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

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。

2.1 上传数据

RFM明细数据 .xlsx

2.1 创建分析表

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。

2.2 每个客户的消费指标

2.2.1 计算客户总体消费金额平均值

2.2.2 计算每个客户平均消费金额（M）和消费频次（F）

将左侧字段拖入右侧对应的分组汇总框中，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：

分组「CONPANY」 、「CUSTOMERNAME 」、「CUSTOMERTYPE」、「客户总体消费金额平均值」汇总「DATE」、「 MONEY 」、「 AMOUNT 」

汇总框内指标设置详情：

• 「DATE」：「最晚时间」

• 「 MONEY 」：「求平均」

• 「 AMOUNT 」：「记录个数」

在数据预览处得出的分组汇总后得出客户特征的关键指标。「MONEY」和「AMOUNT」字段分别代表：每个客户的平均消费金额（M）和每个客户的消费频次（F）,

2.2.3 计算每个客户最近一次消费距离时间（R）

设置新增列名为「最近一次消费距离时间」，使用dateif和today两种函数计算，如下图所示：

2.3 计算客户总体消费指标

2.3.1 计算客户总体消费频次平均值

2.3.2 计算客户总体最近一次消费距离时间平均值

2.4 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。

2.4.1 消费金额向量化

2.5 客户特征分析

2.5.1 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：

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。

2.5.2 添加 RFM 指标

点击添加新增字段，使用 CONCATENATE() 函数将 RFM 向量化值拼接起来，如下图所示：

2.5.3 RFM 自定义分组