一、应用简介
从早期的“全城排队”到现在的“9.9元价格战”，茶饮行业的竞争逻辑已经发生了根本性改变。连锁茶饮行业正处于“存量博弈”阶段。引入RFM分析体系对企业的意义不仅仅是一个数据展示工具，而是完成了从“流量思维”向“用户思维”的逻辑转型。
二、业务分析逻辑
目前品牌面临市场饱和、尽管整体GMV在增长，但获客成本（CAC）持续走高。公司需要利用RFM模型对会员进行全方位的“画像”与“分层”，将过去“大撒网”式的促销转变为“见人下菜碟”的精细化运营。
将按照“全局看态势 -> 中局看结构 -> 微观看画像”的分析逻辑，从“总体发现问题-> 深入分析问题 -> 二次挖掘问题-> 得出结论并实施-> 实施效果”展开业务分析故事线。
2.1 总部全局态势
先查看全局核心指标，通过用户的R消费间隔（Recency）、F消费频率（Frequency）、M消费金额（Monetary）三项指标来衡量用户价值。
故事线
发现问题：发现最近180天的消费次数（F）和金额（M）虽高，但“最近一次消费距离当前（R）”的数值正在悄悄攀升，且“特价商品占比”大幅领先于“高价商品”。
得出结论：陷入了“不打折没人买”的怪圈，老客户活跃度在下降。需要针对老客户进行深入分析。
2.2 结构与价值拆解
将单个用户的得分与整个用户群体的平均得分，或指定分数相比较，得出该用户在群体中的相对价值水平，进而综合三项指标将用户群体划分为8种类型，从而便于为不同类型的用户采取有针对性的运营手段。
通过RFM用户分析图（矩形树图），直观地展示了不同RFM分层（如重要价值会员、一般发展会员、重要挽留会员等）的人数规模。“会员金字塔”结构图，一眼看出我们的“塔基”有多大，“塔尖”有多高。
再看RFM分层价值表，表格是更精细的解读。它不仅列出了每个分层的人数，还可能包含了他们的消费总额贡献、人均消费、以及具体的RFM打分区间。
故事线
深入分析问题：矩形树图，发现“重要挽留会员”和“重要保持会员”的占比发生了位移。许多曾经的高频老客已经超过60天没有下单了（R值增大）。理想状态下，“重要价值会员”应占据最高GMV份额。 通过下方的“价值矩阵”，精准定位到了那群“购买过5次以上，但最近一个月没露面”的黄金流失客群。需要结合客户消费习惯继续挖掘问题。利用价值矩阵，寻找“临界点”。
2.3 画像洞察
确定了目标人群后，通过门店、时段、优惠券、产品偏好来决定“推什么”，能够根据上方【会员等级】选择与RFM分层进行联动筛选。对会员进行精细化运营。
故事线
针对人群分析：发现黄金流失客群的消费习惯，偏好下午茶时间段且对某个品热爱度非常，同时对“折扣券”的核销率远高于“买一送一”。
二次挖掘问题：不同区域门店或不同会员等级可能存在不同的消费习惯，需要继续深入分析。
2.4 区域运营分析
总部整体完成分析后，可以根据需求对【组织架构】进行筛选，对区域及下属市进行详细分析。同时能够根据【会员等级】对不同区域的不同会员等级进行详细分析。
故事线
针对性分析：针对不同区域和门店以及会员等级人群消费习惯进行分析，他们最常在“下午茶（14:00-16:00）”下单且“芝芝莓莓”是他们的首选。
精准运营推送：在下午1:30（消费时段前夕），通过企微或APP向这群人推送消息，话术由“欢迎回来”变更为“ 您最爱的芝芝莓莓已升级，送您一张7折专享券”
运营结果：R值开始回缩，大量“重要挽留会员”成功转化回“重要保持会员”，且因为是折扣券而非特价券，品牌毛利得到了有效保护。
三、视觉交互设计
3.1 视觉布局
看板采用了典型的从左至右、从整体到局部的流线型布局。
左侧：核心指标区，采用大字号加粗数字，配合同比/环比的升降箭头（绿色代表增长，红色代表下降）。满足管理者复盘需求。进入页面第一时间看到大盘波动，确定经营情况。
中间：业务核心模型区，使用矩形树图和热力矩阵表格，矩形树图通过面积大小直观展示各类会员的人数权重；下方的矩阵表则提供了极细的数据钻取深度。
右侧：行为特征洞察区，条形图与环形图组合，辅助决策。当左侧和中间发现问题后，右侧直接提供原因和手段。
3.2 交互逻辑
1）顶部全局联动：时间/组织/等级切换。 顶部的【时间切换】和【下拉框】支持全局联动。切换“昨日”或“月至今”，全屏数据会实时刷新，支持管理者从单店到整个连锁体系的纵向对比。
