滴滴用户精细化运营实战（上）

“ RFM用户分层模型，作为一种经典的分析模型，经常被应用在用户精细化运营中，本篇文章主要以滴滴出行场景为例，给大家讲解RFM模型是如何进行实战应用的。”

一、从野蛮生长到精细化运营

10年前，pc互联网时代，当我们浏览百度、搜狐、新浪的网页，会看到各种插件推广、弹窗广告等等，这些弹窗就好似牛皮癣一样，想关掉都不行，用户体验极差。因为这是一个“卖方”占绝对优势的时代，没有人会真正关心用户、关注用户体验。

从PC到移动互联网，一批搭乘互联网红利的互联网产品快速崛起。但是，随着互联网人口红利的消失，用户开始从增量市场进入存量市场，用户增长越来越困难，企业纷纷把目光转向存量市场，希望通过精细化运营的手段，将流量价值最大化。其实，我们经常使用的会员服务就是一个很经典的精细化运营的案例。而在精细化运营策略中，RFM模型就是最经典的手段之一。

二、精细化运营必知必会：RFM分层模型

既然是讲RFM模型，那么接下来第一个问题就来了，到底什么是RFM模型呢？

简单来说，RFM是最近一次消费时间间隔（Recency）、一段时间内消费频率（Frequency）、一定时间内消费金额（Monetary）3个指标的缩写。

举个栗子：我有一家网店，晓明是我店铺中其中一个客户，现在（2021年3月1日）我要采用RFM模型对晓明的购买行为进行分析：

最近一次消费时间间隔（Recency）：用户最近一次消费距现在多长时间

晓明最近一次在我店铺购物是2021年2月23日，距离现在（2021年3月1日）过去了6天，所以晓明的最近一次消费时间间隔是6天

消费频率（Frequency）：用户在一段时间内消费了多少次

这里，我们将“一段时间”定义为30天，通过统计数据发现，晓明在最近30天内消费了3次

消费金额（Monetary）：用户在一段时间内消费的金额

这里，我们还是将“一段时间”定义为30天，通过统计数据发现，晓明在最近30天内总共消费了2000元

这三个指标在不同的业务中，定义口径也不一样，需要根据业务场景进行灵活调整。

当我们把这三个指标按价值从高到低进行排序，并把这三个指标作为x、y、z坐标轴，就可以把空间分为八部分，这样就可以把用户分为八类。

根据这个分类空间图，就得到了不同用户对应的分类规则，如下表所示：

搞懂了什么是RFM模型之后，问题又来了，RFM模型到底有什么用呢？

当我对我的店铺上个月业绩进行盘点的时候，发现上月收入大幅下降。于是我赶紧拉数据进行分析，发现原来几个重要的用户流失掉了，而这几个用户贡献了我整个店铺80%的收入。于是我进行了深刻反思，为什么会出现这个问题呢？是因为我没有对我的客户进行分类运营，对所有客户采取的都是一样的运营策略，导致一部分高价值的重要用户得不到重视，因此逐渐流失掉了。因此，我一直在思考该怎么对用户进行分类，才能识别出哪些是高价值用户，哪些是一般价值用户呢？于是，我想到了RFM分析模型……

下一篇文章，我们就通过滴滴出行场景的案例来实际看一下如何通过RFM模型对用户进行分层从而实现精细化运营，并根据不同类型用户采取个性化运营策略的。