在固定周期里，统计用户的R、F、M的值，计算对应的成长值，累加至现有的成长值上。当用户的消费特征下降后，成长值有可能为负数，所以用户的成长值会增加，也会减少。对应的用户等级也会增加或降级。

　　上面只是举例说明，真实的成长值计算比这要复杂，还要加各种权重。譬如将用户的活跃行为（登录、评价、晒单等 ）纳入到成长值计算体系中，在固定周期内统计用户活跃成长值，与RFM成长值求和得到周期内的成长值变动。

　　RFM模型还可以协助实现客户生命周期分析，例如F值突然下降幅度很大，就需要执行用户唤醒策略。通过对R、F、M值结合业务分析，分析客户消费特征，针对不同用户进行区别营销。

　　用户行为增长模型

　　用户行为增长模型是指根据用户在平台上的行为，进行成长值量化，突出用户单次行为的贡献度，成长值是会员行为的单向累计的统计。在电商网站中，一般对用户的登录、购物、评价、晒单等行为进行成长值评估。

　　以京东为例，其成长值增长策略为：

　　登录：除注册会员外，每日第一次手动登录后可获得成长值奖励；

　　购物：订单完成后获得成长值（购物成长值=结算金额×加速系数）；

　　评价：评价20元以上商品（虚拟商品除外），审核成功获得20个成长值；

　　晒单 ：前10名晒单20元以上商品（虚拟商品除外）的用户，审核成功后获得20个成长值 。

　　当然还有一些成长值回退策略，退货、评论被删等行为相应的成长值扣减回退。

　　通过用户行为增长模型来评价用户的成长值，在用户进入平台初期有很大的激励作用，但是后期乏力。当用户成长值较高、用户等级较高时，就很难再激励为了成长值用户持续购物。但RFM模型一个动态评估模型，当用户消费倾向下降时，成长值就会停滞不前甚至下降，能持续激励用户去消费。例如已经成为了超级会员，但是半年没消费开始掉级，变成了普通会员，这样的降级动作就可以重新唤醒用户。

　　在设计会员等级与成长值的对应管理时，首先就要想清楚会员等级和会员权益的对应关系。在数据的基础上划分会员等级，保证最高等级到最低等级的会员分布比例，而不能随性定级。

　　积分体系

　　积分体系是很多线上线下商家都会采用的用户消费激励体系。积分可以正向累加，对用户的某些行为（如交易行为、互动行为等）产生与价值相匹配的积分； 也可以被客户进行主动消耗抵用，目前主流的三种积分消费方式：订单结算抵扣、积分商城购买商品、用户权益置换等，这样积分的生成和消耗就形成完整的闭环。

　　获取积分也是通过签到、购物、评价、晒单、分享、充值等行为进行积分返还，例如购物送积分：每消费 xxx 元，送 xxx 积分，一次性消费 xxx 元，额外送 xx 积分。还可以界定商品、会员等级、营销活动等不同的条件界定返回积分的区别。京东的京豆、淘宝的淘金币（已取消）、信用卡积分等都属于积分的一种形态。

　　积分和用户成长值有所相同，也有所不同。成长值增加时，积分并不一定会增加。会员成长值和会员等级相挂钩，而积分和会员等级并没有直接关系，而且积分是可以使用消费的。

　　会员体系分层

　　当电商平台上有店铺时，那会员体系就变得立体。如图3所示，用户（VIP1-7）等人属于平台的会员；都在店铺中发生过消费，又属于店铺的会员；甚至有会员属于不同店铺的会员，如VIP2既是店铺1的会员，同时也是店铺2的会员。

　　图3 会员体系分层

　　这就需要两套相互独立但是数据共用的会员体系来实现，搭建多层级多归属的会员体系。由于实际业务的复杂性，我们会遇到平台自营商品、线下服务门店、平台商户店铺、不同渠道的客户、B端与C端用户等等各种粒度的主体与会员，相应的会员策略也有所不同。这就需要多层级多归属的会员体系来解决实际的业务需求。

　　会员系统是运营工作的载体，通过会员等级特权及积分激励的手段来达到促进用户购物，提高用户粘性的目的。据我观察，目前电商中的会员体系在实际使用中并没有很好的效果，相比于许多线下实体商业的会员体系的效果就很差，例如酒店、信用卡、连锁超市等。很多平台的会员等级就一个裸露的名头，没有对应的会员权益去支撑，或者根本看不出有很大的区别，毫无吸引力。淘宝取消淘金币的积分体系是不是侧面说明现有的积分体系对用户驱动并不大？