假设我长得很漂亮，拥有众多追求者，但是初出闺房的我对这世界上的男人毫无认知，那么该如何选择呢？这真是一个问题！
妈妈说，愿意为我花钱的男人未必爱我，但不愿意为我花钱的男人必定不爱我，而后传授了一套RFM模型，让我去规避渣男、拥抱幸福，听下来好像有点道理，在这里分享给各位美女帅哥。
什么是RFM模型
RFM对应三个单词：
- Recency，最近一次消费，R的值越小，用户价值越高；
- Frequency，消费频率，F的值越大，用户价值越高；
- Monetary，消费金额，M的值越大，用户价值越高；
它可以描述一个你关注的群体对你的价值。判断的核心标准就是这个群体的人谁愿意为你花钱......
我第一时间对身边的人粗略的做了一下分层，大概结果是：
- 妈妈最爱我......
- 我之前最爱我老婆......
- 我现在最爱我女儿......
PS：不得不说，很准确！！！嗯，不对！我是一个小仙女，怎么会有老婆？
这个就是传说中的RFM模型，他可以是爱不会消失的依据，比如：
- 舔狗最近一次为我花钱是什么时候；
- 舔狗多久为我花一次钱；
- 舔狗总共为我花了多少钱；
所以在相处的时候，也可以用这个做一个参考值（注意是参考值），数据是不会骗人的。
基本分层
从数学排列组合角度，三个维度可以有八个组合：
精算定价
无论是对项目定级、还是对考核定级，这里又涉及了一个一定绕不过去的关键问题：如何定价！
如果以一年为周期，那么可以定义一个月内付费的为高价值客户；如果以一个季度为例可以认为一周内付费的为高价值客户；如果以一周为例，可以认为当天付费的为高价值客户；
但他到底是不是高价值用户，需要你自己不断的去精算、尝试。这里粗暴的取了一个比例因子10，也限制了最小单位是1天（取整），于是一年内：
这里以M为例，计算出所有舔狗为我花费的平均值，大于平均值的价值是高，低于平均值的是低：
- 平均值：4000元；
- 小王6000，高价值；
- 小张1000，低价值；
这里不要以为有了分层后，M值就没用了，因为还会做第二轮排序，在低价值舔狗中，也有三六九等。
模型扩展
妈妈说，这个是基本心法，千万要活学活用，可以以这个模型为基础加一个其他维度扩展出新的模型。比如在基础上又衍生出了一个时间维度，就变成了RLMF模型，这个L代表在一起的时间。
举个例子来说，同样是两个舔狗，舔一年和舔了十年的是不一样的，虽然在这一年里差不多，但拉开了看，可能十年这个更靠得住。
类似这种模型可以有很多，主要是看关注的是什么：
- 可以关注在一起的时长；
- 还可以关注年龄；
- 也可以关注距离；
- 甚至还可以关注颜值和家务多不多
- ......
这里详细展开RLMF模型，以在一起的时长和最近一次购买的时间，又会分层以下象限：
在这个基础上再衍生一步，比如将付费因素剔除，重新做下定义：
- L，认识超过1年是高价值；
- R，最近消费时间<1个月为高价值；
以两个维度可以形成四个分层：
以花钱频率再做一次硬性划分：一个月大于5次的为高价值，小于5次的为低价值：
这个时候再把付费额度做出来就知道谁是大鱼了，这里颜色做区分，比如终极舔狗是红色，理智的终极舔狗是橙色，同等级的舔狗以气泡大小做区分：
其他维度
认识时间可以是一个很重要的考虑维度，但我觉得跟某个舔狗在一起的感觉最重要，这个感觉或者感受，就是能否畅所欲言，能否不再伪装，我不用维护我的人设，我可以真实的做自己，这个维度可能也很重要，于是上面的认识时长被我们变成了：
相处成本，相处成本可以是见面距离、可以是年龄代沟、可以是生活习惯......最好能做到数据化，不然就只能靠感觉了
了解到数据模型后，我感觉收获良多，妈妈见我听得认真，便开始继续介绍UE模型。
UE模型
UE即Unit Economics，是指单体经济模型，也就是最小盈利单元。
大概在五年前，老妈做了一个智能硬件项目，为了刺激流量做了一个活动，每购买一个硬件项目，会送一个折扣比较低的线下诊所服务包。
于是，项目本身购买量上来了，但作为诊所履约的负责人就不乐意了，因为硬件项目负责人相当于吃了这波流量带来的红利，却将相关的成本转移给了诊所承担，这个UE模型整体来说显然是负的！
以此为例，开始深入，在这个Case中，UE是什么？
