power-bi 构建RFM模型R：最近消费时间间隔（Recency） F：消费频率（Frequency） M：消费金额

R：最近消费时间间隔（Recency） F：消费频率（Frequency） M：消费金额（Monetary）

思路同上篇python构建RFM模型，这里是在熟悉power-bi的过程中用同样的数据进行练习！

数据清洗

付款时间空的与买家实际支付金额为0的都需要删除，

1. 首先是需要依旧最近消费日期、消费次数、消费金额分别计算R、F、M值：

R值： 使用最大日期减去当前日期，再将其转化为整数；

R2 = MAX('Sheet1'[订单付款时间])-'Sheet1'[订单付款时间]

sheet1是我的数据表。表中内容如图：

F值： 这里我们需要统计购买次数，因为会员名是唯一的，我们只需要对会员名进行计数就好，所以这里直接使用度量值；

F = COUNT(Sheet1[买家会员名] )

M值： 消费金额这里我采用的是总消费金额，方便我后面统计各会员类型的消费金额，也可以用平均值计算平均消费水平，建议根据实际需求来！（这里依旧用的度量值）

M = SUM(Sheet1[买家实际支付金额])

2. 其次是使用SUMMARIZECOLUMNS新建表，以买家会员编号为基础对数据进行汇总

RFM表 = SUMMARIZECOLUMNS('Sheet1'[买家会员名],"R",MIN('Sheet1'[R]),"F",[F],"M",[M])

这里注意，执行这部操作后，会员名这一列不应该再有重复值！（R取最小值，因为前面计算R值的时候，有部分重复值，R值计算的是间隔时间，故取最小）

3. 再次，将R、F、M值分别与平均值做对比，根据对比的结果进行分组，分组可以IF或者SWITCH，分组较多的时候推荐使用SWITCH

`R得分 = IF('RFM表'[R]<=AVERAGE('RFM表'[R]),1,0)`
`F得分 = IF('RFM表'[F]>=AVERAGE('RFM表'[F]),1,0)` 
`M得分 = IF('RFM表'[M]>=AVERAGE('RFM表'[M]),1,0)`

注意R值时间间隔越小，得分越高

RFM = 'RFM表'[R得分]&'RFM表'[F得分]&'RFM表'[M得分]

会员分组 = SWITCH('RFM表'[RFM],"000","流失会员","001","重要挽留会员","010","一般保持会员","011","重要保持会员","100","新会员","101","重要发展会员","110","一般价值会员","111","重要价值会员")

正常情况下，RFM值应该有8种类型，具体分组还根据实际需要分几类，分类依据来；

4. 最后根据需求使用合适低图标建立报告