用户运营中，使用RFM模型进行用户分层是常规操作，那么具体如何实现呢？本文将具体进行分析。

用户的价值分层，主要有两种方式：

通过用户的成长轨迹，根据用户的生命周期做定义：导入期-成长期-成熟悉-休眠期-流失期，每个阶段对用户的运营目标都不一样。 根据用户的关键行为做划分，对用户进行区隔，实现用户分层。

典型的就像RFM，找到产品中能够衡量用户价值的关键行为，对其进行交叉分析和评估，最终形成分层模型。

R 最近一次交易的时间：R值最大，说明发生交易的时间越久，反之，发生交易的时间越近。 F 交易的频次：F越大，说明交易频繁，是平台的用户用户，反之，用户不够活跃。 M 交易的总金额：M越大，客户价值越高，是平台的重点用户。

将用户每一维度与其中值对比，和中值高低与否，我们一共可以将用户划分成 2*2*2=8类用户。

了解了用户的分层等级，就可以对不同价值的用户实施精细化的运营，该促进消费的刺激消费，该召回的召回….

二、RFM模型的运用

具体的实施步骤：

下面我们就以一份电商的统计数据为例：

1. 先筛选数据

因为电商平台会有一些退货交易失败的情况，这部分不是我们要研究的对象，所以先筛选出交易成功的用户。

2. 定义RFM评估模型

用数据透视表查看数据分布情况，也可以根据具体业务情况进行划分等级，或者用28法，80%的用户都集中在低频低金额的区间，20%的用户却又创造了大部分营收。

根据上面的数据，我将三个维度区间划分成五个层级：

3. 先算出R值

相距的时间差：

用if函数算出各用户的R值：

IF(D10<=30,5,IF(D10<=60,4,IF(D10<=90,3,IF(D10<=120,2,1)))) 4. 算出F值

算出每个用户的购买次数 ：COUNTIFS(A：A，A2)

第二步：根据次数，算出对应的F值，因为大多数用户购买次数在5以下，直接用购买次数代替F值。

5. 算出M值

金额数做数据透视，算出每个用户的支付总额。

根据用户的消费金额，用if函数同样算出对应的M值分数。

6. 进一步计算

分别用计算出的RFM值跟中值做对比，比中值大的用“高”表示，反之用“低”。

IF(B6>$F$1,"高","低")

给其他两个打标签：

7. 用if函数自动计算出用户层级 IF(AND(F2="高",G2="高",H2="高"),"重要价值用户",IF(AND(F2="高",G2="低",H2="高"),"重要保持用户",IF(AND(F2="低",G2="高",H2="高"),"重要发展用户",IF(AND(F2="低",G2="低",H2="高"),"重要挽留用户",IF(AND(F2="高",G2="高",H2="低"),"一般价值用户",IF(AND(F2="高",G2="低",H2="低"),"一般发展用户",IF(AND(F2="低",G2="高",H2="低"),"一般保持用户",IF(AND(F2="低",G2="低",H2="低"),"一般挽留用户")))))))) 8. 做表，制定策略

做数据透视表，算出不同层级用户的占比，针对其指定策略

本文由 @Even 原创