[游数据] RFM用户价值模型-TapTap玩赏家运营实战应用
精华更新时间2020/1/30766 浏览知识科普
RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该模型通过Recency-距今最近一次交易、Frequency-交易频率 、Monetary-交易金额这3项指标，来描述该客户的价值状况，依据这3项指标划分n³类客户价值。
在不同行业，RFM模型有着不同的变种以及拓展。根据TapTap内容平台实际情况，对RFM模型进行以下变种：R-距今最后一次评论、F-评论频率、M-评论带来互动数值。爬取191名TapTap玩赏家全部评论数据（数据范围：2016~2019年），依据以上3项指标进行RFM建模。本人才疏学浅，如有不尽之处，还请各位雅正。
R-距今最后一次评论
统计出所有TapTap玩赏家最后一次评论的时间，再计算距今（2019年12月31日）的时间（单位：天）。
F-评论频率
统计出所有TapTap玩赏家在2019年产出的评论数量。
M-评论带来互动数值
统计出所有TapTap玩赏家在2019年产出评论后带来的互动数值，这其中互动数值计算公式为：评论点赞数+评论点踩数+评论有趣数*2+评论回复数*5（较往期游数据系列帖子，此处对互动数值内各项权重进行调整，有趣数权重由原来的1增加至2；回复数权重由原来的2增加至5）。
根据以上统计得到的3项数值，分别绘制热力图，具体如下：
1、最后评论距今天数（R值）主要集中在0~20，考虑到官方玩赏家连任复核条件内要求评论数量≥20，平均每月产出2篇，故此处R值取15；
2、评论数量（F值）主要集中在12~35，考虑到2019年玩赏家产出评论平均值为41，中位数是33，故此处F值取33；
3、互动数量（M值）主要集中在500~1200，考虑到2019年玩赏家产出评论带来的互动平均值为2414，中位数是1472，故此处M值取1500。
再将以上R=15、F=33、M=1500作为临界值，将R、F、M每个方向拆分成2个档，得到2*2*2=8种玩赏家用户分类（当然，也可以细分出更多档。例如5档，得到5*5*5=125种用户分类），具体如下：
1、当R≤15，定义为“活跃”，否则为“摸鱼”；
2、当F≥33，定义为“高产”，否则为“低产”；
3、当M≥1500，定义为“曝光”，否则为“沉底”；
4、当RFM为“活跃高产曝光”，定义为“重要价值玩赏家”；
5、当RFM为“活跃低产曝光”，定义为“重要深耕玩赏家”；
6、当RFM为“摸鱼高产曝光”，定义为“重要唤回玩赏家”；
7、当RFM为“摸鱼低产曝光”，定义为“重要挽留玩赏家”；
8、当RFM为“活跃低产沉底”，定义为“新玩赏家”；
9、当RFM为“活跃高产沉底”，定义为“潜力玩赏家”；
10、当RFM为“摸鱼高产沉底”，定义为“一般维持玩赏家”；
11、当RFM为“摸鱼低产沉底”，定义为“流失玩赏家”。
这样，我们就完成了对TapTap玩赏家的分层。以评论数量（F值）-互动数量（M值）作为坐标轴绘制分层后的散点图，具体如下：
就本帖，RFM模型最终目的是去了区分出有价值的玩赏家，并在此基础上进行针对性用户运营。例如，“重要深耕玩赏家”评论产出数量较少，这可能是耗时长，投入与收益不成正比的缘故，官方可以适当奖励周边；“潜力玩赏家”评论互动值低，这可能是曝光力度不足，官方可以优化分发策略……这里就不赘述，不展开。当然，数据冰冷，但内容有温度，RFM模型分层仅起参考作用。
同时，RFM模型也是非常有效的用户行为监控工具，官方可以从用户的行为中反思现有的运营模式，为后续平台发展提供一定的战略依据；也可以将模型范围拓宽至所有TapTap用户，优化玩赏家选拔机制。
细分出8种玩赏家用户分类后，对各种玩赏家历年（2016~2019年）评论数量、字数、互动值进行统计，以验证分层是否合理，具体如下图：
这其中，“重要深耕玩赏家”占全体玩赏家的8.9%，但却产出了9.82%评论、11.20%字数，进行的互动达16.57%；而“一般维护玩赏家”占全体玩赏家的7.85%，但仅产出了6.35%评论、5.05%字数，进行的互动只有2.75%。
再对互动值就评论字数、评论回复数、评论点赞数、评论有趣数、评论点踩数这5个维度进行再细分统计，具体如下：
以上是将R=15、F=33、M=1500作为临界值，进行的RFM模型分层。考虑到R、F、M值选取或存在偏差，故将这3项数值设置为参数，调整相应数值，以上图表相应动态变化，具体如下图：
最后，将所有图表整合形成仪表盘：
最后的最后！RFM模型可以根据业务实际需要，灵活调整指标进行变种或延伸。