了解了RFM的理论之后，实践才是重中之重。
- 此处的实践基于tableau中实现
- 所涉的参数可基于实际业务进行调整
- 数据源使用tableau自带的超市指标
基础指标建立
R指标创建
- 创建最近购买时间字段
WX20180301-210648@2x.png
- 创建最近购买距今字段
WX20180301-210726@2x.png
- 创建R参数
WX20180301-211300@2x.png
创建了R=2 的参数后，依次创建R=3，R=4，R=5
- 创建R值
WX20180301-220930@2x.png
创建R值这一步很重要，也是用户分层的第一个理解难点。关键在于利用条件函数，根据用户的最近购买距今天数，对用户的R进行赋值，得到R值。
这个过程中，用户的最近距今天数是对象，R参考线是参考，R值是用户在R方向的赋值结果。理解了R值的产生，也就理解了前面为啥么要计算出最近距今天数和R参数。
而且，后面的F值与M值的计算也是同理的。
- 创建均值R
WX20180301-211656@2x.png
均值R的创建也是作为一个参考来的
F指标创建
- 创建购买次数字段
WX20180301-211936@2x.png
- 创建F参数
WX20180301-221800@2x.png
依次创建F=2,F=3,F=4 参数
- 创建F值
WX20180301-221835@2x.png
- 创建F均值
WX20180301-221914@2x.png
M指标创建
- 创建购买金额字段
WX20180301-212126@2x.png
- 创建M参数
WX20180301-222112@2x.png
依次创建M=2,M=3,M=4参数
- 创建M均值
到这里为止，所有的指标就都创建完毕啦。
分层操作
- 创建字段用户分层
WX20180301-222440@2x.png
这里也是一个条件做的分层，对象是用户的R值&F值&M值，参考是均值R&F&M，赋值是用户分层的类别。
看到这个分层的语句，是不是想起来第一篇的那个图？
再来温习对比一下
WX20180223-182859@2x.png
所以说分层分层，分层是精髓啊。
到这里用户的分层就全部完成了，来看下用户的分布情况。
WX20180301-223332@2x.png
可以看出来，虽然重要价值的用户占比最大，但是流失的用户也占比不小。
当然了，这还只是RFM最基本最中规中矩的玩法，如何在RFM上应用出新花样呢？
下一篇再写。
我的tableau public：yangliang的tableau public主页
