RFM用户细分方法是什么？居然这么简单又好用
营销人都明白“了解客户”的重要性。虽然人人都会关注点击次数和点击率(CTR), 但聪明的营销人应该明白这些数字只有在用户留存(retention)、用户忠诚度(customer loyalty)、用户关系的语境中才有意义。
与其将整个用户群作为一个整体进行分析，或者老套又机械地根据客户的年龄或地理位置进行细分，不如通过分析他们的行为将较为同质化的用户分到一组，然后再分别去了解每个群组的特征，并用针对性的营销活动去与他们互动。而RFM分析法就是目前营销领域最为流行、易于使用且有效的，用来分析客户行为的细分方法之一，是CRM（Customer Relationship Management）营销中不可缺失的必备分析方法。
什么是RFM分析？
RFM分析就是Recency, Frequency, Monetary的缩写，通过检查时间近度（Recency）：客户最近一次购买的时间有多远（Recency），频率：客户在最近一段时间内购买的次数（Frequency），以及金钱价值（Monetary）：客户在最近一段时间内购买的金额（Monetary）来确定哪些客户是“最好”的。这些RFM指标是客户行为的重要指标，因为频率和金钱价值会影响客户的生命周期价值，而时间近度会影响用户忠诚度（参与度）。
对于那些没有办法用金钱衡量的业务（例如观众看电视、读者阅读杂志或在线上观看的这些情况），可以使用参与度参数代替金钱因素。那么这个时候就要使用 RFM的变体——RFE（Recency，Frequency，Engagement）来进行测量和计算了。“参与度”参数没有唯一的计算方式，可以通过跳离率（bounce rate）、访问持续时间、访问的页面数、每页花费的时间等常见的参与度指标来计算出一个复合值，用这个值来定义RFE中的参与度。
RFM分析有以下三点预设：
购买时间越近，客户对促销的反应就越大
客户越频繁地购买，他们就越投入和满意
金钱价值能让我们把重度支出者与低价值购买者区分开
那么究竟如何实施RFM分析进行用户细分呢？
RFM分析可帮我们找到以下问题的答案：
谁是你最好的客户？
你的哪些用户可以降低你的用户流失率？
谁有潜力成为最有价值的客户？
哪些用户可以被召回？
哪些用户最有可能对营销活动做出反应？
让我们通过下面这个客户交易的样本数据集来演示RFM的工作方式：
表1：客户交易数据集示例
表1包含基于15个客户的交易的时间近度、频率和金钱价值。
RFM分析示例
为了对此示例进行RFM分析，让我们来看看如何用RFM机制来为每一个用户打分。
我们在RFM三个维度上给每个用户打分，每个维度的分数区间是1-5。5分为最高，1分为得分最低。
让我们从对时间近度排名第一的客户开始：
如上表所示，我们按时间近度对客户进行了排序，最新的购买者排在首位。由于为客户分配的分数是1-5，因此前20％的客户（客户12、11、1）的新近度分数为5，接下来的20％（接下来的3个客户15、2、7）的分数为4 ，等等。
具体举例来看，在Recency这一列中，customer ID为12的这位用户，他的购买近度是最近的，也就是他在1天前刚刚有过购买行为，因此他在Recency这个维度上排名第一，他在RFM中的R值得分就为5。同理，Customer ID为8的这位用户，他在过去的50天内都没有过购买行为，那么他在时间近度上的排名就是最末位（15名），他的R值得分就是1。
同样，我们可以按照购买频率从高到低对客户进行排序，将前20％的频率得分分配为5，依此类推。对于货币因素，前20％的客户（重度支出消费者）得分为5，最低的20％得分为1。这两组得分总结如下：
RFM分数
最后，我们可以通过组合他们各自的时间近度（R）、购买频率（F）和金钱价值（M）排名来对这些客户进行排名，以得出汇总的RFM得分。下表中显示的RFM分数是每个用户的R值、F值和M值的平均值，并且三个维度的权重相等。
时间近度、购买频率和金钱价值分析
接下来的问题是：在计算每个用户的RFM总分时，直接用R值、F值和M值的平均数这种做法，是否公平？
答案是：根据你的业务性质，你可以增加或减少每个RFM变量的权重，再得出最终分数。例如：
在耐用消费品业务中，每笔交易的货币价值通常较高，但频率和时间近度较低。举个例子，你不能期望客户每月购买冰箱或空调。在这种情况下，营销人就可以将更多的权重放在货币价值和时间近度方面，而不是频率方面。
在零售时装/化妆品的零售业务中，每月搜索和购买产品的客户的回头率和购买频率得分要高于金钱价值得分。因此，可以通过给R和F分数赋予比M更大的权重来计算RFM分数。
对于像Hotstar或Netflix这样的流媒体平台，重度影视迷的使用时长一定比普通 消费者的时长更长。所以，对于重度影视迷，参与度和使用频率可以比时间近度有更高的权重，而对于普通用户，可以对时间近度和使用频率给予比参与度更高的权重，以得出RFE分数。
这种从1-5测量用户的简单方法最多将生成125个不同的RFM分数（5x5x5），范围从111（最低）到555（最高）。每个RFM单元的大小都会有所不同，并且根据RFM得分中记录的客户的主要习惯，彼此也会有所不同。很显然，如果每个RFM单元都被视为一个用户细分，营销人无法逐个分析全部125个细分，更不要提要可视化这个假想的3D立方体是非常困难的！
通常，RFM的金钱价值（M）被视为一个加总了多个交易或整合了访问时长的汇总指标。因此，如果仅使用R和F分数的话来决定用户细分的数量的话，就可以将 125个RFM用户细分减少为25个（5x5）。
分析RFM细分
我们一般把用户细分成这样几个群组：
"冠军"（Champions）是你的最佳客户，他们最近、最常、最大手笔的购买商品，他们正是你的重度消费者。奖励这些客户。他们可以成为新产品的早期接受者，并能够帮助宣传你的品牌。
"潜在的忠实拥护者”(Potential Loyalists) 是你的近期客户，他们的平均频率很高，并且也花了蛮多的钱。提供会员或忠诚度计划或向他们推销和原产品类似但更高级的产品去帮助他们成为你的效忠者和拥护者。
“新客户”(New Customers) 是那些RFM总体得分较高，但不常购物。通过在用户引导（user onboarding）这一步给予他们更多的帮助，以及给他们提供优惠和促销，可以增加他们的访问量，并开始与这些客户建立关系。
"处于风险中的客户"(At Risk Customers)是经常购买，消费金额大但最近却没有购买的客户。向他们发送个性化的重激活广告和他们重新建立连接，并提供相关产品/服务来鼓励他们再次购买。
"不能失去的客户"(Can't Lost Them)是那些曾经经常光顾和购买但最近没有光顾的顾客。我们可以通过相关的促销活动将他们带回来，进行调查以找出问题所在，这也是为了避免将其输给竞争对手。
结束语
RFM是一种数据驱动的用户细分技术，可让营销人做出战略性决策。它使营销人员能够快速识别用户并将相似的用户划分到一起形成不同的组，并对不同的组别分别使用差异化和个性化的营销策略。反过来说，这也可以提高用户的参与度和留存率 。
RFM是一种常见的CRM分析方法。CRM则是用户留存的核心。如果你对用户留存、用户细分、召回流失客户的营销策略感兴趣的话，那么你一定不能错过由MarTechApe携手Uber硅谷数据分析师共同打造的《CRM营销与用户留存战略》课程，这门课程将体系化地教会你如何使用CRM战略来达成用户留存的商业目的！
1.你将获得
硅谷科技公司的CRM营销与用户留存战略
来自Uber硅谷总部CRM数据分析师的一线经验输出
系统掌握用户生命周期各个阶段的数据驱动市场策略：新用户引流、用户忠诚度计划、流失用户召
通过丰富的实际商业案例学习CRM实验方法
体系化学习CRM在各个营销渠道的战略打法
2.课程老师
Zoey
Uber硅谷总部全球营销分析团队数据分析师
负责UberEats的CRM系统与CRM营销
精通用户平台与产品分析
多家早期初创公司的产品战略顾问
3. 课程大纲
本门课程共分6大章节：
4. 新课上线，预售优惠！
课程原价：¥339人民币
预售优惠（双人团购）6折优惠：仅需¥203元人民币/人
预售期：7/29～8/29，之后恢复原价。
官方购买通道
5. 常见问题
课程形式是怎样的？
录播课程可随时随地轻松上课，永久回放
可获得完整的课件、丰富的课外阅读材料
课程上线时间是？
全部课程（第1课-第6课）将于8月16日上线，一次解锁所有课程。
课程没有固定上课时间，可永久回看。
遇到课程问题如何咨询？
可在班级群内提出课程内容问题，并获得老师的解答
还等什么，快来跟着Uber的Zoey老师一起学习CRM营销与用户留存战略吧！