UE模型代表的是收入与成本关系的最小运作单元，这个运作单元就一定要能代表这个业务，不同的业务可以选取不同的运作单元：
- 以直播平台为例，他可以选取主播作为最小运作单元；
- 以培训平台为例，他可以将老师作为最小运作单元；
- 卖产品（服务）的公司，可以以产品本身作为最小运作单元；
以上也可以选择消费者作为运作单元，但选择合适的运作单元，会让你更容易拿到正确的结果。上述案例，涉及两个产品：一个是硬件项目售出的商品；另一个是系统赠送的线下服务包。
这里涉及了两个部门：硬件部门和诊所部门，可以看出硬件部门在转移成本给诊所部门，这是诊所部门不乐意的根源。那么这个场景下应该选取什么作为最小运作单元呢？
以单个硬件设备为UE
首先在可以将单个硬件作为一个UE。
那么该单元的所有成本（可变成本、固定成本）、收入都需要被穷举，如：
- 固定成本：
1）硬件研发成本；
已经发生的研发成本；
机器本身硬件研发成本；
这里涉及三块固定成本，分别是软硬件研发及物料本身所需成本。
2）研发结束后的维护成本
硬件运营人员成本，包括上货、维护等；
硬件耗损成本，在硬件生命周期内，平均每个月需要花多少钱在设备维护上；
持续投入的维护的产研人员成本；
硬件处理成本，硬件彻底不能维护后的处理成本；
- 可变成本：
1）单台硬件需要支付的成本；
对于硬件项目，追求规模化的话，这是最重要成本优化项！
2）货品成本；
可随规模增大而降低成本。每个硬件里面卖的商品，其实是有其成本的，比如硬件要卖一品饮料，那么这瓶饮料就是固定的商品成本。
3）平均每台成本的部署成本；
每台机器进入商城还会有BD相关的费用，电源线改装、安装相关费用，都需要计算出来！
这部分成本可能是固定成本，也可能是可变成本，比如部署到北京机场和部署到成都商城的费用肯定不一样。
4）活动成本
如上述Case中的线下优惠服务包，其实应该是该部门先买过来再使用，这样就很好做成本归集了。
......
- 所有收入
成本结束后就需要穷举所有的收入方式：
1）商品售卖收入；
2）广告收入；
......
因为硬件有屏幕，可以洽谈广告，但这样又会增加商业团队成本......
这个时候，该业务的：
随着规模增加，商品成本、硬件成本降低带来可变成本降低后，是有可能达到盈利的，这个时候就可以认为这个业务UE为正，我们甚至可以做出盈利图表出来：
第一个月部署多少台设备，这个时候的各种成本是什么；第二个月部署多少台，这个时候的收入情况是什么；在第六个月，由于规模的变化，我们打平了！！！
这一切看上去十分的美好，但是这里有个非常重要的问题或者风险点：
UE为正的前提是，我们的货品会随着我们的规模被卖出去，如果规模上去了，货品不能卖出去，那么这个事情就烂在那里了，这也是UE具有迷惑性的点。
UE为正只是建立在我们的货品能持续卖出的假设上，如果货品不能卖出，那么业务依旧会死。
综上，UE是个业务判断模型，他可以预测业务是否能打平，但是业务是否真的能打平，要思考的因素会更多！
其他的点
运气特别好，我们的硬件设备变成了一个爆款，已经承担了平台的作用（也就是一个流量渠道），这个时候就要以其中的单个商品做UE，以此判断我们应该往机器里面投入什么商品。
每个硬件部署出去后，本身就是一个很好的流量渠道，而进场的BD和安装费用可以认为是我们的获客成本。
这里再引申一句，硬件机器的部署其实可以认为的可变成本，因为会因场所会有所不同，但我们如果对所有的场所做分级，不同的场所成本是一个固定的区间，那么他就可以被算到固定成本。
这里以直播平台拉新主播为例，头部主播是一个区间，腰部主播又是一个区间，这个是固定成本。
回到上述Case，在这个模式下，硬件部门变成了线下部门的买单方和渠道流量，给钱还带流量，线下部门高兴还来不及，也不会板着一张脸了，但是硬件部门又会跟线下部门聊商品价格优惠的事情......
现在回到正文，这对我选男朋友有什么帮助？
UE模型与男朋友
之前已经根据RFM模型对舔狗进行了分层：
在今天的内容下，明显每个舔狗就是一个UE模型，那么我们这里就要分析所有行为产生的成本和收益，这里是可以穷举的。
- 保持的成本：
1）拉新以及维护关系的成本；
比如因直播产生的化妆成本（包括时间成本以及化妆品费用）、设备相关成本、在平台买流量相关成本、为我维护人设以及写直播剧本相关团队成本......
