非洲百万级用户分层

KiKUU作为百万级用户的非洲购物平台，一部分通过推广拉新达到用户增量，另一部分长期深耕存量用户，通过精细化策略运营用户。

在做用户运营时往往会碰到很多数据问题：

1、TOP500用户特征，其流失率如何，月贡献价值如何？

2、如何挖掘高潜用户，是否有成熟的运营策略培养重要用户？

3、忠诚度较高的用户多少，流失率达到多少阈值以下需要运营手段触发？

4、哪些用户可能是预流失，怎么做措施保持留存？

5、流失的用户怎么以较优的投入产出比做召回？

目前KiKUU也有较成熟的用户画像体系，用以衡量用户价值和用户创利能力的重要工具和手段。首先今天介绍一种建模方法RFM，该模型是根据用户消费行为时间、频次和消费金额三个指标把用户划分成不同价值的群体，可清晰了解忠诚用户、机会用户，给予商家运营策略的参考。

一、什么是RFM模型？

R：最近一次消费(Recency)，用户最后一次付款时间距现在有多长时间了，量化反映用户对平台留存、用户复购周期。比如距离当前上一次消费越远的用户，越有流失的风险。

F：消费频率(Frequency)，用户在某段时间段内的消费频次，反映用户对平台的忠诚和消费活跃、较稳定的购物习惯。

M：消费金额(Monetary)，用户在某段时间段内的消费金额，反映用户的消费能力、对平台的贡献价值。

二、RFM模型有什么用？

通过模型，对用户购物行为量化分析，适用于高量级用户平台进行精细化运营。模型可动态地展示用户的产出价值周期，平台可根据不同用户群体采取不同的运营措施，保持高价值和重要用户留存，挖掘更有价值用户群体。

三、如何构建RFM模型？

三个核心指标，通过每个指标的划分衍生出多种组合细分群体。目前，我们可以通过RFM模型并结合神策用户画像系统，计算出用户人群的指标分布情况，并划分出以下以高中低价值3大类用户，适合场景运营的8大类细分用户群体。以下详细介绍建模过程。

1、确认用户分层更新范围

用户行为是持续变动，过程中需要通过调整范围、参数、阈值划分用户结果，与业务结果反复对比，验证模型准确性和稳定性。现模型是基于90天前注册用户在180天内行为建立，因新注册用户价值与老用户价值不同等评估，会有额外的新注册用户评估体系。

2、用户指标切分

对指标进行切分，设定阈值。主要有2种方法。

（1）按照数据的分位数来打分

（2）依据数据和业务的理解进行分值的划分

这里我们采用了（2）方法进行以下划分。

3、用户维度打分

RFM模型中打分采取3分制。

（1）R值-用户多少天没来付款购物，所以R越大，分值越小。

近60天内购买过：3分，近120天内购买过：2分，最近购买在12天前：1分。

（2）F值-用户购买频次，数值越大，得分越高。

低频购买：1分，中频购买：2分，高频购买：3分。

（3）M值-用户平均支付金额，数值越大，得分越高。

低消费：1分，中消费：2分，高消费：3分。

4、用户分值计算

基于三种指标，根据业务理解，先调整权重分，再进行总分值计算。这里我们调整权重比例为(R:F:M=1:1:1)。因每个指标3个划分区，产生27种自由组合。

5、用户分类

（1）我们根据三个指标综合得分，以价值维度将用户分高中低用户3大类。根据“帕雷托法则”，80%的收入来自于20%。因各平台差异，总的趋势是一样，KiKUU的高价值用户往往落在少数用户上。

（2）根据R分值、F分值、M分值，适合场景运营的8大类细分用户如下

重要价值用户：购买金额大且购买频次高的用户。

重要保持用户：每次购买金额大，频次大，但最近不常买的用户。

重要发展用户：经常买、花费大但是购买频次不多的用户。

重要挽留用户：消费金额大但最近不常买、购买频次不多的用户。

一般价值用户：购买频次高，复购高、最近购买过，但购买金额小的用户。

一般保持用户：购买频次高，但最近不买且消费金额不大的用户。

一般发展用户：最近买了，但是买不多、花钱也不多的用户。

一般挽留用户：不愿花钱、不常买、购买频次不高，最没有价值的用户（其余）。

可结合业务所需，调整每个维度的之间的阈值，如R分值>=2分为，

，对用户进行分层。