本文以笔者负责的金融类产品经验为依据，展示了如何利用RFM模型开展金融产品精细化运营的全流程。
现在获客成本越来越高，相信每一个运营人都意识到了转化、留存以及促活的重要性。通过RFM可以帮助我们更了解用户，精准的开展运营手段。下面我将完完整整地把我用RFM模型进行数据分析的全流程分享给大家。
1. 首先根据产品确定三个重要指标
我负责的是一款金融类产品，KPI是充值金额和新增充值的人数。所以我将RFM分别确定为充值金额、充值次数和登录次数。
（具体的指标根据自己产品决定，如社交类产品可以是：登录次数，关注人数、使用时长）
图是我创建好的数据模型，共有998个用户数据，是用RANDBETWEEN函数随机生成的数组，不是真实的用户数据，仅作为分析所用。
2. 下面开始计算R、F、M值
第一步对数据进行分组，分成5个层级。分组依据可以按照公司业务划分。我这里分组是先画出用户消费金额的趋势图，再根据数据走势分组。
从图上可以看到，有很明显的分布节点，于是我将这5个区域分为：
- 1=10~100
- 2=101~1200
- 3=1201~5000
- 4=50001~12000
- 5=12001~20000
接下来根据分区数据计算每个充值金额对应的数值，得出函数如下：
=IF（B2>12000,5,IF（B2>5000,4,IF（B2>1200,3,IF（B2>100,2,1））））
同理F和M的计算方式也是如此。
对消费次数分级后，将这5个区域分为：
- 1=1~5
- 2=6~7
- 3=8~10
- 4=10~15
- 5=15~20
函数如下：
=IF（C2>15,5,IF（C2>10,4,IF（C2>7,3,IF（C2>5,2,1））））
接下来是登录次数：
- 1=1~10
- 2=11~20
- 3=21~30
- 4=31~40
- 5=41~50
函数如下：
=IF（D2>40,5,IF（D2>30,4,IF（D2>20,3,IF（D2>10,2,1））））
3. 求出RFM的平均值
求出对应的值之后，下面用AVERAGE函数计算各列的平均值：
- R的平均值=1.19
- F的平均值=1.28
- M的平均值=3.33
（有小伙伴问我，为什么要计算出数值后再求平均值，而不是在原消费金额的基础上求平均？你想下比赛时评委打分，会去掉一个最高分和最低分，这两个的道理其实有点类似，这样会使数组更加整体）
4. 判断RFM等级
接下来判断RFM等级。通过与平均数进行对比，得出数值的高低。
函数如下：
- R=IF（E2>1.19,”高”,”低”）
- F=IF（F2>1.28,”高”,”低”）
- M=IF（G>3.33,”高”,”低”）
5. 得出用户价值
到了最重要的一个环节，通过计算得出用户的价值。用IF和AND函数判断，同为高、同为低，以及分别为不同高低的用户分别对应什么。
函数如下：
=IF（AND（H2="高",I2="高",J2="高"）,"重要价值用户", IF（AND（H2="高",I2="低",J2="高"）,"重要发展用户", IF（AND（H2="低",I2="高",J2="高"）,"重要保持用户", IF（AND（H1="低",I2="低",J2="高"）,"重要挽留用户", IF（AND（H2="高",I2="高",J2="低"）,"一般价值用户", IF（AND（H2="高",I2="低",J1="低"）,"一般发展用户", IF（AND（H1="低",I2="高",J2="低"）,"一般保持用户","一般挽留用户" ）））））））
最后就可以根据判断结果采取不同的运营手段了。下面列出2点我们具体实施时的工作流程给大家参考：
重要价值用户，是我们金字塔顶尖的客户，所以要发掘他们的更大价值。通过数据的对比我们发现这类用户集中在30-40岁的男性群体，有钱有时间，这类用户我们为他们送上大额优惠券，以及充值成功后赠送的特权和抽奖等形式刺激他们完成大额充值。
重要挽留用户，这类用户多为18-25岁之间的年轻群体，充值金额低，登录频繁。年轻群体分享欲望强，通过测试我们选取了趣味性较强的素材文案，引导他们向朋友推荐，以扩大用户群体，分享率提高了10%。
……
通过对不同层级用户的测试，总结出该群体用户的特性，之后动员同事提出想法和意见，必要时也要向用户发出问题邀请，汇总意见后通过AB测试选出可行性方案，这时你就知道下一步该怎么做……
以上就是金融类产品精细化分层和运营过程，初来乍到大家多多指教！欢迎提出意见建议~持续学习进步！