用户人群分层分析的RFM模型是什么？

RFM不是随机森林哈~

RFM是衡量、划分客户价值水平的一个规则模型。通过一个客户的

• 近期购买行为（Recency）
• 购买的总体频率（Frequency）
• 花了多少钱（Monetary）

这三个指标来描述该客户的价值状况。

这三个指标，每个指标都是和用户价值正相关的。每个指标都可以按照“高”“低”划分一下：

重要价值客户（R高F高M高）：最近消费时间近、消费频次和消费金额都很高，忠实铁粉VIP用户。

重要保持客户（R低F高M高）：最近消费时间较远，但消费频次和金额都很高，说明这是个一段时间没来的忠诚客户，我们需要主动和他保持联系。

重要发展客户（R高F低M高）：最近消费时间较近、消费金额高，但频次不高，忠诚度不高，很有潜力的用户，必须重点发展。

重要挽留客户（R低F低M高）：最近消费时间较远、消费频次不高，但消费金额高的用户，可能是将要流失或者已经要流失的用户，应当给予挽留措施。

重要升级客户（R高F高M低）：最近消费时间较近、消费频次高，但消费金额低的用户，可以适当进行消费升级的刺激。

重要召回客户（R低F低M低）：最近消费时间较远、消费频次低，消费金额低的用户，可能是沉默用户或者流失用户。

RFM是一个简单的用户聚类方法，可以用来做客群拆分，方便检验一个促销活动或者一个方案对各类客群的不同影响。

但是这也是比较传统的方法，现在互联网时代的用户画像只看消费行为的三个维度的情况已经不多了，很多时候会看得更细，比如具体是什么品类，人群的性别、所在区域、过去的偏好，等等。RFM更多是作为被预测的标签，而不是原始输入。

RFM：最近一次消费 + 消费频次 + 消费金额

这个是刻画用户价值的标签数据，结果指标。有时候算法团队会根据其他数据来预测每个用户未来RFM的分类。RFM在我们腾讯还是挺常用的。