RFM用户分层：精细化运营的核心方法

同样的优惠券，发给所有人等于没发：老用户觉得鸡肋，流失用户收不到刺激，沉睡用户压根不打开。用户价值从来不是均等的——20% 的用户往往贡献 80% 的价值。RFM 模型用三个维度给用户贴“价值标签”，是精细化运营最经典、最容易上手的分层工具。

RFM 三个维度的含义

R（Recency）最近一次消费时间——越近越活跃，是用户“热不热”的信号；F（Frequency）消费频率——周期内消费次数，是“粘不粘”的信号；M（Monetary）消费金额——累计金额，是“值不值钱”的信号。注意 R 是反向指标：间隔越短，R 值越高。三个维度组合出 8 类用户（重要价值、重要发展、重要保持、重要挽留、一般价值、一般发展、一般保持、一般挽留），每类对应不同的运营策略。RFM 的精髓在于：用行为数据代替主观印象，让运营资源流向最该投入的人。

五步落地

取数：从数据库或后台导出每个用户的最近消费时间、周期内消费次数、累计消费金额。

定阈值：用平均值或分位数作为高低的判断线（例如 R 小于等于 30 天算高、F 大于等于 3 次算高、M 大于等于 500 元算高）；阈值要结合业务，比如打车软件按工作日频次定义 F 的档位。

打分分层：每个用户按 R/F/M 与阈值的比较得到“高/低”组合，映射到 8 类用户。

定策略：重要价值用户（高高高）重点维护、VIP 服务、新品优先；重要挽留（低低高）高价值但即将流失，定向召回加专属优惠；一般发展（高低低）有潜力，用提升频次的活动激活。

动态更新：分层不是一次性的，建议每月重算一次，观察用户在各层级间的流动，验证策略效果。

一个真实案例

某导购平台用 1 万条用户数据搭建 RFM：先抓取 R、F、M 原始数据，按断档划分 1 到 5 档，再与中值比较，把用户分成 8 类。运营发现“重要挽留用户”（高金额、低频率、久未消费）虽然只占 5%，却贡献了 18% 的历史 GMV——他们推出“老客回归礼包+专属客服回访”，两个月后这批用户的月活提升 40%，挽回的 GMV 占总增量的一半。数据分层，让预算花在了刀刃上。

常见误区

• 阈值拍脑袋：不看数据分布直接定线，分层必然失真。
• 只看 M（金额）：高金额用户也可能正在流失，必须三维度一起看。
• 分层后无策略：分了层不行动，等于白分。
• 静态分层：用户状态会流动，分层必须定期重算。

行动建议

本周用 Excel 做一次简易 RFM：导出最近 90 天的用户消费数据（500 到 1000 条即可练手），用平均值做阈值，IF 公式分层，输出 8 类用户的占比；挑出占比最高的两类，各设计一个运营动作（召回、促活或维护），下月对比数据。从“给所有人发一样的消息”到“给对的人发对的消息”，RFM 是第一步。