2）见面的成本；
到一定阶段会引发见面的事件，其中的机会成本、交通成本、场所成本皆要考虑......
2）相处成本；
相处过程中又会产生很多成本，一些成本太敏感这里就不多说了......
- 产生的收益：
1）通过直播产生的收益；
2）通过线下产生的收益；
这样整理下去真是累死本小姐了，有没有比较好的整理方式呢，答案当然是有。
如何统计成本与收入
一般来说收入比较固定，这里不展开，我们主要说下成本。
从产品的生命周期来说可以优先分为两个阶段：
- 1）研发阶段；
研发阶段主要产生的是固定成本，一般来说由产研人员组成。
如果该产品是实体项目，那么需要穷举每个产品的各种费用，其实也比较简单，无非就是物料费用，和固定的进货费用。
其中可售卖产品极可能因为规模变成可变成本。
- 2）运营阶段；
运营阶段比较适合使用AARR模型：
- 获取（Acquisition）；
- 激活（Activation）；
- 留存（Retention）；
- 收入（Revenue）；
在这四个大类小再做所有动作的分解，这样不容易漏掉。
当然，这里还有个最简单的方法，直接从财务那里拿，正常情况，财务一定会有完善的表。
现在回到怎么选的事情，因为直播的机会成本很低，如果直播舔狗的UE已经很不错了，那么就要考虑抛弃线下舔狗的UE，毕竟那还是有一些风险滴......
最后，岁月的成本，活跃的周期也得考虑，在某个阶段一定要做出最终选择，好在我们已经有两套工具辅助了：
1）我们先通过RFM模型找出最爱我的人；
2）我们其次通过UE模型，找出这批人里面收益最高的；
至此，我离幸福越来越近了！
然后，这里还是一定要在强调一下，UE模型只是预测！
只是预测
举个例子，本小姐放弃现在月薪1W的安稳工作，投入直播行业，而刚投入时由于碰到了平台的拉新活动，我错误的预估了自己的拉新效率和转化效率，得出了一个不准确的UE模型，那么我就要为此付出相当的代价！
换句话说，打铁还需自身硬，将我自己作为一个UE（主播做UE），平台会持续往我身上头资源，一定是我这边的转换效率高，能带给平台更多收益，如果我自身条件不够硬，提供的服务不够好，那么拉新成本和转换效率会导致我们真实的UE为负，那么这个事情就不能做了......
最后，真正的UE相关还会比较复杂，这里给点模糊案例，大概长这样：
获客为主，服务为王
在老妈的数据思维引导下，我的事业有了长足的进步，并且我越来越理性了：
我首先判断自身条件，思考我们能提供什么样的服务：比如直播、比如短视频、比如线下见面；直播时候是唱歌还是聊天，短视频是跳舞还是精品内容。
这些会成为我的底色或者说基本人设，在公开的场合我需要去维护我的人设，对于商品的话，这个人设就是品牌的角色定位。
在这个基础上，我提供了的服务，那么整个做这个事情就是一个UE模型，“我”就是最小运行单元，在这个事情上的所有成本以及收益会变成UE模型，这个是决策要不要做这个事情的重要基础。
由于出众的外貌以及天生的才华，我走过了第一步，获取了大量流量，拥有了大批舔狗，于是我自己具有了平台属性，我会将直播这个业务、短视频这个业务、线下见面这个业务，都计算他们的UE模型，如果ROI低，那么我就会选择减少投入。
同时，我会分析最重要的业务（比如直播业务）产生的粉丝价值如何，比如使用RFM模型对这个平台（流量渠道）进行用户分层，找到我的大哥：
这里有两个核心：
- 触达你的用户；
- 提供优质的服务，留住你的用户；
至于哪个流量渠道ROI高、如何提升舔狗服务率，这个是我们后面思考的，拉新+留存是重中之重！
精细化运营
我的人设塑造十分成功，提供的内容服务，大家也很喜爱，所以我已经拥有了稳定的粉丝群体（有流量了），但他们的转换率却不高，这让我感到焦虑！
从平台角度来说，流量是有限的，如果我个人（这个产品）的UE ROI太低，平台可能会收回对我的流量资源投入（限流），这样的话我的用户增长便会受挫，固定的粉丝流失会持续，那么将陷入内卷之中，这不是长久之计，得想办法提升自己的UE效率，我需要对自己的分析进行精细化运营，这里的路径是什么？
有个姐妹给我说了LTV，但是什么是LTV？
什么是客户生命周期价值（LTV）
LTV(Lifetime-Value)：生命周期总价值。
