用户分层是业务运作的结果，用户分层是应用于业务运作。因此看似简单的分层，只要和业务结合起来，就很容易解释清楚，也很容易定位到问题。有同学问：

领导让做用户分层，可不管怎么分，似乎都觉得没有啥科学道理，也经常被嫌弃“你这分层分的有啥意思”。

到底有没有标准的分层规范？

在解答这个问题之前，大家先看一个简单的问题：

假设一个业务收入情况如下，你会怎么解读数据？

（总收入=付费用户数*付费用户人均付费）

用户分层的一般作用

本质上看，用户分层是一种特殊形态的用户细分：按用户价值高低进行细分，处于上层的是高价值用户；处于下层的是低价值用户。

用户分层最大用处是去平均化。

比如上边的题目，大部分同学会脱口而出：

• 总收入在下降；
• 人均付费减少了17%，用户增长了20%；
• 要把人均付费提高，再搞多25。

看平均数，就会得出这种结论。可实际上，平均值降低25元，是不是等于业务就得想办法拉高25元呢？

当然不是，因为我们并不了解这一万多用户的构成。如果我们告诉大家，这1万人有下边两种形态构成，大家还会觉得，人均拉高25元就可以了吗？

这就是用户分层作用的直观展示，我们会发现：通过平均数，观察到的趋势是对的；但推导出的执行计划，往往是错的。落到执行层面，需要进行用户细分，才能更容易找到真正问题，制定可行的计划。

用户分层的特殊作用

用户分层还有个特殊作用，就是一个企业提供给高中低档用户的产品/服务/体验是有限的，往往是固定的高中低档套餐，高配/标配/低配产品，高级/中级/初级VIP服务。当我们分开高中低档观察用户的时候，很容易直观看到，我们提供的产品/服务/体验是不是出了问题，我们正在损失哪一档顾客。

这样的分析指向性非常强，可以快速定位问题，帮运营找到突破口。

比如上边例子中的AB形态，为了举例方便进行了简化，但代表了两种很经典的业务形态，依赖土豪用户的大R型业务和依赖大量普通用户的大DAU型业务（大R和大DAU是游戏行业术语，这两种形态在游戏行业区分最泾渭分明，因此这里直接套用一下）。

他们的用户分层常见形态如下：

了解到这一层，再看回AB两形态，我们就能更准确定位出问题。

经过这一层解读，是不是比只看平均数，然后说“客单价低了，要提高”来得更透彻？

这就是用户分层的进一步作用：通过结合业务行为的分层，快速定位业务问题。

用户分层的常见错误

看了示例，有同学会说：“看起来分层很简单啊，用户价值吗，付费≥活跃≥注册，我直接叠个金字塔（如下图）不就好了，我看网上都是这么叠的。”

答：这是一个用户分层的常见错误，缺少重点。

要记得，做用户分层是为了快速定位问题，如果只是像上图，单纯把注册、活跃、付费叠成金字塔，图形看着挺牛逼。可本质上，不就是把用户量、活跃率、转化率三个指标用金字塔图的形式再说一遍吗？

图和报表含义一样，那多做个奇形怪状的图就是脱了裤子放屁，这也是开头被吐槽的原因。

还有同学会说：“我看示例，也就是一个维度砍几段，那我把付费、活跃这些维度看看，做个类似下图：想象中分层效果，不就好了？”

答：这是另一类用户分层常见错误，维度交叉。

用户付费、活跃指标之间，有交叉很常见的事。当分类维度相互交叉，一层用户又包含另一层的时候，解读起来就很费劲，这时候还不如直接做个矩阵分类看得更清楚。

综上，用户分层之所以经常做的流于表面，很大程度是因为做分析的同学缺少细化思考的意识，过分追求画一个层层叠叠的图，来显得思考全面；忽视了这个图对业务的作用，忽视了业务本身在不同阶段有不同需求。

用户分层的基本思路

做用户分层其实很简单，如下图所示，只需要“分类维度+分类标准”两样东西即可。

我们说过，用户分层的最大用户是快速定位问题，提示业务突破口。

想要达到这两重目的，就得做到（如下图所示）：

• 分类维度是当前业务的关键问题；
• 分类标准和业务动作直接相关。

业务发展的关键问题和业务动作，并非完全异想天开，或者“听领导指示”，而是与产品/业务发展的生命周期高度相关。

每次讲到“要了解当前业务重点问题”，都有同学说直接去问。直接沟通是好事，但是如果自己啥都不懂，不但业务懒得分享，偶尔说几个词可能还听不懂；甚至有可能运营自己都是稀里糊涂，领导说啥干啥，不动脑子。所以做分析的同学还是得有些了解的。

