04-RFM模型与用户分层运营实战

💡 问题

电商精细化运营的第一步是用户分层。没有分层，同一个活动发给所有用户——高价值用户觉得打扰，低价值用户转化不了，营销费花得毫无效率。RFM模型是最经典的电商用户分层工具，但很多运营只知道概念，不知道怎么落地。

📖 学习

参考文章：《精细化运营神器：RFM用户分层》（人人都是产品经理）、《RFM模型如何应用在电商？提升用户分层精准营销效果》（帆软）

RFM三要素

R（Recency）最近一次交易间隔：距今多少天没交易

F（Frequency）交易频次：特定时间段内的交易次数

M（Monetary）交易金额：特定时间段内的交易总金额

RFM八类用户分层

将R/F/M各分为高/低两类（2×2×2=8类）：

|---------|---------|------|---------|

🔍 分析

RFM打分的两种常见方法

平均值法：以全部用户的R/F/M均值为界，>均值为高，<均值为低

分位数法：按20%/40%/60%/80%分位划分，更精细

RFM实施的五大步骤（Python实现）

数据准备：导入交易数据（订单ID、客户ID、交易日期、交易金额）

计算R/F/M：

- R = 当前日期 - 最近交易日期（取最小）

- F = 订单ID计数

- M = 交易金额求和

计算R/F/M分值：按平均值/分位数打分

计算RFM综合分值：RFM = 100×R_S + 10×F_S + 1×M_S

映射用户类型：111→潜在客户 ... 222→高价值客户

电商实战案例

某电商对2万名用户做RFM分层，发现：

高价值客户（222）仅占8%，但贡献了35%的GMV

潜在客户（111）占40%，转化率仅1.2%

重点挽留客户（112）贡献了15%的历史GMV，但流失率达60%

→ 方案：将预算从111拉新转向112挽留，挽留成本12元/人，挽回率25%，ROI=3.8

🧠 理解

底层逻辑：RFM的本质是用行为数据代替预设标签。它不关心用户自称"高价值"还是系统打的"VIP"标签，只看真实行为——最后一次什么时候来、来的频次、花了多少钱。这比"我想当然"更科学。 关键洞察：

R/F/M三个维度的信息量并不相等：M（金额）对商业价值解释力最强，但F（频次）对留存预测能力最强

不是分得越细越好——分成8类就够了，分成27类你给不出27种运营方案就是自嗨

分值的阈值要结合运营策略定，纯用统计阈值可能会脱离业务实际

🔗 内化

关联已有知识：

关联「02-市场洞察与产品研发/用户画像」：RFM分层后还需要结合画像信息才能设计精准策略

关联「01-全域电商运营/私域运营」：222高价值客户应纳入私域体系做1对1维护

关联本文「06-数据分析与建模/02-LTV计算」：RFM是高价值用户的快速筛选工具，LTV是量化用户价值的深度指标

类比迁移：

RFM像银行的客户评级系统：R=最近一次来银行的时间，F=一个月来几次，M=账户余额。三合一判断是否值得推荐理财产品或给更高额度

8类用户就像赌场的VIP分层：刚赢大钱的（高M）→推荐更高额桌；很久没来的（高R）→送免费住宿邀约

🚀 迁移（实战应用）

实操步骤

拉数据：从ERP/CRM导出近12个月的交易数据

Python跑RFM：用pandas做groupby计算R/F/M

定阈值：结合业务，也可以用平均值简化

贴标签：给每个用户打上222/221等标签类型

定策略：为每类用户设计2-3种运营动作

执行+复盘：跑一个月，看转换率和ROI

常见阈值设置

R_S = 1 if R >= mean(R) else 2 # R越大（越久没来）分值越低

F_S = 1 if F <= mean(F) else 2 # F越大分值越高

M_S = 1 if M <= mean(M) else 2 # M越大分值越高

✅ 实践

案例数据（某宠物电商）

总数：15,780个付费用户

222类用户：1,262人（8%），GMV贡献42%，复购率78%

111类用户：6,312人（40%），GMV贡献8%，复购率7%

经过3个月分层运营后：整体复购率提升22%，营销费用降低35%（减少给111的盲目投放）

常见错误（错题本）

| 错误 | 后果 | 纠正 |

|------|------|------|

| 只关心222用户 | 忽略112的挽留机会 | 各层都要有对应策略 |

| 阈值用固定值 | 业务增长后阈值失效 | 按月/季重新计算均值 |

| 全量运营无差异 | 分层做了等于没做 | 每层用户看到的活动必须不同 |

| 不更新RFM | 用户变了但标签不变 | 至少每月更新一次 |

🔄 调整

月度更新：每月1号重新跑RFM，更新标签

策略A/B测试：222用户的VIP策略每次做A/B测试，找最优

分层+分群结合：RFM分8层后，再在每个层内做分群（如按品类偏好），更精准

🎯 成事

一句话总结：RFM模型是所有电商用户分层的基础工具，简单但极其有效。用R（多久没来）、F（来得多不多）、M（花得多不多）三个维度，8类用户，就能覆盖90%以上的用户分层需求。不分层做运营，等于打了广告不知道给谁看。 核心知识点：

✅ RFM = Recency + Frequency + Monetary

✅ 2×2×2 = 8类用户分层

✅ 分值 = 100×R_S + 10×F_S + 1×M_S

✅ 阈值按月更新，标签按月刷新

✅ 分8类就够了，关键是有8种对应策略

---

参考文章：[1] 人人都是产品经理《精细化运营神器：RFM用户分层》 [2] 帆软《RFM模型如何应用在电商？》