依据用户在产品交互行为和买卖行为，对用户的价值阶段进行分层

常见的RFM目标只获取各个目标的平均数，而疏忽了目标的全体数量的分布和调集极值的影响，能够选用专家确认，依据历史经验确认事务的频次和数据；参数配置：能够通过配置不同时间段的权重，控制灵活调整规矩。

2. 用户全生命周期分层模型

依据用户在产品交互行为和买卖行为，对用户的价值阶段进行分层。

例如在一个新款APP的用户，下载和注册属于导入期用户；阅览和初次购买视为成长期用户；屡次复购是成熟期用户；运营的目标是将大量的用户引入成为成熟期用户，且坚持导入期用户的增长；那如何引导导入期用户向成长期和成熟期用户过渡，成为运营的中心。

 AARRR模型

AARRR模型涉及到Acquisition 用户获取，Activation 用户激活，Retention 用户留存，Revenue用户变现，Refer 用户引荐，代表这用户的五个阶段

结合用户买卖行为和交互行为，能够划分为不同用户等级，指定不同的运营战略。

比方：用户A新注册但较活泼，能够划分为“新注册活泼用户”；用户B注册后进行屡次购买，能够划分为“高价值用户”；用户C屡次购买并进行共享引荐，能够划分为“高价值传播性用户”。

4. 其他可用的分层模型

常见的模型还有用户金字塔模型，用户养成模型等，用户上瘾hook模型等；对于不同的模型，底层逻辑都是相似的，在根底模型的根底上进行变形，更符合事务发展需要。

例如：

RFM模型转化成RFA模型

针对非买卖类型产品而言，流量可能是产品最中心点，能够选用Action动作，即用户做过的工作代替Monetary来衡量用户对产品价值的接受度。 比方，阅览类产品，能够挑选“阅览时长”“笔记数量”“阅览字数”等来评价用户对产品的喜欢程度，结合上“最终一次登录时间”和“使用频次”构建成RFA的用户分层模型。