基于发展阶段选分类维度

通常一个产品/业务上线会经历五个阶段（如下图所示），每个阶段要关注的核心指标、关键问题是不一样的。

传统企业在产品生命周期末尾会选择甩货、等下一代产品上线，互联网企业做多次迭代的可能性更高。

在不同的阶段，业务关注的问题也会不同，如下图所示：

有了这些基础，我们能对当前形势做初步判断，和业务沟通也更顺畅。定出当前关注的重点问题，就能锁定分类维度，下边再看分类标准。

基于业务动作设分类标准

企业能提供给用户的产品/服务/体验是有限的，它受到三方限制。

• 产品限制：每种产品，每个产品组合能满足用户的需求是有限的；
• 竞品限制：即使企业能提供众多产品，也很难包装拼的过对手；
• 需求限制：用户口味会经常变化，今天喜欢，明天就不喜欢。

在这三方限制下，往往运营会选择爆款战略，用一个爆款产品/有竞争力的服务/优质的顾客体验来吸引用户，达成自己的目标。

用户处于新人阶段，有一个入门级产品；在成长期会在某个节点设立特别优惠的奖励。这些节点，就成为天然的分类标准。

在这方面，传统企业做的反而比互联网企业要好。传统企业指望卖产品的毛利过日子，因此对给客户多少回馈有清晰的界定。

一般是从毛利中拨一个固定比例作为回馈，然后参照竞争对手的比例，选择自己主打的档位，从而形成竞争优势。这样对应的分类标准，也可以直接套用业务的标准（如下图所示）。

在这种分层标准的指导下，就很容易根据分层数据的变化，找到对应的问题。如同开头举例的效果，看到某个档次的用户少了，立马意识到：找人找偏了，产品竞争力得检讨了。这样后续深入分析，也有了线索。

反倒是互联网企业，除了少数头部企业外，大量企业还停留在大干快上、烧钱补贴阶段。缺少清晰的产品线规划和竞争策略，反正运营有钱就往死里发券，做大了规模好上市圈钱。所以，在互联网公司经常培养出“注册少了-发券，活跃不行-发券，留存不行-发券”的无脑运营。

如果做数据分析的同学，发现你们公司的运营真的很无脑，都是看着AARRR哪个指标跌了就短期上活动搞一搞，完全没有全局规划，也没啥策略。那可以试着参照竞品的情况，做一个竞品分析，把本品、竞品在不同消费/活跃程度的用户身上的差异分清楚，帮他们看到：我们其实在XX档次有优势，在XX档次有劣势。

因此，我们可以制定用户分层战术，进一步系统优化。毕竟我们是搞运营，不是搞活动。

小结

用户分层看起来简单，可深入探讨的话，需要牵扯的业务细节非常多。

很多同学做起来很困扰，都是困扰在“领导让我分高端用户，到底是8000算高端，10000算高端，还是12000算高端”。

是滴，他就纠结这个划线，纠结地死去活来。

你反问：

• 目前阶段的重点问题是什么？
• 在目前阶段，高端真的就是“高消费”？
• 8K，10K，12K背后，对应运营的什么动作？
• 我们做的动作，到底对用户有什么吸引力，竞争力？

他啥都不知道，他还在指望着，能有个机器学习算法，啪啪一算，就告诉他：“人工智能阿尔法大狗子告诉你，10000是完美的标准，谁不服气，阿尔法大狗子咬死他”。

这就南辕北辙了。

用户分层是业务运作的结果，用户分层是应用于业务运作。因此看似简单的分层，只要和业务结合起来，就很容易解释清楚，也很容易定位到问题。

与大家共勉。

作者：接地气陈老师

来源：公众号『接地气学堂』

当一款互联网产品用户量比较大的时候，一般都会对用户进行分层，以便更好的根据用户特征精细化运营。本文作者介绍了4种用户分层的方法，供大家参考和学习。

为什么几乎所有的互联网产品，当用户量比较大的时候，都会进行用户分层？

主要是因为，用户量大的时候，千人千面的个性化需求和普适的运营策略的矛盾就会成为当前产品的主要矛盾。用户特征的差异导致了用户个性化诉求，也催生了精细化运营的需求。

一谈到用户分层，大家的脑海中可能会浮现出这些词汇：核心用户，种子用户，氪金用户，白嫖用户，活跃用户，流失用户，内容创作用户及内容消费用户。

例如，抖音的用户，就可以粗略划分为内容创作者和内容消费者，当然这两者还可以继续细分。

产品最核心的利益诉求是盈利，这个利不管是金钱还是流量，都需要进行用户分层，对不同层级的用户采用不同的运营策略，进行精细化运营，才能达到运营资源的最大化利用和产品效益的最大化。

