用户分层管理，一般离不开RFM模型。
一、什么是RFM模型？
RFM模型，能够用于衡量用户价值，通过3个要素指标去描述用户的价值情况：
1.Recency最近一次消费时间
用户最近一次消费行为，距离现在有多久了。时间距离越近，价值越大。
2.Frequency消费频率
用户在统计周期内购买的次数，购买次数越多，说明越是熟客，客户价值越高。
3.Monetary消费金额
用户在统计周期内消费的总金额是多少，体现了用户对于企业的收入贡献，消费金额越高，客户价值越大。
二、RFM模型的8种分解类型
根据以上3个维度的变量，对于用户过往行为的评分，通过三维坐标系呈现，把数据评分转化为名义评价，可以把用户分为8个层次分级，然后我们可以分别对每一种层级的用户进行更有针对性的设置活动、内容输出等，以充分延长用户的生命周期，提升生命周期的总价值（LTV）。
举个例子：
运营者需要根据自身业务特性以及参照数据的分布情况去界定原点，以找到区分R、F、M三类指标的临界点，界定用户价值的高低。
Recency最近一次消费时间：需要参考自身行业的特性进行定义，找到高与低的分界点，如网站的近期付费行为，15天以下为高，15天以上为低；再如30天、180天，或者是一个自然年，都可能是一个重要的参考值。
Frequency消费频率：如一个统计周期内，有1次付费行为、2-5次付费行为、5-10次付费行为、10次以上付费行为，这取决于参照数据分布的情况进行定义高于低。
Monetary消费金额：这需要结合自身业务特性去定义，如购买1门入门课程99元的用户、购买了2门中等价值的199元课程的用户、购买了3-5门课程的用户等等，需同时结合消费频率计算。
三、如何搭建RFM模型的用户分层？
RFM模型可以帮助我们细分出最有价值的用户，从而在有限的资源投入下，针对性地优化资源配置，让投入产出比最大化。
RFM模型的搭建有5个步骤：
1.抓取RFM原始数据。
2.定义RFM的评估范围、中值。
3.进行数据处理，获取用户的RFM值。根据制定的分层标准，对用户数据进行整理。
4.参照模型找到用户对应的象限，把每个用户归入对应的8个层级之一。
5.针对不同层级的用户，制定更精准的运营策略。要注意结合行业自身的实际情况，不必所有行业都一股脑地发优惠券、发召回信息等。
参考文献：《持续增长》[1]朱少锋.持续增长：从零搭建企业新媒体运营体系[M].北京:机械工业出版社,2019:173-176.
