数据，是一切分析的前提。 在数据驱动的时代，数据已经变得越来越重要。
谁掌握了数据，谁就赢得了用户、市场和流量。
比如一些做数据监控、用户征信、风控管理、数据接口及数据分析的公司，积累了大量的数据后，就会搭建一个提供数据服务平台，从而实现数据的商业化价值。
数据的价值不在于数据本身，而在于设计有价值的指标，并通过科学有效的手段去分析。
对用户的数据进行分析，关键在于如何选择一个高效的分析模型？
我们可以综合业务流程、应用场景、运营指标和分析策略去选择模型，进而对数据进行分析，最终得到分析结果，以便采取下一步运营策略。
数据分析过程常用的分析模型有： PEST分析法、4P营销理论、逻辑树分析法与RFM模型等。
在日常数据运营过程中，对用户进行精细化营销时，最常用的一个模型是RFM模型。
RFM模型是一种基于用户消费行为的人群细分方法。
RFM模型从用户的业务数据中提取了三个指标： 最近一次消费时间(Recency)、消费频率 (Frequency)、消费金额 (Monetary)。 这三个指标可以衡量用户的活跃度、忠诚度和贡献度。
R（Recency）： 最近一次消费时间，即用户最近一次消费距离现在的时间。 R值越大，表示消费时间越近，一定程度上体现了用户的活跃度。
F（Frequency）： 消费频率，即用户在统计周期内消费的次数。 F值越大，表示消费频率越高，一定程度上体现了用户的忠诚度。
M（Monetary）： 消费金额，即用户在统计周期内消费的金额。 M值越大，表示消费金额越高，一定程度上体现了用户的贡献度。
通过R、F、M三个维度，将用户有效地细分为8个具有不同价值的群体： 重要价值客户、重要发展用户、重要挽留用户、重要保持客户、一般价值客户、一般发展用户、一般挽留客户与一般保持客户。
RFM模型被广泛被应用在金融领域，以P2P平台出借人为例，我们根据浏览、充值与投资等维度，重新定义RFM模型，并将其量化为具体的分析指标。
最近消费时间（Recency）： 最近浏览时间、最近充值时间、最近投资时间。
消费频率（Frequency）： 浏览次数、充值次数、投资次数。
消费金额（Monetary）： 充值金额、投资金额。
比如我们要统计近三个月内的投资情况，并细分用户价值。 首先，确定R、F、M每个维度对应范围内的分值。
R |
F |
M |
分值 |
<=2天 |
>30次 |
>50万 |
5 |
<=7天 |
<=30次 |
<=50万 |
4 |
<=30天 |
<=15次 |
<=20万 |
3 |
<=60天 |
<=5次 |
<=10万 |
2 |
>60天 |
<=1次 |
<=5万 |
1 |
其次，去系统后台或数据库爬取数据后，根据出借人的最近投资投资距今多少天、累计投资次数、累计投资金额进行打分。
用户ID |
R |
F |
M |
1 |
2 |
4 |
3 |
2 |
4 |
2 |
5 |
3 |
5 |
5 |
1 |
· · · |
· · · |
· · · |
· · · |
n-1 |
3 |
1 |
4 |
n |
4 |
5 |
5 |
平均值 |
3.75 |
2.23 |
2.86 |
然后，对比打分表、分值表和平均值，确定R、F、M每个维度的高低取值，以便确认客户类型。
用户ID |
R |
F |
M |
分类 |
1 |
低 |
高 |
高 |
重要保持客户 |
2 |
高 |
低 |
高 |
重要发展客户 |
3 |
高 |
高 |
低 |
一般价值客户 |
· · · |
· · · |
· · · |
· · · |
· · · |
n-1 |
低 |
低 |
高 |
重要挽留客户 |
n |
高 |
高 |
高 |
重要价值客户 |
接着，统计各个客户类型的总数，其中，重要价值客户25200、重要保持客户58260、重要发展客户42766、重要挽留客户25432、一般价值客户388670、一般保持客户178620、一般发展客户367000、一般挽留客户82489。
R分类 |
F分类 |
M分类 |
客户类型 |
合计 |
高 |
高 |
高 |
重要价值客户 |
25200 |
低 |
高 |
高 |
重要保持客户 |
58260 |
高 |
低 |
高 |
重要发展客户 |
42766 |
低 |
低 |
高 |
重要挽留客户 |
25432 |
高 |
高 |
低 |
一般价值客户 |
388670 |
低 |
高 |
低 |
一般保持客户 |
178620 |
高 |
低 |
低 |
一般发展客户 |
367000 |
低 |
低 |
低 |
一般挽留客户 |
82489 |
最后将得到的用户数据可视化，以便我们采取针对性的运营策略，实现更加精准化营销。
重要价值客户： 最近投资时间近、投资频次高、投资金额高的出借人。 这类客户价值大是平台的“金主”，需要重点服务，争取价值最大化。
重要保持客户： 最近投资时间久、投资频次高、投资金额高的出借人。 这类客户价值大但活跃度不高，需要主动回访，并和他保持联系。
重要发展客户： 最近投资时间近、投资频次低、投资金额高的出借人。 这类客户价值大但忠诚度不高，需要重点发展，挖掘沉默的潜力。
重要挽留客户： 最近投资时间久、投资频次低、投资金额高的出借人。 这类客户价值大但贡献度不高，需要采取措施，去挽留或唤醒。
一般价值客户： 最近投资时间近、投资频次高、投资金额低的出借人。 作为普通客户，保持现有状态，采取一对多的形式去服务。
一般保持客户： 最近投资时间久、投资频次高、投资金额低的出借人。 作为沉默客户，可以尝试唤醒，但不要消耗太多的资源。
一般发展客户： 最近投资时间近、投资频次低、投资金额低的出借人。 作为新增客户，需要合理引导，将其转化为高净值用户。
一般挽留客户： 最近投资时间久、投资频次低、投资金额低的出借人。 作为睡眠客户，基本是要放弃，杜绝羊毛党和黑名单用户。
用RFM模型做数据分析就是为了找出有价值的用户，以便区分不同出借人对公司带来的不同效益。
根据二八定律： 80%的效益来自20%的出借人投资，所以我们要把80%的资源花在能出关键效益的20%的优质客户上。
公司的资源和人力是有限的，没法做到服务好每一种类型的客户。 这些客户群体是我们的目标用户和关键资源，因此我们要重点关注重要价值客户、重要保持客户、重要发展客户与重要挽留客户。
对于以上四类优质客户，我们可以制定个性化服务和运营策略，并针对这部分用户进行差异化的营销。
重要价值客户： 可采取定向推送大额高利息标的的方式。
重要保持客户： 可采取投资标的可加息或返现的方式。
重要发展客户： 可采取建立用户成长激励体系的方式。
重要挽留客户： 可采取投资即可获得抽奖机会的方式。
RFM模型是衡量客户价值的重要工具，为我们做数据分析提供了一种思路与方法。
在工作中，RFM模型可以指导产品经理做出更为客观与理性的决策。
数据分析是必修课之一，掌握一定的数据分析能力，可以更好的提升工作效率。
很多企业在招聘产品经理时，会把数据分析能力作为硬性条件，要求掌握数据分析的基本原理与分析方法，并能运用到工作中。
在充满竞争的职场，最先理解数据并擅长数据分析的产品经理，将成为职场赢家。