用户分层的本质是一种以用户特征、用户行为等为中心对用户进行细分的精细化运营的手段。

下面来分别介绍下4种常见的用户分层的方法。

一、用户价值区隔分层

用户价值区隔分层，又分为两个维度：第一，依靠用户生命周期定义对用户进行价值区隔；第二，依靠用户关键行为对用户进行价值区隔。

用户生命周期定义必然与用户价值成长路径有关。不同类型的产品有不同的价值成长路径。按照产品是否付费及产品的使用频率，可以将不同产品的价值成长路径划分为四个象限：

d

用户生命周期模型大家应该都不陌生，一般用户的生命周期会分为5个阶段，当然不是说每个用户都会经历完整的生命周期，这只是一个一般模型。

（1）导入期：用户注册后，刚刚上手，对产品还不熟悉，对产品能带来什么价值也还不熟悉。在数据上的定义是，刚刚注册，尚未体验核心功能流程（核心功能流程需要事先定义并埋点做统计）

（2）成长期：对产品有了一定的了解，对产品提供的用户价值比较认可，已经建立起了初步的使用习惯，会定期使用产品。在数据上的定义是，已经体验过核心功能流程，使用频率和使用时长大于或等于定义的最小阈值，例如，每周登录三次，每次使用时长10分钟。

（3）成熟期：对产品已经形成了高度的使用依赖和习惯，使用频率和使用时长显著高，能够贡献较高的价值。数据上的定位为，使用频率，使用时长大于或等于某个阈值（根据产品来定），或者付费频率和价值达到一定阈值

（4）休眠期：曾经是成熟期用户，但是现在已经不再访问或使用产品，或者访问频次越来越低。数据上的定义为，超过10天（具体情况具体分析）未使用产品。

（5）流失期：已经长时间不登录产品，甚至已经卸载产品的用户。数据上的定义为，超过30天（自定义）未使用产品的用户。

另一种，用户价值区隔分层的方法是根据用户的关键行为来进行划分。最典型且常用的方法是RFM方法。RFM分别代表用户三种关键行为：

1. R（Recency），距离最近一次交易
2. F（Frequency），交易频次
3. M（Monetary），交易金额

通过RFM方法可以将用户分成8大类型

（图片不太高清，凑合着看哈）

我们需要对每个用户分析他的RFM值，然后确定用户的类型。使用RFM方法进行分层主要分为以下步骤：

抓取数据，只需要定好RFM三个维度的抓取原则，然后麻烦开发小哥或者数据分析师小姐姐就可以了。

定义RFM三个维度的中值，一般有三个常见的方法：

1. 所有数据的平均值或中值
2. 基于一个业务节点的重要值，例如投资理财类的R值，一般是1个月，因为发工资才有钱投资
3. 以二八法则进行推算，80%的用户集中在低频低金额区间，20%的用户集中在高频高金额区间
4. Means聚类算法，这个如果数据分析师小姐姐懂得话，就最好了

后面如何进行数据分析的方法，在这里就不细说了，在网上有很多教大家使用RFM的文章。

RFM方法的核心逻辑是找出影响用户价值高低的关键行为，然后进行交叉分析和用户划分。所以RFM模型并不一定就是上述的含义，在不同领域可以是不同的定义。例如：

1. 金融领域，R代表最近一次投资的时间，F代表投资频率，M代表投资金额；
2. 直播领域，R代表最近一次观看直播的时间，F代表观看频次，M代表观看总时长；
3. 游戏领域，R代表最近一次玩游戏的时间，F代表游戏频次，M代表游戏时长。还可以定义为，R代表最近一次游戏充值的时间，F代表充值频率，M代表充值金额。

