1. 概述编辑
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:
最近一次消费时间(R):客户距离最近的一次采购时间的间隔。
最近一段时间内消费频次(F):指客户在限定的期间内所购买的次数。
最近一段时间内消费金额(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。
1.2 解决的问题
RFM 分析就是通过三个关键指标对客户进行观察和分类,判断每类细分用户的价值。针对不同的特征的客户进行相应的营销策略。
1.3 预期效果
RFM 分析后,将客户划分为了不同分类,分析表效果如下图所示:
1.4 实现思路
使用分析表对原始数据进行加工。实现思路如下图所示:
1)创建分析表,选择 RFM 分析所需字段。
2)对数据进行加工,求得 3 个关键指标及其平均值。
3)通过和平均值比较,向量化三个指标。
4)根据特征向量客户分类。
2. 示例 编辑
2.1 上传数据
示例数据:RFM明细数据 .xlsx
2.2 创建分析表
1)选择「RFM明细数据」,点击创建「分析表」,如下图所示:
2)将「分析表」重命名为「RFM分析」,选择全部字段,如下图所示:
接下来计算每个客户的消费指标。
针对每个客户的关键指标三个:
每个客户最近消费距离时间(Recency)
每个客户的消费频次(Frequency)
每个客户平均消费金额(Montary):计算每个用户平均消费金额之前需计算客户总体消费金额的平均值。
2.3 计算客户的消费指标
2.3.1 计算客户总体消费金额平均值
1)新增「分类汇总」,将「Money」字段拖入汇总,重命名为「客户总体消费金额平均值」,如下图所示:
2)点击「合并上一步数据」,选择全部字段,点击「确定」,如下图所示:
2.3.2 计算每个客户平均消费金额(M)和消费频次(F)
新增「分类汇总」,将「Company」、「Customename 」、「CustomerType」以及「客户总体消费金额平均值」拖入分类,将
「Date」、「 Money 」、「 Amount」拖入汇总,并设置汇总指标显示结果,完成对原始数据的整理,如下图所示:
最近一次消费时间(R):「Date」的汇总方式选择「最晚时间」,可得到每个用户最近一次购买的时间;
消费次数(F):由于有一条记录代表该用户购买了一次,所以随意拖入一个「Customename」求「记录个数」即可。
平均单次消费金额(M):「money」的汇总方式选择「平均」,可求到每个用户平均单次消费金额;
2.3.3 计算每个客户最近一次消费距离时间(R)
添加「新增字段>公式/函数」,并重命名为「最近一次消费距离时间」,使用 DATEDIF( )和 TODAY( ) 两种函数计算,如下图所示:
2.4 计算客户总体消费指标
2.4.1 计算「客户总消费频次平数」
1)新增「分类汇总」,将「Amount计数」字段拖入汇总,并重命名为「客户总消费频次平均数」,如下图所示:
2)选择「合并上一步数据」,勾选全部字段,点击「确定」,如下图所示:
2.4.2 计算「最近一次消费距离时间平均值」
1)将「最近一次消费距离时间」字段拖入汇总,汇总方式选择「平均值」,如下图所示:
2)选择「合并上一步数据」,勾选全部字段,点击「确定」,如下图所示:
2.5 客户特征向量化
根据关键指标是否大于客户总体平均值水平,将客户特征进行向量化。其中在IF(xxx>客户总体xxx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。
2.5.1 消费金额向量化
添加「新增字段>公式/函数」,重命名为「M向量化」,当用户平均单次消费金额大于用户总体消费平均值时,标记为 1 ,否则标记为 0 。如下图所示:
2.5.2 消费次数向量化
添加「新增字段>公式/函数」,重命名为「F向量化」,当用户消费次数大于用户总体消费频次平均值时,标记为 1 ,否则标记为 0 。如下图所示:
2.5.3 最近一次消费距离时间向量化
添加「新增字段>公式/函数」,重命名为「R向量化」,当用户最近消费时间距今天数小于用户总体平均值时,标记为 1 ,否则标记为 0 。如下图所示:
2.6 客户特征分析
2.6.1 划分客户类型
已经得到客户的特征向量值,根据以下可将客户划分分类:
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。 |
2.6.2 添加 RFM 指标
添加「新增字段>公式/函数」,使用 CONCATENATE() 函数将 RFM 向量化值拼接起来,如下图所示:
2.6.3 RFM 自定义分组
添加「新增字段>分类」,对「RFM」列分类赋值,如下图所示:
分类赋值的详细操作可参见:分类赋值
3. 效果查看编辑
详情参见本文 1.3 节