数据分析并非只是简单的数据分析工具三板斧——Excel、SQL、Python，更重要的是数据分析思维。没有数据分析思维和业务知识，就算拿到一堆数据，也不知道如何下手。

推荐书本《数据分析思维——分析方法和业务知识》，本文内容就是提取这本书的主体思维，以提高自身的数据分析素养。

先来点鸡汤：学会把书读薄，就要学会总结，撰写学习博客的过程就是加深印象的过程，也是持续提高自身素质的有效方法。冲冲冲！

此前篇章：

数据分析思维（一）：业务指标（数据分析并非只是简单三板斧）

数据分析思维（二）：分析方法——5W2H分析方法、逻辑树分析方法、行业分析方法

数据分析思维（三）：分析方法——多维度拆解分析方法

数据分析思维（四）：分析方法——对比分析方法、A/B测试

数据分析思维（五）：分析方法——假设检验分析方法

数据分析思维（六）：分析方法——相关分析方法

数据分析思维（七）：分析方法——群组分析方法

---

RFM分析方法

一、什么是RFM分析方法？

RFM是三个指标的缩写：

• R（Recency）：最近一次消费时间间隔 
• F（Frequency）：消费频率
• M（Monetary）：消费金额

三个指标的具体含义：

• 最近一次消费时间间隔（R）：指的是用户最近一次消费距离现在多长时间了。
• 消费频率（F）：指用户一段时间内消费了多少次。一段时间一般为一个月，根据具体需求而定。
• 消费金额（M）：指用户一段时间内的消费金额。

这3个指标针对的业务不同，定义也不同，要根据业务来灵活定义。

各指标特征如下：

• R的值越小，离上一次消费越近，说明用户价值越高。
• F的值越高，购买频率越高，说明用户越高。
• M的值越大，消费金额越高，说明用户越高。

以这三个指标作为坐标轴，可以把用户分类空间分为8各部分，如下：

用户分类表格如下：

  

二、RFM分析方法有什么用？

RFM分析方法主要是针对用户进行分类，识别出有价值的用户，以便针对不同的用户实施不同的运营策略，即精细化运营，而不是对所有用户采取同一套运营策略。就比如会员服务。

三、如何使用RFM分析方法？

前面提到把用户分为8类，具体做法如下：

1、计算R、F、M的值。

计算时，一般需要三个字段，用户ID或用户名、消费时间、消费金额。

  

 2、按照打分规则，给R、F、M值按价值打分并填入下表。这里的说的价值不是指标数值。

  

打分规则：

3、计算价值平均值。

  

4、用户分类。增加3列，用于记录R、F、M的值是高于平均值，还是低于平均值。

    

现在回头看上面那个坐标图，就会发现，坐标轴中心就是某个指标价值的平均值。

小结：

四、用户分类后，如何精细化运营

由于不同公司业务不一样运营策略也不一样。以前四类用户为例，供参考：

五、注意事项

1、不同业务下R、F、M的定义不同，要灵活定义。

比如打车业务，R定义为“上一次打车距离现在多少天”，F定义为“30天内的打车次数”，M定义为“30天内的消费总金额”，打车业务是短期服务，所以“一段时间”一般定义为“30天”。

2、R、F、M价值如何确定打分规则。

分值一般为0～5分，可以根据业务需求灵活定义。还可以与业务部门讨论，进行头脑风暴。

3、R、F、M指标还可以与其他分析方法结合使用。

例如，某次活动以后，希望对老用户的表现做复盘总结。我们可以使用对比分析来比较去年和今年同一活动中老用户的复购情况，复购情况用R值衡量。还可以对R值进行范围分组，进行群组分析。

然后进行可视化，方便观测数据趋势。

最后根据图表选出去年今年同比增长最大的和负增长的区间进行原因分析，优化业务策略。 

＃ 文章紧供个人学习，后续还会继续更新！