作者 | lpl
来源 | lpl （公众号：数据分析从0到1)
前言
数据分析中我们不仅要掌握数据分析的方法，也要掌握一些运营用的“用户分层” 这些分层有助于我们在分析的时候清晰知道用户到数据的定位，让我们分析更容易！
RFM模型组成
首先看一些RFM模型的组成：
R：最近一次消费至今时间；
F：一定时间内重复消费频率；
M：一定时间内累计消费金额；
RFM模型多数用于用户价值分层，不过用户价值的定义可以有多个方面，并非必须是有消费的用户行为，比如对APP来说，广告也是收入的来源之一，用户点击广告也是增加公司的收入，用户在APP使用核心功能，对公司运营人员来说也是价值的体现，所以本次我们就以APP在社群中的核心行为作为价值，来进行用户分层。
在RFM模型里，三个变量的含义是很具体的：
R：离得越近，用户粘度越高。
F：频次越高，用户认可度越高。
M：消费越多，用户价值越高。
RFM模型构成
本次样本数据时间范围是（2021-10-06~2021-10-12）近七天社区新用户（数据为虚拟数据）。样本数据大小为：5000人。
1、原始数据
数据为每个社区新用户在近7天的行为汇总数据，有些小伙伴的数据是没有汇总好的，数据量少的话可以使用excel的“数据透视表”。
2、R值：
样本数据范围为7日新用户，因为不涉及到运营等时间节点，比如2天内完成发帖行为，4天内要进行话题分享等。我们这里以用户活跃时间节点为基础，所以R值表可以定义为：（样本时间范围 -（最后一次活跃时间-首次进入时间））/ 样本时间范围。
3、F值：
F代表频次，计算不同操作频次对应的人数，可以使用“数据透视表”功能，然后再根据出现的次数进行五等分（=ROUNDUP(RANK.EQ(L3,L:L)/10,0)），最后得到的是：
可以得到F的值：
4、M值：
M代表金额，如果金额有里程碑，比如首次消费30元为一次用户等级进阶，则M的值可以参考每个阶段定的里程碑，如果没有的话，可以参考实际金额的最大值，然后进行排序分组，如果不知道分多少，可以用总数/10，进行调整。然后用数据透视表求出每个级别的最大值和最小值，和出现的人数。
以上根据社区行为数据来确定每个行为操作的权值来代替消费金额计算：
用以上一系列值得到的是：
可以得出M的值：
RFM汇总
将RFM值用IF函数汇总得到：
R=(7-B2)/7
F=IF(C2=0,0,IF(C2<9,1,IF(C2<19,2,IF(C2<30,3,IF(C2<47,4,5)))))
M=IF(D2=0,0,IF(D2<1,0.5,IF(D2<2,1,IF(D2<3,2,IF(D2<4,3,IF(D2<5,4,IF(D2<10,5,6)))))))
确定中值，中值是来评判R值、F值、M值的高低，中值一般是运营策略定好的，这里是行为数据代替，所以没有中值，可以用平均值（Average函数）来代替中值，得到的是：
然后再用IF函数来给R、F、M进行分值高低处理。
R=IF(E3>$E$1,"高","低")
F=IF(F3>$F$1,"高","低")
M=IF(G3>$G$1,"高","低")
运用“IF函数”+“And函数”，算出每位用户的用户类型。
最终价值=IF(AND(H3="高",I3="高",J3="高"),"重要价值用户",IF(AND(H3="高",I3="低",J3="高"),"重要发展用户", IF(AND(H3="低",I3="高",J3="高"),"重要保持用户", IF(AND(H3="低",I3="低",J3="高"),"重要挽留用户", IF(AND(H3="高",I3="高",J3="低"),"一般价值用户", IF(AND(H3="高",I3="低",J3="低"),"一般发展用户", IF(AND(H3="低",I3="高",J3="低"),"一般保持用户" , "一般挽留用户")))))))
关注公众号【数据分析从0到1】，下期更精彩。