RFM只是代表一种分层的思维方式，任何产品，我们都可以定义影响用户的关键行为，然后定义出这些行为的指标，再对这些指标进行交叉分析，来完成对用户的分层。

二、AARRR模型分层

听说过增长黑客的同学，对这个模型肯定不陌生。AARRR模型不仅可以用来做增长，也可以用来做用户分层。

1. 获取用户：下载未注册，或完成注册但无进一步行为。这一阶段要关注不同渠道的注册转化率，优化渠道资源投放。
2. 提高活跃度：已注册，但是未完成产品的核心流程体验。这一阶段需要加强引导用户完成核心流程。
3. 提高留存率：体验了核心流程，但是持续留存时长不高。针对留存问题进行分析，然后给出具体的运营策略。
4. 病毒式传播：活跃频次超过一定阈值的用户。通过工具优化，刺激用户进行传播
5. 获取收入：活跃度和留存时长超过一定阈值的用户，针对特定用户，结合特定的场景加强对于付费的引导

AARRR是一个比较粗略的用户分层模型，适用于产品比较初级的阶段，这个阶段用户量说大不大，说小不小，且公司的数据体系可能尚未搭建起来的阶段。

三、用户身份区隔分层

一说到用户身份，大家第一时间联想到的词，是不是KOL。在内容社区，用户的身份一般都会至少分为KOL和普通用户两种，对于这两种用户，运营的策略肯定不同。

只有当产品所在的领域中，用户的行为特征和诉求差异较大时，使用身份区隔的方式进行分层就会比较合适。例如，微博，至少就能分为：明星用户，KOL用户，活跃用户和普通用户。

如何梳理产品的用户身份区隔模型？问自己三个问题：

1. 用户之间是否存在关系？
2. 某类用户是否会因贡献的内容，稀缺性而产生用户阶层
3. 用户之间是否可以在自然状态下实现阶层的进阶。

如果用户之间不存在关系，那么不适用身份区隔分层模型。

如果存在关系，并且会因为贡献内容或稀缺性产生用户阶层，那么就根据贡献度或稀缺性搭建用户分层模型。

如果不同阶层的用户可以自然进阶，那么就根据进阶的阶层搭建用户分层模型。

四、用户需求区隔分层

用户需求区隔分层，主要分为两个维度：

1. 用户自然属性，主要依赖用户的基础数据，包括性别，年龄，职业，收入等；
2. 用户个性化需求，主要依赖用户的行为数据，个人消费偏好，个人场景偏好。

所以，用户需求区隔分层，主要就是通过分析用户是否在这两个维度上，用户的需求有明显的差异，判断的方法两种，经验洞察和数据说话。

在具体操作时，可以使用单个维度进行区分，也可以使用两个维度进行交叉分析。

选择一个维度进行区分，例如，典型的产品美柚，在用户不同的状态下，备孕，怀孕，辣妈，会推送不同的内容。例如，婚介类产品，针对不同年龄层次，不同性别的用户也会进行用户需求的区隔分层。

选择两个维度进行交叉分析，例如购物类产品，就会根据用户的性别，年龄和消费偏好的属性，给用户推送不同的产品。

用户分层的主要目的是为了后面的用户精细化运营，最终要实现的目标是以最小的运营成本实现产品收益的最大化。

用户分层的两大核心：一是不同层级的用户可以用明确的数据标签，属性标签定义出来，这样才能实现用户标签自动化；二是不同层级的用户运营的策略是有针对性且稳定的。

用户分层常用的4大方法：

1. 用户价值区隔分层，包括用户生命周期和RFM方法
2. AARRR模型，适用于产品比较初级的阶段，是一种简单粗略的分层方法
3. 用户身份区隔分层，适用于产品的用户有联系，并且会因为贡献度或稀缺性而产生明显的阶层区隔的产品
4. 用户需求区隔分层，简答的说就是用户在产品的需求是否会因为用户特征的不同而不同。

作者：步鲸云

来源：引流侠步鲸云

“每一个有灵魂的营销方案，一定不是计划大纲的堆积和罗列，而是一个从客户需求出发的真正帮助客户去解决关键问题的解决方案。”

昨天在朋友圈看到这样以下这句话，作为“PPT”专业从业者，表示又好气又好笑。

气的是这样片面的评价，仿佛在嘲笑我们所付出的劳动都是没有价值的，这显然不公平；笑的是这句话仿佛又在某种程度上戳中了我们的痛点，我们确实做了很多的方案、写了很多的PPT，但又有多少真正打动了客户呢？

