用戶運營體系搭建：找出最有價值的用戶

本文是【智能用戶運營】系列第4 篇

在業務發展期，我們擁有了遠超產品探索期的用戶量。在擁有海量用戶的同時，我們也需要投入大量的人力成本、運營成本去維繫這些用戶。但我們打造產品，始終需要平衡投入成本，也需要有人為產品與服務買單。

因此，在業務發展階段，我們以活躍用戶規模以及用戶商業化作為業務目標，採取RFM模型作為用戶的分級依據之一。RFM模型作為一個存在已久的用戶價值模型，被廣泛應用於傳統、銷售行業。

首先解釋一下RFM模型的構成：

• Recency：最近一次消費，即用戶距離當前最後一次消費的時間。最近一次消費的時間距今越短，對我們來說更有價值，更可能有效地去觸達他們。

• Frequency：消費頻次，用戶在一段時間內，在產品內的消費頻次。

• Monetary：消費金額，即用戶的價值貢獻。

基於這三個維度，我們將每個維度劃分為高、中、低三種情況，並構建出完整的用戶價值象限。

通過上面的RFM模型，我們可以更加直觀的把用戶劃分為8個不同層級。如果能夠找出產品內用戶隸屬於以上8類中的哪一類，就可以針對性的制定運營策略。

比如，某用戶最近一次消費時間距今比較久遠，沒有再消費了，但是累計消費金額和消費頻次都很高，說明這個用戶曾經很有運營價值（屬於 「重要保持客戶」），我們不希望他流失。所以，運營人員就需要專門針對這類型用戶，設計召回用戶運營策略，這也是RFM模型的核心價值。

在劃分完不同層級後，最困難的事情在於如何制定每個值的高、中、低評判標準。一般而言，在結合實際場景需求的同時，我們可以通過散點圖進行大致的區分。

通過散點圖，我們可以比較直觀的看清用戶分布情況。進行確定評判標準時，儘可能的將密集部分劃分在一起，促使用戶群體的行為共性更大。與此同時，需要我們在實際運營過程中進行不斷調整。如果面臨超大規模的數據時，如果能通過聚類分析等手段，可以得到更加科學精準的結果，從而幫助我們進行標準制定。