编辑导语：RFM 模型是与用户价值相关的常见模型之一。那么，RFM 模型具体应该如何 应用？如果非专业数据师，又该如何利用常见工具 Excel 来计算 RFM 值、得出有效数据 呢？本文作者就介绍了用 Excel 来构建 RFM 模型的方法，让我们来看一下。 一、引言 如果你听过客户关系管理（CRM），那么你大概率上也曾听到过 RFM 模型。在精细化运 营的今天，在解决如何更好的挖掘用户价值之前，首先要解决的问题是如何衡量用户价值 ？ 和用户价值有关的模型非常多，除了 RFM 模型之外，还有客户生命周期价值模型（CLV 模型）、客户生命周期模型（AARRR 模型）等。不同的模型切入的角度以及具体的应用 不同，我们今天主要讲的是 RFM 模型。 本文主要分为两个部分：一是理论部分，简单告诉大家 RFM 模型是什么？能够给生意带 来什么帮助？二是计算部分，如何只用 EXCEL 就可以计算 RFM 值并得出用户分层数据。 二、理论部分 1. RFM 模型有什么用？ 举例来说：某品牌经过 10 年的运营，拥有了 500 万的注册会员，这个数字是明确且可统 计的。在这 500 万的注册会员中有 400 万的注册会员产生过购买行为。那么这 400 万产 生过购买行为的会员中，有多少会员是品牌的忠诚用户？有多少会员已经流失？又有多少 会员即将流失？ 针对这些不同类型的用户，如何才能实现快速获取并快速定制运营方案？甚至可以直接设 置自动化精准定向营销呢？ RFM 模型可以给你解答这一系列的问题，只有掌握了品牌会员的不同分类以及价值，才 能够有针对性地设计运营活动，从而提高最终的成交转化。 2. 什么是 RFM 模型？ 根据美国数据库营销研究所 Arthur Hughes 教授的研究表明，在客户的数据库中有三个 要素，这三个要素构成了分析用户价值的重要指标： R (Recency) : 最近一次交易时间间隔； F（Frequency) : 消费频率； M（Monetary): 消费金额。 RFM 模型即是这三个单词的首字母组合。 R (Recency) : 最近一次交易时间间隔，指的是消费者最后一次成交距统计时间的间隔。 例如消费者最后一次的交易时间是 2021 年 3 月 6 日，统计时间是 2021 年 4 月 6 号，那 么间隔时间 R=30 天，即消费者最后一次成交发生的时间距统计时间的间隔是 30 天。 F（Frequency) : 消费频率，指的是在统计时间段内，消费者的消费次数。 例如统计时间是 2021 年的 1 月到 3 月，消费者在这期间一共消费了 5 次，那么正常情况 下 F=5。 有人可能会问：如果这 5 次消费行为中，有两次消费行为（两笔订单）发生在很短的时间 内，例如 10 分钟以内，那么 F=5 还是 F=4 更合理呢？ 笔者认为这需要根据公司的具体业务形态拟定。我们在定义 F 值的时候之所以会有这样的 顾虑是因为通常情况下，我们把消费者在很短时间内多次下单的行为看做是一次消费行为 ，消费者拆单可能是为了凑满减满赠等。 回到问题的本源：我们统计 F 这个指标主要是为了衡量消费者的活跃性，哪种方式更能够 代表欧亿·体育（中国）有限公司特征或公司业务形态就采用哪种方式。当然业务特殊（例如生鲜外卖）或是为了 统计方便，也可以直接把 F=消费次数，不考虑消费时间间隔极短的情况。 M（Monetary): 消费金额，指的是在统计时间段内，消费者的累计消费金额。 在其他条件相同的情况下，R/F/M 值具备如下特征： R 值越小，用户价值越高，1 年前在本店消费过的用户，价值肯定没有 1 天前在本店消费 过的客户价值高。 F 值越大，用户越活跃且忠诚，也就是说经常购买的用户肯定比偶尔购 买