2）矩形树图的钻取：当用户点击树图中色块时，下方【客户分层价值矩阵】和右侧的【偏好分析】自动联动。
四、RFM模型及指标介绍
4.1 什么是RFM模型
RFM模型是一种通过用户的R消费间隔（Recency）、F消费频率（Frequency）、M消费金额（Monetary）三项指标来衡量用户价值的手段。RFM模型对用户的三项指标的值分别进行量化评分。
| 指标 | 定义 | 逻辑 |
|---|---|---|
| R | 用户上一次购买行为距离当前日期的天数 | R值越小，代表用户离现在越近有过交易，评分越高。 |
| F | 用户在指定周期内的购买总次数 | F值越高，代表对用户产品的依赖度越高，评分越高。 |
| M | 用户在指定周期内的累计消费总量 | M值越高，代表该用户贡献越大，评分越高。 |
4.2 用户类型与划分规则
用户在R、F、M任意一项中的价值可被分为高、低两类，综合R、F、M三项的表现，用户可被划分为8种类型，详细类型及分类规则如下图所示。
| 客户分类 | R | F | M | 说明 |
|---|---|---|---|---|
| 重要价值客户 | 高 | 高 | 高 | 将最近消费日期较近、消费频次较高、消费金额较高的用户定义为重要价值客户 |
| 重要发展客户 | 高 | 低 | 高 | 将最近消费日期较近，消费金额较高，但是消费频次不高的用户定义为重点发展用户 |
| 重要保持客户 | 低 | 高 | 高 | 将最近消费日期较远，但是消费频次和消费金额较高的用户定义为重点保持用户 |
| 重要挽留客户 | 低 | 低 | 高 | 将最近消费日期较远，消费频次较低，但是消费金额较高的用户定义为重点挽留用户 |
| 一般价值客户 | 高 | 高 | 低 | 将最近消费日期较近，消费频次较高，但是消费金额不高的用户定义为一般价值用户 |
| 一般发展客户 | 高 | 低 | 低 | 将最近消费日期较近，但是消费频次和消费金额不高的用户定义为一般发展用户 |
| 一般保持客户 | 低 | 高 | 低 | 将最近消费日期较远，消费金额不高，但是消费频次较高的用户定义为一般保持用户 |
| 一般挽留客户 | 低 | 低 | 低 | 将最近消费日期较远、消费频次不高、消费金额不高的用户定义为一般挽留客户 |
4.3 指标分析维度
| 维度 | 维度说明 |
|---|---|
| 时间维度 | 支持根据昨日、上月、去年、月至今、年至今等维度进行分析，同时可以自定义时间筛选范围 |
| 组织维度 | 支持根据全国总部、不同营运大区、区经进行筛选分析 |
| 会员等级 | 支持根据不同会员等级进行筛选分析，例如：大多数品牌通常采用 4-5个等级 的设计，根据会员的消费金额或杯数对会员等级进行划分。 |
| 门店维度 | 支持根据不同门店消费金额进行分析 |
| 消费时段维度 | 支持根据不同消费时间段进行分析，例如：通常将一天分为早高峰（07:00 - 10:00）、午高峰（11:00 - 14:00）、下午茶（14:00 - 17:00）、晚高峰（17:00 - 20:00）、夜宵（20:00 - 闭店） |
| 优惠券维度 | 支持根据优惠券发放品类进行分析，例如：满30减5券、5元无门槛券、全场7折、买一送一等 |
| 产品维度 | 支持根据不同产品的消费额进行分析 |
4.4 指标计算逻辑
| 指标 | 计算逻辑 |
|---|---|
| R-最近一次消费时间距离当前 | 当前日期 - 会员最后一次成功下单日期均值 |
| F -近180天消费次数 | 统计周期内（180天）会员累计完成订单数 |
| M-近180天消费金额 | 统计周期内（180天）会员实付金额的总和 |
| 特价商品占比 | 统计周期内（180天）特价商品（买一送一，特价活动商品）的实付金额占比 |
| 高价商品占比 | 统计周期内（180天）高单价（单价高于某值）商品的实付金额占比 |
| 最大单笔消费金额 | 统计周期内（180天）完成订单中单笔最大实付金额 |
上一篇：商贸零售解决方案