当然方案不完全都以PPT的方式呈现，只不过PPT确实是目前客户更为乐意接受的表达方式；因此本文所述的方案场景以PPT为例子居多。

如果仔细回想一下，会发现市面上大部分“正常”的营销方案都是计划式的大纲，仅仅是把一些渠道资源、营销策略、投放计划进行罗列，动辄几十页PPT的体量，真的好“厉害”。

但丝毫不提及客户关心的关键问题是什么以及问题如何解决，所以这类方案几乎无法落地，更无法有效指导任何一个人的具体工作。

举个“栗”子：

某母婴品牌“双十一大促”营销方案

• 线上传播：制作短视频、H5互动页面、公众号文章等，KOL（意见领袖、名人大V等），阿里站内资源推广，通过微信、微博、抖音等媒体扩散，形成千万级传播；
• 线下传播：地铁、公交、楼宇等全面覆盖，目标覆盖人群100W；
• 媒体公关：XXXX等多家媒体，全方位覆盖报道；
• ……

乍一看，没毛病啊，该有的都有了。

但实际上客户还是会有疑问：我该怎么落地这个方案呢？

当客户说“帮我做一个营销方案”的时候，他其实是说：“我现在遇到一系列问题（有一波预算），能不能帮我想办法利用内外部的资源，解决这些问题（好好花钱）？”

你不要过于自信，以为客户什么都不懂，就把所有资源和玩法列个遍。其实恰恰相反，客户比你想象中的懂得多、做得多、踩过的坑也多，他不关心你能做什么，而是关心你能帮我做什么？

如果他没有告诉你他的需求和问题怎么办？

这是解决问题的唯一路径。

所以，你首先要去了解客户这波预算的情况、品牌的特征、整体的考核目标、历史的投放效果等等。或许你从“有什么问题”出发，到“为什么要解决”以及我能帮你“解决什么问题”、“怎么解决”，就可以大部分完成方案的框架和逻辑了。

你可能要问：这个方法确实更好一些，但我可能需要1个月的时间去做调研，可实际上客户只给我1天，怎么办？

教你一个小技巧：至少要用1~2页去说明客户现在的问题，并在方案中加上客户的LOGO、产品图片等，再多花1个小时与客户打个电话，或者上网搜索客户的资料，寻找其中的蛛丝马迹，归纳和总结出1~2个重要的点就可以了。

综上所述：

一个有灵魂的营销方案一定是能为客户解决切身关键问题的解决方案。

掌握了营销方案的本质，还有一些小技巧可以参考。

首先，你不要认为客户会真的认真“拜读”你的方案（客户是真的很忙的哟），除非你的方案里有“惊为天人”的创意，可以改变客户的命运，否则还是乖乖地听我一句劝。

一般的营销方案大概会被这样对待：

1. 大部分的方案都是被“扫视”，基本上每一页的停留时间不会超过7秒；
2. 即便是提案，每一页也大概不会超过3分钟（毕竟你总共只有30分钟，但是你有至少50页要介绍）；
3. 基本上你的竞品也会参与竞争，他们也会向客户提供类似的方案，你有自信一定做得比他们优秀吗？

因此，你的方案必须是高度提炼和概括的。

一、能用图片或流程图表示的就不要用文字

没人愿意花时间在阅读文字上，哪怕你的文字能得“诺贝尔文学奖”。

请参照以下对比：

我的小眼睛到底要看哪里？

这样是不是好一点？

也请不要只堆放图片、图表，没有表述。

请加一点图片注释吧！

这样是不是好一点？

二、能用短语说明白的事情不要用句子

要善于提炼文字中的观点。

举例：“通过大数据挖掘方法，从不同的算法模型出发，引入AI人工智能技术，全面洞察用户行为，实现用户分层和个性化精准营销……”

其实可以概括为小标题：《用户分层模型，实现精准营销》，简明扼要，一目了然，在正文中再具体展开表述，就完整了。

三、能在大标题里高度概括的事情不要在正文里说

正常人的阅读习惯一般优先阅读大标题，试想下大标题是《媒介策略组合》，如果改成《基于母婴人群特征的精准营销策略组合》是不是更能体现重点？

四、能在一页里说明白的问题不要放两页

在快速翻页的过程中，没有人会去管你前后页之间的逻辑关系，我只想在我看到的这一页里得到全部信息，然后迅速进入下一页，请不要让我再费脑力了！

五、能有案例的一定要好好包装案例

毕竟没有人愿意花费金钱和时间的成本，在你还没有落地的想法和构思上，一个好的案例会为你的整体方案锦上添花，如果还没有特别合适的案例，那么请你“想想办法”，调动公司内外部资源、盘活朋友圈，去学习和了解，用实例说话！

