扫码加入数据分析学习群

根据用户历史行为数据，结合业务理解， 实现用户分类，助力用户的精准营销。

RFM模型背后的方法论

根据业务场景找到场景下的关键核心指标

统计出用户维度商品维度特性，在每个指标下划分不同的程度

设计程度下的模型样式

根据统计出来的数值划分到特定的类别下

方法核心：数据分类

RFM作用 帮助企业判断哪些用户有异动，是否有流失的预兆，从而 增加相应的运营措施

维度选择 3个维度

Recency 最近一次消费 基于当前时点，统计用户最近一 次消费时点和当前时点的时间差

时间差越短越好

Frequency 消费频次 指定时间区间内统计用户的 购买次数

次数越大越好

Money 消费金额 指定时间区间内统计用户的 消费总金额 越大越好

判断用户异动，比如用户忠诚度

划分不同用户类别 价值 发展 保持 挽留

实现步骤

获取R、F、M三个维度下的原始数据

平均值 作为参考

定义R、F、M的评估模型与中值

进行数据处理，获取R、F、M的值

参照评估模型与中值，对用户进行分层

针对不同层级用户制定运营策略

详细案例详见EXCEL 19RFM模型练习数据.xlsx