說明：
使用到的工具：excel
使用到的數(shù)據(jù)：非真實(shí)數(shù)據(jù)
01
RFM模型簡介
RFM模型大家都很清楚了，該模型的3大要素如下：
R：最近一次消費(fèi)（recency），用戶距離當(dāng)前最后一次消費(fèi)的時間；
F：消費(fèi)頻次（frequency），用戶在一段時間內(nèi)，在產(chǎn)品內(nèi)的消費(fèi)頻次；
M：消費(fèi)金額（monetary），代表用戶的價值貢獻(xiàn)；
根據(jù)這3個維度，每個維度進(jìn)行兩分，可以得到下表的8類用戶：

上表可以轉(zhuǎn)換成下圖的樣子，這個也是我們對RFM最熟知的一張圖了：

如果我們能找出用戶屬于哪一類，我們就可以針對性的制定運(yùn)營策略了；
關(guān)鍵的就是如何通過產(chǎn)品內(nèi)已有的原始數(shù)據(jù)，處理成RFM模型的數(shù)據(jù)，這一步就是今天要重點(diǎn)介紹的；
02
RFM模型搭建
01
抓取RFM三個維度下的原始值
這里需要事先確定一個參考日期，也就是你是想分析哪段時間的數(shù)據(jù)？是3個月的？半年的？1年的？……，確定好這個分析時間段之后，直接在后臺抓取RFM原始數(shù)據(jù)即可；
這里，我使用的非真實(shí)數(shù)據(jù)，確定的參考日期是2019年8月1日，也就是我要分析的是2019年1月1日~2019年8月1日的數(shù)據(jù)，如下：

02
初步處理R值
1）計算最近一次消費(fèi)距離定義日期的天數(shù)
我們看到用戶最近消費(fèi)日期和我們定義的日期都是時間格式，不能直接拿來用的，我們需要的是最近一次消費(fèi)日期距離我們定義的日期相隔多少天，然后根據(jù)這個相隔天數(shù)來計算R值；
也就是：最近一次消費(fèi)距離定義日期的天數(shù) = E列日期 - D列日期，excel函數(shù)“DAYS360”可以直接完成這一步；
使用公式：
DAYS360(D2,E2)
即可，這樣就計算出了相隔天數(shù)啦，需要注意的是函數(shù)里面的值先后順序，第一個是起始日期，第二個是結(jié)束日期；

2）設(shè)定R參數(shù)
這個F列還不是R值，我們還需要將這個相隔天數(shù)經(jīng)過某種計算，轉(zhuǎn)換為我們需要的R初始值，我們需要做的就是先設(shè)定R參數(shù)，在根據(jù)設(shè)定的R參數(shù)計算；
怎么設(shè)定R參數(shù)呢，就需要根據(jù)我們的產(chǎn)品來了，我們可以根據(jù)下載的R原始數(shù)據(jù)畫趨勢圖或占比圖等方式，根據(jù)趨勢圖劃分參數(shù)，也可以根據(jù)對產(chǎn)品的理解和定義，我們拍腦袋定義一個參數(shù)；
因為使用的是非真實(shí)數(shù)據(jù)，所以我就使用“拍腦袋”啦，當(dāng)然最好的是根據(jù)趨勢圖來劃分參數(shù)啦；
我設(shè)定的R參數(shù)是：15天、30天、60天、90天，根據(jù)相隔天數(shù)在不同的范圍內(nèi)賦1~5不同的數(shù)值以確定其重要性，當(dāng)然相隔天數(shù)小于15天的最重要嘛，表示這個用戶大概半個月前才買過我們的產(chǎn)品，所以值是5，依次類推；

這個計算，也是可以使用excel函數(shù)的，使用IF函數(shù)就可以了，不斷的判斷F列的數(shù)值屬于那個區(qū)間，通過區(qū)間的不同來賦值；
使用公式：
IF(F2<15,5,IF(F2<30,4,IF(F2<60,3,IF(F2<90,2,IF(F2>90,1)))))
即可按照我們定義的R參數(shù)來賦值啦，賦值之后可以得到G列的R值了；

03
計算F值和M值
計算F、M值和R值是一樣的步驟，需要先設(shè)定一個F、M參數(shù)，然后在根據(jù)參數(shù)來賦值計算出F值和M值，過程我就不敘述啦；
由于我事先假設(shè)的交易次數(shù)都在1~6之間，所以我“拍腦袋”設(shè)定的F參數(shù)是2/3/4/5，“拍腦袋”設(shè)定的M參數(shù)是30元/60元/90元/120元，在實(shí)際的應(yīng)用中建議根據(jù)原始的交易次數(shù)和消費(fèi)金額據(jù)畫出趨勢圖或者占比圖等，根據(jù)趨勢圖來設(shè)定F參數(shù)和M參數(shù)；

這里需要注意的是，根據(jù)F/M參數(shù)賦值，不同于R參數(shù)，F(xiàn)是消費(fèi)頻次，肯定是消費(fèi)頻次越高的越重要，所以賦的值越大，M是消費(fèi)金額，肯定是消費(fèi)金額越多的越重要，賦的值越大；
按照R值計算相同，也是使用IF函數(shù)，就可以得出F值和M值；

