共计 2471 个字符，预计需要花费 7 分钟才能阅读完成。
确定用户价值是整个用户经营过程中极其重要的一环。传统的工作流程中，业务人员向数据部门提出数据需要，期待返回后果后再进行价值剖析是次要的筹备工作，但这个过程十分耗时。为了进步工作效率，业务人员常常会基于本人对用户的了解制订一系列的经营策略，但实现了经营流动后，比拟难及时进行流动成果的跟进与评估，到了能够评估的时候又往往发现流动成果并不现实。
造成以上状况的次要起因就是业务人员认为的用户群体特色与用户理论的特色之间存在着肯定的偏差，手动进行用户剖析则耗时耗力，当有了客户数据洞察平台后，上述问题就全副迎刃而解了。
数据部门提前将根本的数据加工好，业务人员有须要的时候间接自主进行标签加工、群组剖析等一系列操作，省去了很多沟通老本，将更多的精力放在了经营策略的制订上，最终胜利落地成果突出的经营流动。
如何将用户从一个整体拆分成特色显著的群体决定了经营的成败。行业内有很多成熟的用户价值分析方法，而这其中最为经典的实现模型就是 RFM 模型。在资源无限的状况下，RFM 模型能够让企业聚焦于更有价值的用户，带来事倍功半的成果。
对于 RFM 模型，这个名字很多同学都晓得，但深究到执行层面，置信很多同学都是只知其一; 不知其二，本文将为大家具体介绍 RFM 模型在「袋鼠云客户数据洞察平台」内的落地实战，帮忙您疾速判断用户价值等级，真正实现数据赋能业务倒退。
RFM 模型外围维度
首先，让咱们先来理解一下什么是 RFM 模型。RFM 模型是做用户精细化经营的罕用分析方法，能够直观看出用户的价值奉献。RFM 模型蕴含三个重要指标：最近一次生产频率（Recency）、生产频率（Frequency）、生产金额（Monetary）。上面通过具体例子介绍如何生成 RFM 模型来领导经营工作的推动。
在开始加工标签、生成模型之前，首先要实现业务场景的剖析，依据业务场景对用户的行为进行分层后，再通过「客户数据洞察平台」创立相应的「最近一次生产频率」、「生产频率」、「生产金额」标签，随后依据这些标签生成想要的 RFM 模型。
上面咱们以用户下单行为为例来看一下近 30 天有下单行为的用户价值。依据对业务场景的剖析，咱们须要实现以下这些标签的加工：
客户数据洞察平台中实现 RFM 模型
实现了业务场景的剖析，接下来就能够在「客户数据洞察平台」实现标签的创立以及 RFM 模型的生成。
创立用户实体，并将订单表绑定至对应的用户实体下
下图展现了订单表绑定实体的过程，实现了绑定的实体则能够进行后续标签的加工。
依据订单表加工所需的衍生标签
通过前文的业务剖析，咱们须要以下 5 个衍生标签：近 7 天有消费行为、近 15 天有消费行为、近 30 天有消费行为、近 30 天生产频率、近 30 天生产金额程度。
其中，「近 7 天有消费行为」、「近 15 天有消费行为」、「近 30 天有消费行为」标签的加工办法相似。下图仅展现「近 7 天有消费行为」标签的加工规定：
下图为「近 30 天生产频率」标签的加工规定：
在加工标签的过程中，咱们能够通过标签值散布性能来评估咱们的分类规范是否正当，如呈现了下图这种散布状况，则阐明咱们设置的「高」等级标签值的门槛过高，没有实例能够笼罩，此时咱们须要整体调低分布区间，进步标签计算结果的利用率。
下图为「近 30 天生产金额程度」标签的加工规定：
依据加工好的衍生标签加工组合标签
「最近一次生产频率」标签是依据近 7 天有消费行为、近 15 天有消费行为、近 30 天有消费行为三个衍生标签而来的组合标签，下图为「最近一次生产频率」标签的加工规定：
以上，咱们就实现了实现 RFM 模型所必要的三个外围标签。
标签圈群，实现 RFM 模型
在创立 RFM 模型之前，让咱们先对模型做一下拆解，看一下群体后果与业务是如何进行联合的。
在 RFM 模型中，咱们须要的 3 个标签被分成了三个等级，对标签值进行自由组合，造成了 27 类人群，本文中选取其中的 3 类人群进行群组剖析与洞察。
理解了 RFM 模型如何应用之后，咱们就能够在「袋鼠云客户数据洞察平台」将须要进一步剖析的各个群组的用户正式筛选进去，进而对各个群体进行定向的更加具体的营销策略制订与执行。
「袋鼠云客户数据洞察平台」提供了两种 RFM 模型落地的形式，一种是从 27 类人群中选取重点关注的群体别离建设群组；一种是应用平台提供的模型封装工具疾速落地。
第一种形式将会节约更多的存储、计算资源，适宜对模型、用户的了解与利用更加粗浅的高级经营人员应用；第二种形式则能够更加方便快捷的查问各类不同价值等级的用户群体，更全面的洞察目标群体的突出特色，同时也须要破费更多的精力、更多的资源来关注一些低价值群体。
本文次要介绍第一种形式的配置办法，第二种形式感兴趣的同学可在「袋鼠云客户数据洞察平台」内自行摸索。进入到群组剖析内的标签圈群模块，设置好咱们上方提到的群组 1 的圈群条件，如下图所示：
设置好群组规定后，开始进行圈群动作，平台会向你提供所有的群体实例信息，你能够将其保留为群组后后续实时关注群组变动，也可疾速进行群组画像、显著性剖析、群组比照等群组剖析洞察。
总结
以上，就是 RFM 模型在「袋鼠云客户数据洞察平台」的实战演练。除了 RFM 模型，客户数据洞察平台也能够落地其余典型的用户分析模型，如 AARRR 模型、PLC 模型、AIPL 模型等。
在理论应用中，多模型组合分析也是重要的剖析洞察内容，后续将陆续为大家出现更多的模型加工与剖析的实操内容，欢送关注。
《数栈产品白皮书》：https://www.dtstack.com/resources/1004?src=szsm
《数据治理行业实际白皮书》下载地址：https://www.dtstack.com/resources/1001?src=szsm
想理解或征询更多无关袋鼠云大数据产品、行业解决方案、客户案例的敌人，浏览袋鼠云官网：https://www.dtstack.com/?src=szsf
同时，欢送对大数据开源我的项目有趣味的同学退出「袋鼠云开源框架钉钉技术 qun」，交换最新开源技术信息，qun 号码：30537511，我的项目地址：https://github.com/DTStack