買頻次，將低頻購買者轉(zhuǎn)化為高頻購買者，常購者通常滿意度和忠誠度最高。

Monetary：消費金額是數(shù)據(jù)庫報告的核心，理論上M值和F值是一樣的，都帶有時間范圍，指的是一段時間內(nèi)的消費金額，所以對于一般產(chǎn)品而言，M值對客戶細分的作用相對較弱。

然后和平均數(shù)（中位數(shù)）對比得到定性描述（高或低），最后將用戶分成8個不同的種類，用戶分層可套用產(chǎn)品本身用戶畫像自行定義。

結(jié)合以上案例和模型具體操作步驟。

前期數(shù)據(jù)準備：

用戶分類表格

用戶充值交易流水，包含用戶id、充值時間、充值金額。

坐穩(wěn)，扶好，準備上高速~~

數(shù)據(jù)處理：

第一步

選取部分數(shù)據(jù)樣本，確認充值時間和取數(shù)時間的時間差，這里使用的數(shù)據(jù)樣本為假數(shù)據(jù)，主要用于說明操作步驟。

如圖所示新增“距離天數(shù)”列，用取數(shù)時間“D2”列減去充值時間“C2”列，即可計算出第一位用戶的距離天數(shù)，鼠標雙擊左鍵“E2”列全部填充，計算出整列的距離天數(shù)。

第二步

選取全部數(shù)據(jù)創(chuàng)建透視表。

將“user_id”列拖入下方行的區(qū)域，再將“user_id”，“金額”，“距離天數(shù)”拖動到值的區(qū)域。

計算維度：user_id計次，金額求和，距離天數(shù)最小值。

鼠標左鍵點擊“user_id”數(shù)值計算欄按鈕，選擇“值字段設(shè)置”，在“計算類型”中選擇“計數(shù)”，點擊“確定”，得到每個用戶的購買頻次。

鼠標左鍵點擊“金額”數(shù)值計算欄按鈕，選擇“值字段設(shè)置”在“計算類型”中選擇“求和”，點擊“確定”，得到每個用戶的充值總金額。

鼠標左鍵點擊“距離天數(shù)”數(shù)值計算欄按鈕，選擇“值字段設(shè)置”在“計算類型”中選擇“最小值”，點擊“確定”，得到用戶最近一次購買取數(shù)時間差。

將做好的透視表中得到的數(shù)據(jù)復(fù)制到新的工作表中，粘貼為數(shù)值型，重命名每列新字段，并新增“R”“F”“M”字段，并刪除總計行的數(shù)據(jù)。

第三步

計算計算R、F、M值。

在E2單元格輸入“=IF(B2<AVERAGE(B:B),”低”,”高”)”,將最近一次購買距離天數(shù)低于平均值的用戶R值設(shè)為“低”，否則為“高”，得出整列的R值。

對“R”列進行填充，再同理向右對“F”值，“M”值進行填充。

新建“RFM”字段，在H2單元格輸入“=E2&F2&G2”,得到RFM值。

用戶VLOOKUP函數(shù)將事先準備好的用戶類型代入新表中，新建“用戶類型”字段,在I2單元格輸入“=VLOOKUP(H2,用戶類型!E:F,2,0))”,由此得到每個用戶的類型

一個用EXCEL表格制作的RFM模型就制作好了，接下來要做的事情就是根據(jù)實際需求，篩出列表中優(yōu)質(zhì)的用戶做推廣或者其他形式的活動促銷。