一个最简单的用户分层模型RFM

今天是我每天一篇文章的第117篇。

    RFM模型，熟悉电商数据分析的同学都很清楚，该模型是用来进行用户分组的，通过对用户在R（Recency，最近一次消费）F（Frequency，消费频率）M（Monetary，消费金额）三方面的表现进行分类，然后对分类分组进行定性描述的。

一个最简单的用户分层模型RFM

做了5个组的下级分类划分，对应产生5*5*5=125种RFM分类属性。给RFM三个指标不同的分类赋予不同的成长值，对应的125种RFM分类产生125中成长值组合。品牌商可以根据业务需要对组距可以进行自定义增减。

消费激励策略成长值配置

    消费激励策略，对会员的消费行为进行成长值量化。除了对消费金额进行成长值量化外，还会员的消费金额进行分级对待，突出单次消费贡献度。

    考虑品牌运营实际需要，将充值作为用户的一种特殊消费行为，对会员的充值力度进行成长量化，某种程度上反应了会员对品牌的认可和忠诚度。

    消费激励策略，其成长值的是会员消费行为的单向累计的统计，只有增加，没有减少。

会员活跃策略成长值配置

      会员活跃策略，通过会员与品牌商的互动行为（签到、分享、评价、领卡等）进行量化，互动一次，增加一次相应的成长值，反应了会员对品牌的好感度和兴趣度。

    会员活跃策略，其成长值的是会员与品牌互动行为的单向累计的统计，只有增加，没有减少。

    以上对会员价值多维度指标的综合成长值，虽然尚有不足之处，但能够一定程度反应用户对品牌的忠诚度、贡献度、活跃度，能够体现用户对品牌的价值。

    站在平台角度，成长值也能够反应用户对平台产品的活跃度、认可度。

  这个模型可以指导对用户进行量化分类分级，然后根据商家的业务关注点进行策略落地。值得好好学习。

  后面的消费激励和会员行为激励就是根据用户分级量化以后，由商家所关注的维度进行叠加的量化，最终形成一个统一的系统。

  RFM模型适合以日常销售为主的业务，你可以用这个思维改造任何业务，针对消费者核心行为模式做的模型。值得参考！