通过RFM分析进行用户细分
通过RFM分析可以研究用户行为及其支付方式，devtodev的分析师维拉·卡尔波娃在我们关于“游戏绩效指标”的系列材料中对此进行了介绍。
本篇文章是由App2Top.ru与devtodev合作的关于游戏指标系列的一部分。文章分为季节，每个季节专注于特定主题。第二季名为“用户”。在这一季中，我们讨论与受众互动方面反映应用效率的商业指标。
维拉·卡尔波娃
在本文中，我们将讨论另一种支付用户细分工具——RFM分析。它根据客户支付的时间（Recency）、频率（Frequency）和总金额（Monetary）将用户划分为不同的组。
通常，这种分析的目标是研究用户行为，包括他们的支付方式，以便为每个根据这三个标准细分形成的小组提供更相关的建议。
- Recency – 当前日期与用户最后一次支付日期之间的差异。
- Frequency – 用户在研究时间段内完成的交易数量。
- Monetary – 用户在该研究期间的总消费金额。
这三个指标都单独计算，并在所选期间内为每个用户分配评级。评分范围可以不同：1-3、1-4、1-5等。评分范围越宽，生成的组越多，指标也越“敏感”和精准，但同时由于组合多样化，处理起来也会变得更加复杂。
为用户打分通常有两种方法：
1) 固定范围
在这种情况下，需要根据对产品的经验自行确定每个标准的边界，定义什么是“很久以前”的支付、“最近”的支付、或者“高额”或“中等”的支付等。然后为用户分配相应的评分。
例如，可以为RFM参数设置以下范围：
Recency
а) 那些在很久之前（超过14天）支付的用户将获得1分。
б) 在8-14天前支付的用户将获得2分。
в) 最近（1-7天前）支付的用户将获得3分。
Frequency
а) 在选定时间段内只进行过1次支付的用户获得1分。
б) 支付频率适中，并进行了2-3次支付的用户获得2分。
в) 频繁支付（3次以上）的用户将获得3分。
Monetary
а) 支付$1-$10的用户获得1分，因为这是该项目的最低支付金额。
б) 支付$11-$20的用户获得2分。
в) 支付超过$20的用户获得3分。
2) 分位数
第二种确定边界的方法是使用分位数。为此，需要根据其中一个标准（例如，支付次数）对数据进行排序，然后将用户划分为相等的组（例如，将25%的用户分成4组），或者选择前10%的用户并给予他们最高分，接下来的50%分配2分，最后40%几乎没有支付的用户分配1分。在这种情况下，边界由专家判断。
我们尝试以此方法为例，假设我们有以下用户数据。
首先，我们尝试固定范围的方法，并使用上述每个测量的边界，然后根据这些值为每个用户分配评分。
现在我们将使用分位数为用户评分。为此，需要根据其中一个指标的升序对他们进行排序，并将其分成相等的部分（假设分成3部分）。
对于每个指标都需要这样进行，最后得到带分数的表格。
当评分完成后，可以将用户分组到特定的细分市场。在我们的例子中，使用第一种分配分数的方式，其边界是由专家设定的。
除了在每个细分市场中的用户数量外，还要计算他们的收入。
从中可以看出，最多的用户是那些支付频率适中且时间较久的用户。
这些用户很可能已对项目失去兴趣，但仍然可以尝试通过某种方式与他们联系，提供一些可能对他们在这个时刻有用或有趣的东西，从而将他们留在项目中。
RFM分析和形成细分目标在于根据用户的支付行为，采取特定方式对其施加影响：发送推送或电子邮件通知，提供奖金、优惠和折扣，解锁内容等等。而且，重要的是以更有针对性的方式进行，使每个小组都能接受到相关的信息。
通过这些措施，可以提高用户留存率，将那些失去活跃度的付费用户吸引回项目中，可以在转化用户上提高收入，防止忠实用户流失。
以下是RFM分析中可以划分出的几个细分例子：
1) 最近支付多、频次高、金额大的用户（R=3, F=3, M=3）– 这些是最忠诚和活跃的用户，需要加以维护，保持他们对项目的兴趣。
2) 他们的完全对立面（R=1, F=1, M=1）。很可能这是已经失去的用户：他们支付很久、金额少且频率低。
3) 曾经支付过多且频繁，但现在已经很久没有支付的用户（R=1, F=2/3, M=2/3）– 这些是即将流失的忠诚用户。可以尝试通过推送通知或提供奖金或折扣将他们带回项目。
4) 最近只进行过一次支付的用户（R=3, F=1, M=X）值得鼓励他们进行重复支付。
由于分析中有三个指标，标准图表或表格通常具有两个维度，通常会将其中的两个结合起来。通常是“频率与金额”或“频率与最近度”，例如在devtodev中。
值得注意的是，金额指标不一定用于付费用户的细分。这种细分的一种变体是RF分析，仅考虑支付的时间和频率，从而减少组的数量，简化结果的理解。
RFM分析是一种有用的用户细分工具，可以分析项目的付费受众，识别主要细分，确定应用的薄弱环节，同时提高关键产品指标，如留存率、转化率和收入，以最适合每个用户群体的方法进行互动。
同样阅读其他指标的材料：
