数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

779 阅读5分钟

假设你是一家理财公司的市场运营,公司最近推出了一系列新产品,涵盖高、中、低三档,你手里有一份客户名册,你会如何向他们推广?

向所有客户发送统一的推广?

省时省力,但可想而知效果不佳......

与每一个客户沟通,了解需求后再推荐?

能做到精准推荐,不过你看着海量的客户信息,还是摇了摇头......

此时你默默盘算,要是有一个能根据过往记录给顾客打标签的神器该多好啊,这样就能知道哪些客户值得重点推广,还能针对不同类型的客户推荐不同的产品,实现效益最大化。

那么恭喜你,今天我们要介绍的「RFM客户分析模型」就是你要找的神器!

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

什么是RFM模型?

RFM模型是重要的客户价值衡量工具,在RFM模型中,我们以**最近一次消费(R)、消费频率(F)、消费金额(M)**三个维度对客户价值进行细分,然后给不同价值客户打上不同的标签,进而开展个性化客户服务,将有限的资源合理分配给不同价值的客户,实现效益最大化!

  • R(Recency):客户最近一次购买的时间有多远
  • F(Frequency):客户在最近一段时间内购买的次数
  • M(Monetary):客户在最近一段时间内购买的金额

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

除此之外,RFM模型中三个指标可以更换,因此只要是用三个维度进行评判分类的场景,RFM模型都能胜任。所以RFM模型几乎可以被应用于各个领域,所以对一名数据分析人员/业务人员来说,学会RFM分析是基础且必要的一课。

RFM模型原理简单,excel也能搭建,但需要写很多函数和代码,过程复杂,对技术小白很不友好.....所以很多数据分析师已经开始用BI可视化工具来搭建RFM模型。

这里要给大家推荐一款BI工具——FineBI,FineBI是一个强大的自助式分析平台,几乎不需要技术基础,小白也能快速上手、轻松搭建各种美观实用的数据分析模型,而且个人版永久免费试用。

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

下面就是用FineBI,只需10分钟,教你快速搭建RFM分析模型!

(文末有下载方式)

一、整体思路

RFM分析需要对数据进行复杂处理,不过咱们使用的是FineBI的自助数据集功能,只需要简单拖拽就可以完成数据加工。实现思路如下图所示:

  • 创建自助数据集,选择 RFM 分析所需字段。
  • 对数据进行加工,求得 3 个关键指标及其平均值。
  • 通过和平均值比较,向量化三个指标。
  • 根据特征向量客户分类。

下面咱们分步骤完成。

二、实操演示

本文以这份 RFM明细数据(点击下载)为例。

1、创建自助数据集

  • 进入「数据准备」界面,选择「样式数据」业务包,点击添加表,选择添加「自助数据集」,如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

进入自助数据集编辑界面,选择「数据列表>样式数据」下的「RFM明细数据」并添加表下的所有字段,给自助数据集命名为「RFM分析」,如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

2、计算每个客户的关键消费指标

计算客户总体消费金额平均值:点击「+」,选择「新增列」,如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

给新增列命名为「客户总体消费金额平均值」,选择「所有值/组内」并进行如下设置,完成后点击「确定」,得出总体平均值指标「客户总体消费金额平均值」。如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

3、计算客户总体消费指标

计算客户总体消费频次平均值:点击「+」,选择「新增列」,如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

设置新增列名为「客户总体消费频次平均值」,选择「所有值/组内」,点击「确定」得出总体平均值指标「客户总体消费频次平均值」。设置如下图:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

计算客户总体最近一次消费距离时间平均值:点击「+」,选择「新增列」,如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

设置新增列名为「客户总体最近一次消费距离时间平均值」,选择「所有值/组内」进行设置,点击「确定」,得出总体平均值指标「客户总体最近一次消费距离时间平均值」。设置如下图:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

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。

其中在公式 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。

消费金额向量化:点击「+」,选择「新增列」,如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

给新增列命名为「消费金额向量化」,输入公式 IF(MONEY>客户总体平均消费金额,1,0),点击「确定」,如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

5、客户特征分析

点击添加新增列,使用 CONCATENATE() 函数将 RFM 向量化值拼接起来,如下图所示:

数据分析初学者必备!10分钟搭建RFM客户价值模型,一学就会

至此,一份简单的RFM分析模型就完成了,我们成功地给每位客户都打上了标签,后续也可以通过仪表板进行客户分类相关数据的可视化展示。

分析工具分享

最后,工具和数据集都给你准备好了,回个“RFM”就能全部拿得!