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
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
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)
再添加一步分类汇总,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: