（一）模型的基础概念

用户价值分层，通过关键用户行为来对用户进行价值上的区分。这里的关键用户行为具体是指付费下单。

R：Recency，时间间隔，本次购买距离上次购买的时间间隔，代表用户对产品的熟悉度。上一次消费离得越近，也就是R的值越小，用户价值越高。

F：Frequency，消费频率，用户购买的次数，代表用户的活跃度。购买频率越高，也就是F的值越大，用户价值越高。

M：Monetary，下单金额，代表用户的贡献度。消费金额越高，也就是M的值越大，用户价值越高。

用户价值分层，主要就是通过以上3个指标，对社群用户进行价值上的区分。如图3-11所示。

图3-11 RFM模型

（二）RFM模型的作用

在社群矩阵化营销过程中，可以通过RFM分析法，把社群运营的目标用户大致上分为8类，如表3-2所示。

表3-2 社群运营的目标用户分类

这样我们就可以根据不同价值的用户，采用不同的运营策略，把有限的资源发挥到最大的效果，这就是社群运营规模化之后可以采取的精细化运营。

（三）RFM模型的具体使用步骤

RFM分析法的使用分为4个步骤：

第一步：分别计算R、F、M三个数值。

具体的计算方式，首先需要统计出包括用户名称（ID）、消费时间、消费金额。通过这3个数据来计算得出。如图3-12所示。

图3-12 计算R、F、M三个数值

第二步：给R、F、M值按价值打分。

需要注意的是，这里的按价值打分，并不是按指标数值的大小打分。而是以R、F、M这三个数据的价值来进行打分。例如R指打分，根据最近1次消费时间间隔（R）来定，上一次消费离得越近，也就是R的价值越小，用户价值越高。如图3-13所示。

图3-13 给R、F、M值按价值打分

然后根据打分规则，把数据进行整理。如表3-3所示。

表3-3 根据打分整理数据

当然，在实际业务中，如何定义打分的范围，需要根据具体的业务来灵活设置，这并没有绝对统一的标准。如表3-4所示。

表3-4 定义打分的范围

第三步：计算价值平均值。

通过对R、F、M三个数值进行打分之后，我们就需要来计算出这3列的平均值。如表3-5所示。

表3-5计算价值平均值

第四步：用户分类。

根据价值平均值，分别记录R、F、M三个值是高于平均值还是低于平均值。如果R值高于平均值，则记录为“高”，反之则记录为“低”。如表3-6所示。

表3-6 R值打分

通过以上四个步骤，我们就能得出每一个用户具体是属于哪种类别的了。如表3-7所示。

表3-7 用户分类

即便社群规模化之后，我们依然可以实现精细化运营，针对不同层级的用户群体，采用不同的运营策略。

1重要价值用户，RFM三个值都很高，要提供VIP服务；

2重要发展用户，消费频率低，但是其他两个值很高，要想办法提高他的消费频率；

3重要保持用户，最近消费时间距离现在较远，也就是R值低，但是消费频率和消费金额高。这种用户，是一段时间没来的忠实客户。应该主动和客户保持联系，提高复购率；

4重要挽留客户，最近消费时间距离现在较远，消费频率低，但消费金额高。这种用户即将流失，要主动联系用户，调查清楚哪里出了问题，并想办法挽回。

这样通过RFM分析方法来分析用户，可以对用户进行精细化运营，不断将用户转化为重要价值用户。