基于RFM模型的全渠道用户公共自行车租赁行为分析数据
收藏资源简介：
采集公共自行车实体卡用户、小程序用户两大全渠道用户群体的租赁行为数据，依托合规采集的用户租赁行为数据，开展全域用户精细化客户关系管理与精准运营工作。本数据基于用户租赁行为核心指标，即用户最近一次租赁时间间隔（R）、指定周期内租赁频次（F）、指定周期内租赁金额（M），运用成熟的RFM模型完成用户价值评级，精准划分高价值客户、核心客户与基础客户三类用户层级。针对不同渠道、不同价值层级的用户制定差异化、个性化运营策略：针对高价值客户，为其提供全渠道专属VIP权益、高额积分奖励、优先用车等专属服务，深度增强用户留存与品牌忠诚度；针对核心客户，设计阶梯式充值优惠、频次福利升级等长效优惠政策，持续提升用户消费与租赁黏性；针对基础客户，结合天气变化、节假日、通勤高峰等场景化因素，精准推送租赁优惠券、单次骑行折扣、新人福利等活动，有效刺激用户复租行为，激活沉睡及低频用户活力，最终实现公共自行车用户精细化运营、用户价值提升与公共出行资源高效利用的目标。1、数据采集：收集指定时间段内公共自行车全渠道用户的租赁行为数据，涵盖实体卡用户、小程序用户两大用户群体，采集字段包含用户ID、登录类型（实体卡/小程序）、车辆编号、车辆类型、租车状态、租车时间、交易金额、租赁渠道等核心业务字段，完整覆盖双渠道用户租赁全流程行为数据。 2、数据处理：对采集到的实体卡、小程序双渠道原始租赁数据进行统一清洗处理。 3、数据加工：从规整后的全渠道原始数据中，统一提取RFM三大核心指标：①最近一次消费时间：用户在统计周期内最近一次成功租赁公共自行车的具体时间（含年月日时分秒）；②数据处理时间：本次数据统计的截止时间（2025-10-31），用于计算用户最近一次租赁到统计截止之间的时间间隔；③最近一次交易时间间隔（天）：即R对应的原始数值，按公式『数据处理时间 - 最近一次消费时间』折算得到的天数（单位：天，保留6位小数，例如 0.466516 表示该用户最近一次租赁距统计截止不足半天）；④R值：根据最近一次交易时间间隔（天）按下方计分规则得到的 1-4 分评分；⑤最近一段时间内消费频次（次）：F对应的原始数值，即 2025年10月统计周期内该用户累计租赁公共自行车的总次数（单位：次）；⑥最近一段时间内消费金额（元）：M对应的原始数值，即 2025年10月统计周期内该用户租赁公共自行车产生的累计总交易金额（单位：元）；⑦F值/M值：依据 F、M 原始数值按下方计分规则得到的 1-4 分评分。 RFM计分规则如下（R/F/M 计分规则中的 R、F、M 均分别特指『最近一次交易时间间隔（天）』『最近一段时间内消费频次（次）』『最近一段时间内消费金额（元）』三个原始数值，单位分别为天、次、元）：R值计分：0≤R<1为4分，1≤R<3为3分，3≤R<7为2分，7≤R为1分；F值计分：0<F≤10为1分，10<F≤30为2分，30<F≤50为3分，50<F为4分；M值计分：0≤M≤100为1分，100<M≤200为2分，200<M≤500为3分，500<M为4分。 计算每条用户数据的RFM综合得分X（X = R值 + F值 + M值，取值范围 3-12），依据统一客户分层标准完成用户价值分层：1≤X≤6为基础客户，6<X≤10为核心客户，10<X为高价值客户，实现双渠道用户标准化、统一化价值分级。
