1. 描述编辑
1.1 概念
RFM 分析是美国数据库营销研究所提出的一种简单实用客户分析方法,发现客户数据中有三个神奇的要素:
最近一次消费(R):客户距离最近的一次采购时间的间隔。
消费频率(F):指客户在限定的期间内所购买的次数。
消费金额(M):客户的消费能力,通常以客户单次的平均消费金额作为衡量指标
这三个要素构成了数据分析最好的指标,RFM 分析也就是通过这个三个指标对客户进行观察和分类,针对不同的特征的客户进行相应的营销策略。
1.2 效果图
自助数据集效果:
仪表板效果:
2. 实现思路编辑
3. 示例编辑
以「样式数据」业务包下的「RFM明细数据」为例,对客户消费明细进行分析,将客户进行分类。
3.1 计算消费金额、最近消费距离、消费频次
3.1.1 选字段
1)进入数据准备界面,选择「样式数据」业务包,点击添加表,选择添加自助数据集,如下图所示:
2)进入自助数据集编辑界面,选择「RFM明细数据」并添加表下的所有字段,给自助数据集命名为「RFM分析」,如下图所示:
3.1.2 计算客户总体平均消费金额
1)点击+,选择新增列,如下图所示:
2)给新增列命名为「客户总体平均消费金额」,选择所有值/组内,取值规则为「所有值」,数值来自「MONEY」,统计方式为「求平均」,点击确定,如下图所示:
3.1.3 计算每个客户的消费频次、每个客户每次消费的平均金额、最近一次消费时间
1)点击+,选择分组汇总,如下图所示:
2)将 CONPANY 、CUSTOMERNAME 、CUSTOMERTYPE、客户总体平均消费金额字段拖入分组框,将 DATE 拖入汇总框并设置为最晚时间,将 MONEY 拖入分组汇总框并设置为求平均,将 ACCOUNT 拖入汇总框并设置为记录个数,如下图所示:
3)点击+,选择新增列,如下图所示:
4)设置新增列名为最近一次消费距离时间,选择时间差,设置时间差=系统时间-DATE ,计量方式为天,点击确定,如下图所示:
3.2 计算客户总体消费指标的平均值
3.2.1 计算客户总体消费频次的平均值
1)点击+,选择新增列,如下图所示:
2)设置新增列名为客户总体消费频次的平均值,选择所有值/组内,取值规则为「所有值」,数值来自「AMOUNT」,统计方式为「求平均」,点击确定,如下图所示:
3.2.2 计算客户总体最近一次消费距离时间的平均值
1)点击+,选择新增列,如下图所示:
2)设置新增列名为总体最近一次消费距离时间的平均值,选择所有值/组内,取值规则为「所有值」,数值来自「最近一次消费距离时间」,统计方式为「求平均」,点击确定,如下图所示:
3.3 特征向量化
根据是否大于总体的平均值水平,将客户特征进行向量化。其中在 IF(xxx>总体平均值,1,0) 中,小于总体平均的设为 0,大于总体平均的设为 1 ,使得 1 都是保持正向特征,0 保持负向特征)
1)点击+,选择新增列,如下图所示:
2)给新增列命名为消费金额向量化,输入公式 IF(MONEY>客户总体平均消费金额,1,0),点击确定,如下图所示:
3)同理,增加消费频次向量化和最近消费向量化字段,如下图所示:
3.4 客户特征分析
1)已经得到客户的特征向量值,根据以下表格可将客户划分分类:
客户特征 | 客户分类 |
重要价值客户(111) | 最近消费时间近、消费频次和消费金额都很高(VIP) |
重要发展客户(101) | 最近消费时间较近、消费金额高,但频次不高,忠诚度不高,很有潜力的用户,必须重点发展。 |
重要保持客户(011) | 最近消费时间交远,消费金额和频次都很高。 |
重要挽留客户(001) | 最近消费时间较远、消费频次不高,但消费金额高的用户,可能是将要流失或者已经要流失的用户,应当基于挽留措施。 |
一般价值客户(110) | 最近消费时间近,频率高但消费金额低,需要提高其客单价。 |
一般发展客户(100) | 最近消费时间较近、消费金额,频次都不高。 |
一般保持客户(010) | 最近消费时间较远、消费频次高,但金额不高。 |
一般挽留客户(000) | 都不高。 |
2)点击添加新增列,使用 CONCATENATE() 函数将 RFM 向量化值拼接起来,如下图所示:
3)添加分组汇总,将下列字段拖入分组框,如下图所示:
4)设置 RFM 字段为自定义分组,分组依据为 3.4 章节中的客户类型分析表,点击确定,如下图所示:
5)保存并更新自助数据集,得到如下结果:
至此,该自助数据集也可以通过仪表板进行客户分类相关数据的可视化展示。