数据分析学习-RFM价值模型实战

一、RFM价值模型简介

从三个角度进行客户细分：
Recency 距离最近一次交易的间隔（客户粘性）
Frequency 交易频次（忠诚度）
Monetary 交易金额（消费力）

二、RFM客户价值分类

分类表格

三、在Tableau如何实现？

1、创建字段：当前时间（fixed主要是固定聚合函数，+1是避免是零值）

{ FIXED :MAX([订单日期])}+1

2、创建字段：客户最近一次下单时间：

{ FIXED [客户 Id]:MAX([订单日期])}
以客户id来分组聚合

3、计算R值，客户最近一次下单距当前时间的天数R值：

DATEDIFF('day',[客户最近一次下单时间],[参考时间])

4、计算R的参考值，R参考值为中位数

{ FIXED :MEDIAN([R值])}

5、计算F值，客户累计交易单数：

{ FIXED [客户 Id]:COUNTD([订单 Id])}

6、计算F的参考值，F参考值为中位数

{ FIXED :MEDIAN([F值])}

7、计算M值，客户累计消费金额M值

{ FIXED [客户 Id]:SUM([销售额])}

8、计算M的参考值，M参考值为中位数

{ FIXED :MEDIAN([M值])}

9、创建客户分类字段

R值越小，客户活跃度越高，按照上面的图表编写条件语句

IF  [R值]<[R参考值] and [F值]>=[F参考值] and [M值]>=[M参考值]
then '重要价值客户'
ELSEIF [R值]>=[R参考值] and [F值]>=[F参考值] and [M值]>=[M参考值]
then '重要唤回客户'
ELSEIF [R值]<[R参考值] and [F值]<[F参考值] and [M值]>=[M参考值]
then '重要深耕客户'
ELSEIF [R值]>=[R参考值] and [F值]<[F参考值] and [M值]>=[M参考值]
then '重要挽留客户'
ELSEIF [R值]<[R参考值] and [F值]>=[F参考值] and [M值]<[M参考值]
then '潜力客户'
ELSEIF  [R值]<[R参考值] and [F值]<[F参考值] and [M值]<[M参考值]
then '新客户'
ELSEIF [R值]>=[R参考值] and [F值]>=[F参考值] and [M值]<[M参考值]
then '一般维持客户'
else  '一般维持客户'
END

10、效果图

RFM模型条形图.png

但是我们发现流失客户的比例太高，我们所用的平均值作为参考可能会有一定的问题。

RMF价值客户散点图.png