在眾多的客戶關(guān)系管理分析模式中，應(yīng)用最廣泛的就是RFM模型，它可以通過一個客戶的近期購買行為、購買的頻率以及花了多少錢三項指標來描述客戶的價值情況。

RFM模型用戶分群是介于千人千面的個性化運營和未加區(qū)分粗放式運營的一種折中方式。相比于千人千面的個性化運營，基于RFM用戶價值分群實現(xiàn)簡單、開發(fā)周期短，更能從整體層面判斷用戶的價值。

一.什么是RFM模型？

R代表消費時間間隔（Recency），指用戶最近一次發(fā)生購買行為，距離今天的天數(shù)。F代表消費頻率（Frequency），指用戶在一段時間內(nèi)，發(fā)生購買行為的次數(shù)。M代表消費金額（Monetary），指用戶在某一段時間內(nèi)，購買商品金額的總和。RFM模型從三個維度評價用戶的總體價值類型，根據(jù)單個類別用戶的分值和總均值的關(guān)系，將用戶分為如下8類。

二.如何構(gòu)建RFM模型？

通過RFM就可以幫我們了解哪些是重要價值客戶？哪些是需要重點保持聯(lián)系的客戶？哪些是重要發(fā)展客戶？哪些是重要挽留客戶？他們都有什么特點？接下來介紹一下如何建立RFM模型。

第一種方法是基于規(guī)則的劃分，可計算全體用戶平均消費頻率、平均消費時間間隔、平均消費金額，對每個用戶從R、F、M角度與全體用戶的平均水平做比較，從各維度劃分出用戶的價值。

另一種方法是基于聚類方法的劃分，此方法與基于規(guī)則劃分方式不同，是通過“物以類聚”的思想，將每個用戶的R、F、M三個維度特征數(shù)據(jù)進行聚類。通常可以采用k-means聚類的方式劃分用戶分群。k-means是通過計算不同樣本的距離來判斷它們的相近關(guān)系，將相近的樣本放到同一個類別中。

具體原理如下：

對于給定的樣本集，按照樣本之間的距離大小，將樣本集劃分為K個簇。讓簇內(nèi)的點盡量緊密的連在一起，而讓簇間的距離盡量的大。

步驟1：

隨機取k個初始中心點

步驟2：

對于每個樣本點計算到這k個中心點的距離，將樣本點歸到與之距離最小的那個中心點的簇。這樣每個樣本都有自己的簇了

步驟3：

對于每個簇，根據(jù)里面的所有樣本點重新計算得到一個新的中心點，如果中心點發(fā)生變化回到步驟2，未發(fā)生變化轉(zhuǎn)到步驟4

步驟4：

得出聚類結(jié)果

如下表是用戶數(shù)據(jù)，該數(shù)據(jù)包括用戶ID、消費頻次、消費金額、用戶最近一次消費距離今日期。

將數(shù)據(jù)上傳到永洪desktop，利用自帶的深度分析模塊中的聚類算法可實現(xiàn)k-means聚類如下圖：

通過上面的分析就可以獲得用戶的分類結(jié)果，如下：

從各人群特征可以看出，第一類人群消費時間間隔較長，消費次數(shù)較少，且消費金額低，是價值較低的用戶群體，做次要運營；第二類人群消費時間間隔較短，消費次數(shù)較多，同時消費金額處于中等水平，是重點運營的用戶群；第三類人群消費時間間隔最短，消費次數(shù)最多且消費金額最大，屬于高價值用戶群體，應(yīng)做重點維護。

綜合以上分析，RFM模型在產(chǎn)品精細化運營中發(fā)揮著重要的作用，運用RFM模型可幫助篩選目標客戶群，從而帶來更高的流量和訂單轉(zhuǎn)化。

fqj