数据分析学习过程——Tableau客户生命周期模型

客户生命周期模型是通过两个问题对客户进行分类的,即客户使用产品的时间和客户最后一次购买产品至今所过去的时间,可以将客户分为新客户、一次性客户、忠实客户和流失的老客户。客户生命周期分类不仅可以帮助我们规划不同客户的发展策略,也可以从客户角度洞察我们的商业表现。接下来进行实际操作吧。

一、数据集准备:以Tableau软件自带的超市数据进行分析。

二、客户生命周期模型

1、FOD和LOD

 FOD表示客户首次购买产品的时间,LOD表示客户最后一次购买产品的时间,通过以下公式进行计算:

FOD计算公式
LOD计算公式

2、L和R

L表示客户第一次购买产品至今的时间,衡量我们和客户建立关系有多久了;R表示的是客户最后一次购买产品至今的时间,也就是客户有多久没有购买我们的产品了,通过以下公式进行计算:

L的计算公式


R的计算公式

3、客户生命周期分类L12R6

通过计算得到的L和R对客户的生命周期进行分类,L以12个月个为界限,即客户距离第一次购买过去了12个月,R以6个月为界限,即客户已经6个月没有购买我们的产品了,分类计算公式如下:

客户生命周期分类L12R6

现在,我们可以通过可视化的方式进行展现。

客户生命周期模型

如上所示,可以看出忠诚客户数量最多,表明公司的客户基础较好,但同时也应该看到流失的老客户远多于新客户,说明新客户开发能力欠缺且有不少老客户正在流失,需要我们的重点关注,我们可以通过统计客户数量,清晰地得出四个客户类型的数量。

客户数量
客户生命周期分类客户数量

4、销售额趋势图

我们注意到客户生命周期模型有两个明显的局限性:

(1)L并不一定能真实反映客户和我们在一起的时间,比如客户在5年前买了一次,昨天又买了一次,但数据显示L=10年,但这显然对我们没有任何意义。

(2)客户生命周期模型忽略了客户购买次数的大小即频率和购买量的多少。

下面我们可以通过销售额趋势图来做一个简单的验证。

销售额趋势图

5、客户生命周期模型仪表盘

客户生命周期模型仪表盘L12R6

将3个工作簿设置筛选器,设置联动。

按照L=12个月,R=6个月对公司的客户进行分类,区分出新客户、忠诚客户、流失的老客户和一次性客户。我们可以看到,忠诚客户有524人,而流失的老客户有205人,远远大于新客户的13人,这表明目前公司开发新客户的能力极为薄弱,而大量老客户的流失对公司来说是极大的损失,说明公司产品的质量和服务等方面有很大的不足,或者说是同行业的对手竞争力越来越强,原有的老客户被抢走了。

(1)L和R的值怎样设置才合理?

此超市的产品共有三类,分为办公用品、家具和技术,除了办公用品类别里的纸张、信封等之类的产品属于低值易耗品,其他的产品并不属于生活必需品,购买频率并不高,所以用L=12和R=6对客户进行分类的方法并不合理,例如当R大于6且L大于12时,即超过6个月没有进行消费就视为客户已经流失并不合理,因此尝试将L改为24,R改为12重新对客户进行分类。

客户生命周期模型仪表盘L24R12  

按照L=24个月,R=12个月对公司的客户重新分类,可以看出有了很不一样的结论。 现在的忠诚客户数量更多,同时新客户有98人,比流失的老客户多出60人,相当于流失的老客户数量的2.57倍,说明目前的公司开发新客户的能力较强,流失的老客户数量虽然不多,但仍需要花精力进行挽回。

所以说,L和R的设置需要和业务部门充分沟通,然后结合具体的产品特性,总结出相对合理的设置方案,才能对产品的市场发展起到指导性的作用。

(2)客户生命周期模型的局限性

忠诚用户举例

如上图所示,这位客户只在三年前第一次购买的金额较大,超过5000,其后的4次购买的金额都很小,这就是客户生命周期模型的局限性之一,没有考虑购买量的多少。

流失的老用户举例

如这位客户的数据所示,仅因为他近6个月没有购买,就将他视为流失掉的老客户,显然是不合理的,在成为我们的客户后,可以看到他的订单量不少且购买金额客观,这也体现了客户生命周期模型的另一个局限性,没有考虑到客户的购买频率。接下来我们把购买金额和购买频率加入到我们的模型当中,即客户RFM价值模型。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,185评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,445评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,684评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,564评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,681评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,874评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,025评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,761评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,217评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,545评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,694评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,351评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,988评论 3 315
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,778评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,007评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,427评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,580评论 2 349

推荐阅读更多精彩内容