本文为GRG游戏研究组翻译，详细介绍了要如何从时间变化、再付费，以及玩家转化几个方面，对付费用户进行分析。

为了更好的了解用户的行为，了解付费用户的需求和分布，我们需要特别的分析方法和报告。今天我们将要谈谈RFM分析，就是一种了解付费用户结构的基本方法。RFM的意思是：

R-Recency(近期)-最后一次购买是多久以前;

F-Frequency(频率)-购买频率是多少

M-Monetary(消费)-长期以来的购买总量

现在我们给每个付费用户的对应参数打上3个标记。规则如下，以三点量表作为用户评估的理论依据(相对而言：很好，一般，不好)，但是在实践中我们往往会面对五点量表甚至十点量表用于RFM分析。为了看起来简单直观一些，让我们先看看三点量表系统的例子：

R=1，距用户最后一次支付已经过了很长一段时间;

R=2，距用户上次支付的时间相对较短;

R=3，用户最近才进行过支付

F=1，用户很少支付;

F=2，用户支付比较规律;

F=3，用户经常支付;

M=1，所有玩家的支付总和很少;

M=2，对项目来说玩家的支付水平适中;

M=3，玩家支付额巨大

当然，问题出现了：如何理解这种情况下的很久以前/最近，经常/很少 以及 多/少。可以从两方面回答这个问题：

1.专家评估。没人比我们更了解自己的项目。因此，我们可以自己定义 “很久以前”和“最近” 以及 “多”和“少”。比方说，“很久以前”是指一个月以前，“很少”是指每月一次或更少，“少”是指在整个充值历史中小于100卢布。

2.分位数和四分位数。让我们回到数理统计。根据其中一个参数整理我们的用户(比如，期间支付的总数)，比如，所有付费用户中将排名前5%的用户定义为“多”。恭喜，我们已经获得了5%分位数的用户示例。我们还可以采用四分位数(四分位数=25%分位数的水平)，评估第一个四分位数为“多”，最后的为“少”，以及它们之间的平均付款数。尽管如此，如果觉得即使使用分位数和四分位数仍不能进行主观的评估，可以回头再看看“专家评估”。

不管怎样，花一点时间在Excel(或其他地方)，我们可以给每个用户的“近期”“频率”以及“消费总量”打上记号。

现在，到最有趣的部分了。

我们可以看看这些记号是如何分布在付费用户及其他用户。这可以帮助我们区分付费用户和制定更高效的营销策略，从而提高营收。

一个简单的例子

近期有付费，但是很少(或者只有一次付费)---新的付费用户。这该怎么做呢?当然是表达我们的感激之情。我们的目标是刺激他们继续购买。很多调查研究指出，重复购买以及规律性的付费可以给APP带来上百万美元的营收。