首发于 数据科学干货
切换模式
数据分析必会模型（二）——用户价值矩阵模型
林君 
北京师范大学 教育学硕士
互联网公司数据分析的重要内容之一是用户分析，而用户分析的目的主要是了解用户，促进用户增长，提高用户价值。
提高用户价值的一个重要环节是用户细分。最简单也最常用的用户细分指标为用户消费频次、消费金额、最近一次消费天数，即RFM模型（参考文章： 你做数据分析却不懂RFM模型？开什么玩笑！）。但RFM模型有一个缺点，即消费频次和消费总金额二者之间存在共线性。
用户价值矩阵模型在RFM模型的基础上进行改进，用次均消费金额代替消费总金额，从而消除了共线性因素的干扰。
在用户价值矩阵模型中，横轴表示消费频次，纵轴表示次均消费金额。根据这两个指标，可以将用户展示在一个平面上，如下图所示：
用户价值矩阵模型将用户分为四类：
（1） 消费型用户：消费频次低，但次均消费金额高；未来侧重提高消费频次；
（2） 优质型用户：消费频次和次均消费金额都高；是未来重点保留的对象；
（3） 不确定型用户：消费频次低，且次均消费金额低；未来有可能流失，是待挖掘和转化的对象，侧重从这类用户中找出真正有价值的用户。
（4） 高频型用户：消费频次高，但次均消费金额低；未来侧重提高客单价。
用户价值矩阵将用户细分成四类，对每一类用户可采取不同的策略，最终目标是将非优质型用户转化为优质型用户。
“数学算法的世界”专注数据分析、数据科学技能传播。后期会陆续推出数据分析模型系列文章，敬请关注！
往期回顾
遇到三门问题时，如何（用Python编程）战胜杠精？！
在数据分析/科学中的竞争力如何？一张图帮你读懂数据科学需要掌握的技能
抖音日活3.2亿，可能有 3.3亿用户在同一天内使用抖音吗？（泊松分布的Python实现）
常见数据分析（Python）面试题（一）
什么影响了你的工资？方差分析告诉你
我放弃了国企工作，转行做了数据分析
发布于 2019-10-20 14:00
数据分析
用户分析
文章被以下专栏收录