意为客户终生价值，从用户所有的互动中所得到的全部经济收益的总和。
通常用于衡量客户对我们（企业）所产生的价值，被定为企业是否能够取得高利润的重要参考指标。
所谓用户生命周期即从我在某流量渠道（可能是直播平台、或者短视频平台），投放了自己的服务（直播内容或者短视频）后：
1）有多少用户观看了我提供的服务，获取；
2）这些用户里面又有多少人进行了点赞和关注行为，激活；
3）更重要的是，固化下来的用户流失率是多少，留存；
4）最终，我关注的是他们的付费行为，盈利；
用户在取消关注前都是属于我的生命周期，在这个周期为我花的钱便是他的生命周期价值。
要知道，流量可不是免费的，内容服务也有各种成本（推广花了100，内容的成本更高，好心疼），我得不停的计算ROI以及盈利情况，否则便只能找个老实人嫁了！
好在，这一切好姐妹已经总结出规律，跟之前老妈的思维一脉相承：
- AARR模型
AARR模型是用户分析的经典模型，是一个典型的漏斗结构。它从生命周期的角度，描述了用户进入平台需经历的四个环节，最终获取商业价值。
- 获取（Acquisition）：
用户从哪个渠道进入？渠道贡献的用户份额？哪些分类或内容更能吸引用户？
比如这个舔狗是在朋友圈看到我的照片，还是在抖音看到我的短视频，或者在B站上看到我的舞蹈，或者......
所有的这种渠道都要打标签，后面做数据分析，否则后续对渠道价值会一无所知；
- 激活（Activation）：
用户激活效率怎么样？有效活跃度怎么样的？
首先要定义舔狗激活的行为，这里的行为可以是：加群或者平台充值、或者观看我们提供的内容后点赞或者......
- 留存（Retention）：
用户在各个渠道或不同特性下的留存率？流失率？
需要定义离开行为，比如不消费，不看我直播，这些人就已经不是我的舔狗了......
- 收入（Revenue）：
用户的有效付费情况？生命周期（6个月）内销售额贡献？收入情况？
舔狗半年内为我花了多少钱，这个很重要！
分析LTV的意义
- 获取更好的资源
评估每个舔狗的价值，通过论证某个拉新舔狗的渠道，这类渠道拉取的用户可以给我们带来更多的商业价值，在后续选择合作渠道可以给予更多的资源分配。
- 指导业务策略
通过探查舔狗在生命周期内产生关键性的行为的时间节点，形成新舔狗在生命周期内关键行为和表现认知，指导后续相关增长策略。
- 评估渠道效率
拉新效率较高，哪里可以有哪些优化的方式？（我没有具体的做渠道评估方向的分析）动态拉新效果较好不好，我们要如何优化关注转化漏斗。
- 优化用户留存
按照人群聚类的方式深度挖掘不同群组的用户，在生命周期的关键性行为是否随着生命周期阶段的变化而有什么变化，关键性指标可以是每日绑定关注数，每日充值数，有效消费数，高质量消费数；
分职业、分级别、分年龄、分地区、分渠道的探查是否活跃度不同的用户群组可能会有什么特殊的渠道或类别？
按收入横向对比不同群组的用户间，在生命周期内的关键性行为是否会有不同？
- 如何提升用户留存率：
低活跃用户群体特征vs高活跃用户群体特征。
高粘性用户是一群什么样的人？
高粘性用户为什么要持续在这个平台上活跃？
粘性用户VS非粘性用户的流程上的痛点与吸引点在哪？痛点：关注的转化漏斗过低，如何想办法提升关注转化率？
如何计算LTV
先出一张表格（里面数据是假的），由于敏感性，隐去了一部分表头：
图表是某小型培训机构，一个英语老师一年下来用户的留存：一年下来该老师可以保持24.2个，其实算很不错的数据了，用户的ARPU（用户平均付费）为2376，所以该老师今年LTV第12月（按月付费）是：
LTV = LT（获得用户数） * ARPU = 24.2 * 2376 = 57499.2；
全年的LTV = 每个月总和 = 44w；
然后再将所有成本（房屋费用、教材等耗材、人力费用、清洁费用....）就可以拿到以该培训老师为最小运行单元的UE模型了。
至于如何提升LTV，这里的两个核心是：
1）拉新效率；
2）转化效率；
事实上AARR模型每一步都很重要，但是这些妈妈告诉我的秘诀，我又怎么会轻易告诉你们呢，哈哈！
好了，今天的分享就到这。如果本文对你有帮助的话，欢迎点赞&评论&在看&分享，这对我非常重要，感谢🙏🏻。
想要更多交流可以加我微信：