rfm|够清楚！用户分层与RFM模型可以这么做( 二 )

因此可以做一个手动调整，把VIP3的门店改到：一个月内消费800元。类似地，其他门槛也能做同样调整。
调整好了以后，我们已经分离出了大客户/小客户，可以做下一步的分类了。下一步可以做R。谁会一个月打车打几百上千块元呢？可能是有刚需以车代步的人（比如经常出差的白领，有交通费的管理层等等）。
这些人应该一直会有用车需求，我们要防备的，就是他们被别家打车软件勾引走。此时R值就很重要了，如果一个大客户长时间不来，很有可能已经被人挖走了，我们要赶紧挖回来。
那么如何确定R的分类呢？可以直接根据业务特点来定。比如打车，即使再需要坐车的人，也不可能天天出门，因此R值不需要设定的太短，否则天天在人家耳朵边喊：“来坐车来坐车”，也太过度骚扰用户了。
R值可以以周为单位分类。除了十一厂家，一周内有工作日和休息日，因此再迟1周也该来坐车了（如下图）。

文章插图
分好类以后，可以做交叉表，观察不同VIP的客户在R值分布情况（如下图）。

文章插图
看起来，VIP等级越高，R值越小，而VIP0的用户，居然有80%已经2周以上都没来了，要么真的没需求，要么已经流失了。
这样，对VIP0的分析建议，也很清楚了：结合天气、节假日、活动等具体场景，给小额优惠，配合单次打车优惠券唤醒用户。

对于很高价值的：掏真金白银，维护好关系
对于很低价值的：定时唤醒，捞回来一个是一个
对于不高不低的，则要区分行为来看。

比如本案例中VIP1型用户，两级分化很明显，一波人很活跃，一波人很沉默，而其消费能力都是差不多的。此时可以有两个基本策略：

针对高活跃的，推出一个捆绑XX天的优惠套餐，锁定后续消费。
针对低活跃的，在其沉睡一段时间以后，推出大额激励，拉动二次消费。

这样的思路下，F就可以作为参考，从VIP1里，用F值区分出两类人，之后制定具体策略。

文章插图
当然，以上都是我们的建议，很有可能领导不认同。
比如在领导心中：

频繁用车的大客户都是刚需，所以不要维护了，重点挽留很久没有用过APP的
只用1次以后就再也不来的，不是核心客户，所以不要唤醒了，重点挽留大客户

四、总结这些结论，都是基于同一个数据的不同解读，在没有经历过测试之前，没有对错之分。因此领导他老人家高兴就好。作为提供建议的人，我们做好分类，有充足的数据即可。
以上就是一个简单的示例。需要特别提醒的是：很多做运营的小伙伴，脑子里没有啥套路。对于活动、文案、设计的各种玩法甚至还没有小熊妹懂得多。那可不！我可是各大APP薅羊毛高手，光手机号就有5个呢！
在懂得太少的情况下，就不能把运营上的做法，转化成一个可以分析的数据，也就没法做分析了。
就比如RFM，本身它只是一个计算方法，没有人教过结合到具体场景该怎么分（比如买菜就和打车不一样），因此还是得靠小伙伴们自己多掌握一些方法，结合实际思考，才能解决问题哦。
作者：码工小熊，微信公众号：码工小熊
本文由 @码工小熊原创发布于人人都是产品经理，未经许可，禁止转载。
题图来自 Unsplash，基于CC0协议