在商业活动中，无论是上游的供应商、一起共创的合作方，还是下游的终端用户，每个环节都离不开 人 这个实体。

跟 用户群画像分析 类似，RFM 分析也是是通过采集 人 相关的数据进行分析，只不过 RFM 分析 更聚焦于 用户分层 分析。

RFM 分析属于高级功能，若需要开通，请联系神策工作人员。

1. 概述

RFM 模型是用户价值研究中的经典模型，基于近度（Recency）、频度（Frequency）和额度（Monetary）3 个指标对用户进行分层聚类，根据每组人群三个维度与平均值（或者自定义值）之间的高低关系，细分出 8 组不同的用户：

  • 高价值客户
  • 重点保持客户
  • 重点发展客户
  • 重点挽留客户
  • 一般价值客户
  • 一般保持客户
  • 一般发展客户
  • 一般挽留客户

在将这些用户圈出之后，方便企业针对不同的组，制定个性化的营销策略，提高用户的参与度和留存率。

当然，RFM 分析模型不仅在 To C 业务中被频繁使用，在 To B、To G 甚至工业领域，均可发挥其分析能力，使用者需跳出 R、F、M 的传统定义，根据自身业务特点稍加变化即可。

  • R：Recency，最近一次消费。最近一次消费是指用户上一次发生购买行为的时间，也就是最近一次购买距离今天的天数。 理论上来说，上一次消费时间越近的用户是越积极的用户，该用户与企业的关系更加紧密，更加容易触达；距离当前上一次消费越远的用户，越有流失的风险。
  • F：Frequency，消费频率。消费频率是指用户在限定期间内发生购买行为的次数。 经常购买的用户，是满意度最高的用户，也是忠诚度较高的用户。提升用户的购买频率意味着提高用户终身价值的贡献。
  • M：Monetary，消费金额。消费金额是指用户购买商品支付的订单金额。 消费金额是用户贡献的最直接的体现，我们所有运营的活动都是为了提升用户的消费金额。

2. RFM 分析

功能入口：分析 > 用户分析 > RFM 分析。

2.1. 前置准备

首次使用 RFM 分析，需要完成以下工作：

  • 根据业务需求，管理员向不同的角色授权 RFM 分析 使用权限，被授权的角色/账号才能使用该分析模型。
  • 根据业务目标、业务指标等，做好埋点、SDK 配置、人群包配置、人群标签规则设置等数据采集配置。
  • 根据业务需求创建好人群包。

2.2. RFM 分析

2.2.1. 选择人群

选择 人群。支持两种选择人群方式：已有分群和全部用户。切换人群包后，请先点击 预估人群 计算新的人群包的人数，再进行下一步的设置。

2.2.2. 定义指标

设置 定义指标。根据业务需求，分别设置 R、F、M 规则。

  1. R
    1. 事件：某段 时间 内，首次 或 末次 完成某个特定 事件 距离当前日期的天数，支持同时添加该特定 事件 的属性做为下钻的筛选条件。
    2. 标签：选择该标签的人群，支持 数值型 和 日期型 标签。
  2. F
    1. 事件：某段 时间 内，完成某个特定 事件 的 次数 或者 天数，支持同时添加该特定 事件 的属性做为下钻的筛选条件。
    2. 标签：选择该标签的人群，只支持 数值型 标签。
  3. M
    1. 事件：某段 时间 内，完成某个特定 事件 的某个数值型 属性 的 总和、均值、最大值、最小值，支持同时添加该特定 事件 的属性做为下钻的筛选条件。
    2. 标签：选择该标签的人群，只支持 数值型 标签。

2.2.3. 设置分层

  1. 设置 分层标准。根据业务需求或者过往经验，定义什么是 高活跃用户（R）、高忠诚用户（F）、高消费力用户（M）。
    1. R支持≤（平均值、固定值） or 升序 TOP 前（名、百分比）
    2. F、M 支持 >=（平均值、固定值） or 降序 TOP 前（名、百分比）
  2. 设置 分层名称。RFM 分析 模型将 R、F、M 三个指标的高低两档进行组合，最终把目标人群分为 8 个组别，可自行修改这些组别的名称。

2.2.4. 分层参考值

 统计目标用户的 R、F、M 的平均值、最大值、最小值、20 分位值、40 分位值、60 分位值、80 分位值，为设置 RFM 分层提供参考。注：只统计 R、F、M 同时有值的用户

可以根据提供的统计值，来定义R、F、M分层的标准。


3. RFM 分析结果

在 数据概览 中，展示了 目标人群 中有多少 同时符合 RFM 定义 的人，以及这群人的占比。同时，给出了 未知用户（即：R、F、M 有缺失值的用户数）的人数。也计算出了在被打中的 目标人群 里，R、F、M 各自的均值，以及 F、M 的总和值。

点击 RFM 覆盖人数 和 RFM 未知用户 的数字，可支持 查看用户列表、查看用户画像、添加用户分群 。

3.1.1. 详细数据

RFM分析结果包含：

  • RFM 覆盖用户数：即 R、F、M 均有值的用户数。
  • R 的人均值：RFM 覆盖用户中的 R 人均值（R 总和 / RFM 覆盖用户数）
  • F 的总次数：RFM 覆盖用户中的 F 总次数
  • F 的人均值：RFM 覆盖用户中的 F 人均值（F 总次数 / RFM 覆盖用户数）
  • M 的总和：RFM 覆盖用户中的 M 总和
  • M 的人均值：RFM 覆盖用户中的 M 人均值（M 总和 / RFM 覆盖用户数）
  • 未知用户数：即 R、F、M 有缺失值的用户数 
  • 各项分布包含：
  • 1.RFM 分布 ：RFM 分析模型中各分层的人数分布情况
  • 2.R/F/M 分布：RFM 覆盖用户中，按 R/F/M 区间值的人数分布情况
  • 3.RF/RM/FM 分布：RFM 覆盖用户中，按 RF/RM/FM 区间值的人数分布情况 

3.1.2. 图形展示

  • RFM 分布：提供 3 个指标组合后共 8 组的人数分布图。
    • 默认以 矩形树图 的形式展现，也支持 柱状图、饼状图。
    • 矩形树图 以面积的方式，直观地展现出各组的人数覆盖数量，方便快速地对比出各组之间的人数差异。
  • R 分布、F 分布、M 分布：展示单指标内的人数分布情况。
    • 默认以 柱状图 的形式展现，也支持 柱状图。
    • 分组方式：默认区间、离散数值、自定义区间三种方式。
    • 排序方式：按数值升序、降序排列。
    • 展示：提供 前 7 项、前 50 项 的展示范围。
  • RF 分布、RM 分布、FM 分布：展示双指标交叉下的人数分布情况。
    • 默认以 热力图 的形式展现，也支持 分组柱状图。
    • 分组方式：默认区间、离散数值、自定义区间三种方式。
    • 排序方式：按数值升序、降序排列。
    • 展示：提供 交叉前 10 项、交叉前 20 项 的展示范围

3.1.3. 表格展示

表格区展现的内容同上方的图形展示区联动，当切换了分布类型，图形展示 和 表格展示 会同时切换，保持展示的内容的一致性。

点击分组人数均可以跳转到 查看用户列表、查看用户画像、添加用户分群 的对话框。

3.2. 报告下载

点击 RFM分析 右上角的 ，可下载报告到本地，支持 CSV 和 XLSX 格式。报告中，涵盖了 数据概览、RFM 分布、R/F/M 分布、RF/RM/FM 分布 等数据。