1. 概述编辑
1.1 概述
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，效果如下图所示：
详情仪表板链接参见：RFM分析
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 3 个指标。
4）根据特征向量客户分类。
2. 操作步骤编辑
2.1 创建分析表
示例数据：RFM明细数据 .xlsx
下载示例数据并 上传 至九数云，将「用户留存分析表」保存在项目中，选择创建一张分析表，如下图所示：
2.2 计算客户的消费指标
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。
2.2.1 计算客户总体消费金额平均值
1）新增「分类汇总」步骤，将「Money」字段拖入汇总栏，并重命名为「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。合并后的数据相当于新增一列字段「客户总体消费金额平均值」，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」，将字段分别拖入指标栏和汇总栏。并设置「Date」字段展示最晚时间，「Money」字段汇总方式为平均值，「Amount」字段汇总方式为计数。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「Amount」求「计数」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 计算每个客户最近消费时间据今天数（R）
添加「新增字段>公式」，并重命名为「最近消费时间据今天数」，使用 DATEDIF( )和 TODAY( ) 两种函数计算时间差，如下图所示：
2.3.4 计算「客户总消费频次平均数」
1）新增「分类汇总」，将「Amount计数」字段拖入汇总栏，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。合并后的数据相当于新增一列字段「客户总消费频次平均数」，如下图所示：
2.3.5 计算「最近消费时间据今天数」
1）将「最近消费时间据今天数」字段拖入汇总栏，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。合并后的数据相当于新增一列字段「最近消费时间据今天数平均值」。如下图所示：
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
添加「新增字段>公式」，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：
2.4.2 消费次数向量化
添加「新增字段>公式」，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：
2.4.3 最近消费时间据今天数向量化
添加「新增字段>公式」，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：
2.5 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：
| 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。 |
2.5.2 添加 RFM 指标
添加「新增字段>公式」，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
添加「新增字段>分类赋值」，根据 2.5.1 的内容对「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
这样将客户划分成了八种类型，针对不同的客户类型采取不同的策略维持客户。