六、请务必预留时间去美化你的方案，哪怕仅仅是字体统一

第一印象很重要。

在浏览方案的过程中，如果字体不统一、格式乱七八糟、错别字连篇，第一印象就大打折扣了，何来往后的合作？

只要简单掌握一个原则：标题和正文分别做到格式、字体、字号、颜色、缩进统一，就能让你的方案漂亮许多！试一下！

以上仅仅是我个人总结的一些经验，现实状况可能更加复杂。

当你做一个方案的时候，会遇到各种不同的问题和挑战，比如内部资源协调耗时耗力，供应商水平参差不齐，时间紧任务重……所以最重要的是要有一颗强大的“心脏”。

“强心脏”如何养成？

实战、学习、应变，让自己更加专业！

RFM模型不难，是一个人人都可以上手的模型，运用范围很广泛，运营、销售、市场等都可以在工作中使用到。

今天给大家介绍一下RFM模型及如何利用RFM模型进行用户分析。

RFM模型不难，是一个人人都可以上手的模型，运用范围很广泛，互联网运营、电商运营、销售、市场等都可以在工作中使用到。

一、 RFM模型介绍

1、 RFM模型是众多客户关系管理（CRM）分析方法中的一种，能够方便快速有效的量化用户价值和创利能力。

2、 RFM模型有三个要素，分别是：Recency（最近一次交易距今时间）、Frequency（交易频率）、Monetary（交易金额）。

R值（最近一次交易距今时间）

用户最近一次交易距今的时间。间隔时间越短，则值越大，这类客户也是最有可能对活动产生反应的群体。

F值（交易频率）

用户在限定的时间内所购买的次数。最常购买的顾客，也是满意度、忠诚度最高的顾客。

M值（交易金额）

用户的交易金额，可以分为累计交易金额和平均每次交易金额，根据不同的目的取不同的数据源进行建模分析。

3、根据三个值的指标，进行分类，可以得出下面这个8个分类。

R值、F值、M值分别计算出均值，然后根据用户的数据就可以填入相应的客户类型。“↑”表示大于均值，“↓”表示小于均值。

二、 利用RFM模型进行用户细分

1、 一维分析

一维顾名思义，就是利用R F M三个分类中的一个分类，来进行用户分析。在不需要非常精确数据的时候，可以利用一维分析快速做出决定。同时也适用于一些数据量比较少或特定用户等。

比如仅针对M值进行分层，可以根据讲用户分为低消费用户和高消费用户；或者低级、中级、高级等。大家熟知的“二八定律”（又名“帕雷托法则”）曾作出过这样的解释：公司80%的收入来自于20%的用户，那么在一些活动的时候，就可以针对高消费用户作出一些倾斜。

2、 二维分析

在某些情况下，我们只需要利用R F M三个分类中的两个来分类即可，比方说某客单价单一的电商店铺，因为大家的M值都差不多，所以只需要针对R值和F值进行分类分析即可。

下面利用我之前的一个案例，给大家做个演示

表格中的数据分类不是死的，各位需要分析自己公司的业务，从而进行调整，选择合适于自己的数据。

通过这样一个表格，就可以非常清晰的知道用户的情况。

• 1象限的用户属于流失用户，可以不用理会。
• 越接近右上角的象限，属于越优质的用户，无论是购买力或者忠诚度都是越高的
• 1-5象限的用户，只要购买一次，就会变成10象限用户；同理16-20象限用户，只要再购买一次，就会变成25象限的用户。

接着就是针对不同象限的用户采用不同的对策，该召回的召回，该放弃的放弃，集中火力进攻关键用户。然后再不断的调整-尝试-优化-总结-优化，确实出最优方案。

3、 三维分析

如果顺利理解了二维分析，其中三维分析也并不难，只不过是在之前的基础上增加一个维度。

那么很多人会问，如果三个维度都采用5个分类，那么最终会有5X5X5=125个象限，这也太多了吧？

其中在真正的应用中，并不需要把象限分的那么精细，可以根据公司业务情况进行考量。比如R F M各分2个值，那么一共8个象限；R:F:M=3:3:3，那么就是27个象限。

RFM模型只是提供一种思路和方法，使用的人不能闭门造车，还是要先了解公司业务，对用户有一定的了解，这样才可以将RFM模型的作用最大化。

谢谢大家。