RFM模型通过R、F、M三个要素确定客户价值，是衡量客户价值的重要工具之一。
R(Recency)指最近一次消费，消费时间越近越好
F(Frequency)指消费频率，即购买次数，次数越多越好
M(Monetary)指消费金额，金额越高越好
本章通过分析某店铺会员消费数据，将每个会员的R、F、M得分值与平均值做对比（每个要素好于平均值记为A，比平均值差记为B），
将会员分为以下八种，以便针对性做营销决策，实现精细化运营
AAA：重要价值会员；BAA：重要保持会员
ABA：重要发展会员； BBA：重要挽留会员
AAB：一般价值会员； BAB：一般保持会员
ABB：一般发展会员；BBB：一般挽留会员
我们就以一组虚拟数据来演示一下，如果用RFM模型分析客户
一、数据准备
数据源：外部EXCEL文件导入PowerBI
会员表(一千多条虚拟会员信息)
消费明细(一年左右一万多条记录)
会员价值分类表(便于类别排序，预设各类别色号)
数据源下载链接：https://pan.baidu.com/s/1Is-hjCTHplcHfQOAv7jxdQ ，提取码：a9cs
二、计算RFM指标
R-Recency
最近一次消费。一般用指定日期与最后一次购买日期的相关天数来表示
1、在“消费明细表”里新建计算列：
末次消费日期=
MAXX(FILTER('消费明细',
'消费明细'[卡号]=EARLIER('消费明细'[卡号])
),
'消费明细'[消费时间]
)
2、确定R值
假设截止日期为2020年1月25日
继续在“消费明细表”里新建计算列：
(该列数据类型为整数)
R=
DATEDIFF('消费明细'[末次消费日期],
DATE(2020,1,25),DAY
) - 1
F-Frequency
购买次数。即对销售单号进行非重复计数
继续在“消费明细表”里新建计算列：
F =
COUNTAX(
FILTER(
SUMMARIZE('消费明细',
'消费明细'[卡号],
'消费明细'[订单号]
),
'消费明细'[卡号]=EARLIER('消费明细'[卡号])
),
'消费明细'[订单号]
)
M-Monetary
购买金额。对消费金额汇总即可
继续在“消费明细表”里新建计算列：
M =
CALCULATE(SUM('消费明细'[卡消费金额（元）]),
FILTER('消费明细',
'消费明细'[卡号]=EARLIER('消费明细'[卡号]
)
)
)
三、确定会员类型
上面新建了三个计算列，算是把RFM三个参数给敲定了
但“消费明细”表里还存在着大量重复会员号订单号
因此还需要来一次瘦身，把重复值去掉
新建一个表，确保一个会员号对应一条RFM值
RFM =
SUMMARIZE('消费明细',
'消费明细'[卡号],
'消费明细'[R],
'消费明细'[F],
'消费明细'[M]
)
新表别忘了跟会员表建立关联
接下来就是计算三个指标的分值
根据所选标准的不同，计算方法也有多种，诸如极值法、方差法等，不过这些都涉及统计学，也许结果更准确可靠，但由于专业性较强，这里不深入探讨，有兴趣的话可以自行百度
这里咱们就用平均值比较法，做个粗略预估
(在新建表里添加计算列)
R值 = IF('RFM'[R]<=AVERAGE('RFM'[R]),"A","B")
F值 = IF('RFM'[F]>=AVERAGE('RFM'[F]),"A","B")
M值 = IF('RFM'[M]>=AVERAGE('RFM'[M]),"A","B")
三值合并，得到RFM终值，再以此得出会员类别
(继续在新建表里添加计算列)
RFM终值= 'RFM'[R值] & 'RFM'[F值] & 'RFM'[M值]
会员分组 =
SWITCH('RFM'[RFM终值],
"BBB","一般挽留","BBA","重要挽留",
"BAB","一般保持","BAA","重要保持",
"ABB","一般发展","ABA","重要发展",
"AAB","一般价值","AAA","重要价值"
)
四、制作可视化图表
可视化之前，别忘了这一步：柱状图自定义排序
拉出柱形图元素，先看下八个价值分类里各有多少人
把默认色换成预设色号
加入饼图，显示各类客户占比
各类会员消费金额占比
各类会员明细列表
RFM还有很多细枝末节这里没有提到，有兴趣的朋友可以百度分析案例，哪些维度用什么样的可视化元素，就留给自己去摸索吧
五、题外话
PowerBI系统自带的默认主题配色说多不多，说少也不少。不过就那么几套方案颠来倒去，你用他用，就成了大路货。怎样才能让你的作品让人眼前一亮？
这儿给大家推荐几个设计类博主，里面有好多配色方案，赶紧收藏以备不时之需
Photoshop大师
Photoshop资源库
Illustrator资源库
优秀网页设计
搜索“配色”或“颜色”即可，大量配色方案够你挑一阵了