04
計算R/F/M的高低值
到這里，貌似和RFM模型里畫的還有一點(diǎn)點(diǎn)不同，我們計算出的RFM是數(shù)值，而模型里的RFM是高低來表示的，所以我們需要將計算出的數(shù)值轉(zhuǎn)換成高低，然后才能得出最終的RFM模型；
怎么轉(zhuǎn)換呢，思路就是分別取R/F/M的一個中值，然后比中值大的就是“高”，比中值小的就是“低”，經(jīng)過這一步后就可以了；
1）取R/F/M中值
所以關(guān)鍵就是中值怎么取，取中值的方法有多種，最簡單的就是根據(jù)我們計算出的R/F/M值取平均數(shù)來作為中值，當(dāng)然還可以使用其他數(shù)據(jù)作為中值，比如二八法則來選中值，更專業(yè)的算法分類等等，就不多說了，反正我一直是用平均值；
計算平均值就很簡單啦，直接一個AVERAGE函數(shù)就可以搞定了；

2）根據(jù)中值將R/F/M轉(zhuǎn)換成高低值
取了平均值后，我們直接使用IF函數(shù)，就可以將對應(yīng)的R/F/M轉(zhuǎn)換成高低值啦；

05
得出用戶價值歸類
根據(jù)我們計算出的最后R/F/M高低值，我們就可以根據(jù)模型來得出該用戶的價值歸類啊，直接一個IF函數(shù)搞定，不過這個IF函數(shù)有點(diǎn)點(diǎn)多；
使用公式：
IF(AND(K2="高",L2="高",M2="高"),"重要價值用戶",IF(AND(K2="高",L2="低",M2="高"),"重要發(fā)展用戶",IF(AND(K2="低",L2="高",M2="高"),"重要保持用戶",IF(AND(K2="低",L2="低",M2="高"),"重要挽留用戶",IF(AND(K2="高",L2="高",M2="低"),"一般價值用戶",IF(AND(K2="高",L2="低",M2="低"),"一般發(fā)展用戶",IF(AND(K2="低",L2="高",M2="低"),"一般保持用戶","一般挽留用戶")))))))

經(jīng)過這一步，我們終于就得到了最后的RFM模型啦，就得出了用戶的價值歸類啦，也就做好了分層啦；
03
制定運(yùn)營策略和方案
前面我們搭建好了RFM模型，分析出了每個用戶屬于啥類別，最重要的就是根據(jù)RFM模型制定運(yùn)營策略啦；
8大類的用戶，大方向的運(yùn)營策略如下：

我們分析出了RFM模型，也知道了每個類別用戶的運(yùn)營策略，接下來就制定運(yùn)營方案了；
我們大多數(shù)產(chǎn)品是不可能真的做到完全個性化提供制定不同的產(chǎn)品和服務(wù)的，根據(jù)二八法則，我們很可能是根據(jù)產(chǎn)品發(fā)展階段，對該階段重點(diǎn)需要維護(hù)的用戶群體去制定運(yùn)營方案，進(jìn)行重點(diǎn)維護(hù)；
根據(jù)上面我們最后得出的RFM模型劃分出的用戶種類，我們可以使用數(shù)據(jù)透視圖來看看每個種類的用戶占比，從而根據(jù)產(chǎn)品用戶構(gòu)成制定相應(yīng)的運(yùn)營方案；

PS.由于是非真實(shí)數(shù)據(jù)，所以里面有2個一般用戶類別沒有，分類占比也沒有可參考性；
我們一般會先集中維護(hù)重要用戶，這里可以看到其中“重要保持用戶”占到了30%，也就是我們產(chǎn)品在過去一段時間內(nèi)，有30%的用戶近期都沒有消費(fèi)了，那我們就可以把這個作為接下來的運(yùn)營方向；
根據(jù)運(yùn)營策略，“重點(diǎn)保持用戶”，我們需要刺激他們再次消費(fèi)，和用戶主動保持聯(lián)系；
基于運(yùn)營策略，我們就可以制定一系列的運(yùn)營方案和方法了，能刺激用戶消費(fèi)的方法和手段都是可以的，不限任何方式，比如策劃活動、推送push消息、發(fā)優(yōu)惠券……都是可以的；
04
注意事項
其實(shí)整個RFM模型的實(shí)際應(yīng)用大概簡單就是上面說的，不過有2個點(diǎn)是需要注意的：
01
RFM定義的靈活性
RFM是可以根據(jù)產(chǎn)品不同來自定義的，比如：
R：最后一次購買時間，最后一次登錄時間，最后一次瀏覽時間，最后一次點(diǎn)擊時間，最后一次閱讀時間，最后一次評論時間等等；
F：購買次數(shù)，發(fā)帖次數(shù)，登錄頻率，評論次數(shù)等；
M：購買金額，評論數(shù)，點(diǎn)贊數(shù)，打賞金額等；
根據(jù)產(chǎn)品的類型來定義就行，找到適合自己產(chǎn)品的定義方法即可；
02
RFM模型的時間范圍
其實(shí)時間范圍除了對R值有限制之外，而且也是計算R值必須使用之外，對F和M值不一定非要限制時間，還是得看產(chǎn)品類型；
比如你是賣大家電的，你選取的時間范圍是過去一年，但有可能一年內(nèi)，大部分用戶就購買了1單，那是不是大部分的F值就是1了，而且因為是大家電，價格浮動都在可接受范圍內(nèi)，那M值基本也是很小范圍的波動了，這樣計算出RFM模型就不一定很受用；
這種時候，F(xiàn)值就不一定非得要取過去一年時間內(nèi)，就可以選取累計消費(fèi)頻次，M值也不一定非得要過去一年類的消費(fèi)金額，可以選取累計消費(fèi)金額或者客單價，這樣調(diào)整后的RFM模型可能更受用；
總之就是，不要死板的去使用RFM模型，一定要靈活變通使用，根據(jù)產(chǎn)品來使用，而且RFM模型的搭建不是目的，只是為了達(dá)到我們目的的途徑，搭建好RFM模型之后，我們需要根據(jù)實(shí)際業(yè)務(wù)去制定合適的運(yùn)營策略和落地方案；