用户分群，是把大众用户池拆成特征清晰的若干小群体，让每一条运营动作都能对上具体的用户场景。用户少的时候，一套打法也能应付。用户规模上来之后，统一的推送和统一的优惠，既打扰了不需要的用户，又漏掉了最该重点维护的人群。用户分群的核心价值，是把有限的运营资源投给对的人。
一、什么是用户分群？
用户分群，就是按照行为、价值、需求、生命周期等维度，把用户划分成多个内部特征相似、彼此差异明显的群体，再针对每个群体设计差异化的触达、权益和服务。它的前提是用户数据，依据是分群维度，产出是运营动作。
理解用户分群之前，先分清三个容易混淆的概念：
- 用户画像：描述"用户是谁"，包含身份、行为、消费、兴趣等属性，是一组标签的集合。
- 用户分层：按价值或生命周期给用户排级，例如新用户、活跃用户、付费用户、流失用户。
- 用户分群：在分层基础上做更细的切分，可以叠加更多维度，例如"高价值且近期流失的用户""低价高频用户"。
三者不是对立关系，而是一层层递进：画像提供标签，分层定级，分群定向。
二、RFM模型是什么？
RFM 模型是用户分群里最经典、也最好上手的一种，只用三个消费行为指标衡量用户价值：
- R 最近一次消费：指用户距离最近一次消费相隔多久。间隔越短，用户越活跃，触达越容易生效。
- F 消费频率：指统计周期内的消费次数。频次越高，说明用户粘性越强、忠诚度越高。
- M 消费金额：指统计周期内的累计消费金额。金额越高，说明用户对企业的价值贡献越大。
RFM 被广泛使用，是因为它足够客观、简单、直观：只需要订单时间和订单金额两类字段就能计算，不需要复杂建模，业务人员自己就能理解和使用。
1. RFM八类用户怎么划分
把 R、F、M 三个维度分别按高、低两档划分，可以得到 2 的三次方共八类用户：
| 用户类型 | R | F | M | 运营含义 |
|---|---|---|---|---|
| 重要价值客户 | 高 | 高 | 高 | 核心用户，重点维护 |
| 重要保持客户 | 低 | 高 | 高 | 高价值但近期未消费，需召回 |
| 重要发展客户 | 高 | 低 | 高 | 高价值但消费频次低，促复购 |
| 重要挽留客户 | 低 | 低 | 高 | 曾高价值，濒临流失，需挽留 |
| 一般价值客户 | 高 | 高 | 低 | 活跃但客单低，提客单 |
| 一般保持客户 | 低 | 高 | 低 | 频次高但金额低，低成本维护 |
| 一般发展客户 | 高 | 低 | 低 | 新客或潜力用户，培养习惯 |
| 一般挽留客户 | 低 | 低 | 低 | 沉睡用户，低频唤醒 |
三、RFM分群怎么搭建？四步完成用户分群
1. 准备三类基础数据
RFM 只需要三类基础数据：用户ID、每笔订单的下单时间、每笔订单的金额。大多数业务后台都能导出客户订单明细，小微团队用一张表格也能算。
2. 计算R、F、M三个指标
R 等于当前日期减去最近一次消费日期，F 等于统计周期内的消费次数，M 等于统计周期内的累计消费金额。
3. 设定高、低分档阈值
每个维度要分成高、低两档。阈值可以直接取平均值或中位数，也可以结合业务特征设定。例如 R 以 30 天为界，30 天内下单算高；F 以季度内 3 单为界；M 以客单价乘 5 为界。不同行业复购周期不同，阈值最好依据历史数据算出的平均回头天数来确定，不要拍脑袋。
4. 组合生成八类用户
把每个用户的三个档位组合起来，对应到上面的八类分群表，用户的价值画像就出来了。
四、RFM八类用户的运营策略
分群只是手段，运营动作才是目的。同一类用户，匹配同一套动作：
- 重要价值客户：提供专属客服、新品内测、生日礼和转介绍邀请，维护关系、防止流失。
- 重要保持客户：用限时回归礼、专属优惠券先唤回，再谈转化。
- 重要发展客户：用关联推荐、凑单引导提升消费频次。
- 重要挽留客户：用大额激励与定向关怀，在流失前拉回来。
- 一般价值客户：用满减门槛和搭配购买提升客单价。
- 一般发展客户：用新客礼包、内容教育培养消费习惯。
- 一般保持客户：频次尚可但贡献偏低，用低成本权益维持即可。
- 一般挽留客户：平时低频轻触达，大促节点集中唤醒。
运营动作和用户状态越匹配，分群的价值才越明显。实际落地时，还可以在同一价值档内叠加活跃度等维度继续细分，把预算花在刀刃上。
五、RFM模型的局限与扩展方向
RFM 的局限很明显：它只衡量用户消费了多少、多久消费一次，没有回答用户买了什么。同样 30 天没消费、只买过一次、花了 1000 元的两个人，一个囤日用品，一个买空调，就会被分进同一个群。因此落地时要叠加消费品类、用户偏好等维度做细化。
RFM 的思路也可以迁移到其他行为上。把"消费"换成"活跃"，就是 RFA 模型：用最近一次活跃距今时间、最近一周活跃频次、最近一周累计活跃时长，区分轻度用户和重度用户。
六、把RFM分群落地成常态化精细化运营
表格只能做一次性的 RFM 分群，真正的精细化运营要求分群持续更新：用户状态是流动的，今天的重要价值客户，下个月可能就变成沉睡用户。依赖人工导出数据、手动计算，很难支撑常态化运营。
这也是数据平台的价值所在。ThinkingAI 深耕数据智能多年，服务覆盖游戏、电商、新零售、泛娱乐等行业，已服务全球超 1500 家企业，接入产品超 8000 款。运营可以在 ThinkingAI 上基于完整的行为与交易数据动态更新用户分群，把 RFM 的计算、分层与触达动作沉淀为可执行的运营流程，并支持私有化部署，兼顾数据安全与合规。
分群的价值，不在于把用户分得多细，而在于每一次触达都因为知道对面是谁而更有效。从一套 RFM 模型开始，把用户运营从凭感觉群发推进到看数据定向，是精细化运营最务实的一步。
