1704223485
1704223486
要使用RFM模型，我们必须进入第一步——在原有模型的基础上，重新定义R、F、M。
1704223487
1704223488
R：最近一次消费课时距离统计当日的时间
1704223489
1704223490
F：最近7天消费课时数
1704223491
1704223492
M：统计消费课时带来的确认收入
1704223493
1704223494
举例来说，我们拿到一张数据表，里面包括了所有付费用户近一年的数据：用户ID、最近一次消费课时距离统计当日的时间、最近7天消费课时数、当年累计消费课时数、课时单价和统计消费课时带来的确认收入。
1704223495
1704223496
首先统计最近一次消费课时距离统计当日的时间及相应用户数（见表4–3）。
1704223497
1704223498
表4–3 不同天数对应的用户数据
1704223499
1704223500
1704223501
1704223502
1704223503
接下来就要为R赋值了。我们使用固定分组法，定义消费课时的时间距离在24小时内的用户的得分最高，分值为5；消费课时的时间距离在48小时内的用户的得分次之，分值为4；消费课时的时间距离在72小时内的用户的得分为3；消费课时的时间距离在96小时内的用户的得分为2；其他情况的用户的得分为1（见表4–4）。
1704223504
1704223505
表4–4 不同用户的R值评分
1704223506
1704223507
1704223508
1704223509
1704223510
接着我们得到了1 405个用户的R值平均分为2.69，这时我们就可以认为：R值评分高于2.69的用户在R值表现上是高的，而低于2.69的用户在R值表现上就是低的。如果我们进一步对数据分箱，就会发现大概有880个用户的表现是处于R的高值的，但有625个用户属于R的低值用户。
1704223511
1704223512
运用同样的方法，我们也可以得到F和M两个值的均值，以及对应的高值用户和低值用户的数量，再通过前文中的表格（见表4–2）就可以清楚地知道用户的分箱分组情况了。
1704223513
1704223514
1704223515
1704223516
1704223517
从零开始做运营2：运营人的进化 [:1704220394]
1704223518
从零开始做运营2：运营人的进化 如何构建一个会员体系
1704223519
1704223520
在这一节中，我们一起来讨论构建会员体系的方法。首先，我要引入一张关系图（见图4–6），这个关系图并不能解决实际的会员体系建设问题，但它会给你一个思考会员体系的全新视角。
1704223521
1704223522
1704223523
1704223524
1704223525
图4–6 用户行为与回报的关系
1704223526
1704223527
这张图上的R是Relationship（关系）的缩写，它代表关系，箭头代表指向关系的行进方向。会员体系通常是用户行为在产品中发生后，所获得的一系列回馈的合集。而用户行为带来的回馈，就是最终的“回报”，但用户行为与回报之间，可能会存在不同的链条。
1704223528
1704223529
最简单的一个层级是用户行为直接获得回报。在这个层级上，其实并不存在会员体系一说，而是直接的用户激励措施，如买一赠一、赠一得一等。
1704223530
1704223531
具体来说，在互联网时代，如果你的电脑安装了360安全卫士，那么你的电脑在每一次开机后，都会收到一个“本次开机用了××秒，击败了全国××%的电脑”的通知，这就属于这个层级的体现；又或者你在某个视频网站上完成了会员购买后，会立即有弹窗告诉你购买已生效。这些都是用户行为直接获得回报的体现。
1704223532
1704223533
但当产品的用户量很大、需要分层分组对用户进行运营时，直接的行为回报就会变得有问题，其最大的问题在于用户付出的低成本将给用户管理制造难度。用户以最快的速度获得了收益，使沉默成本变得极低。为了更有利于在一个较长的时间周期内对用户进行管理，就需要考虑增加用户的沉默成本，同时通过时间放大用户的可得收益，使RFM模型产生最大的优势。
1704223534