PowerBi中RFM模型的应用

Miu_数分版
389 阅读3分钟

RFM 模型是数据分析中非常经典、实用的一种用户价值评估模型，特别适合用在电商、营销、会员管理、客户分析等场景中。下面我会从原理、计算、分层、Power BI 实现和应用场景五个方面详细讲解。

🧠 一、什么是 RFM 模型？

RFM 模型是从三个维度来衡量客户价值的：

字母含义中文释义说明
RRecency最近一次购买时间越近越活跃
FFrequency购买频率越多越忠诚
MMonetary购买金额越高越有价值

🔍 二、RFM 怎么计算？

假设你有客户的交易记录表，包含：

  • 客户ID（CustomerID）
  • 订单日期（OrderDate）
  • 金额（Amount）

你可以按客户分组，计算出以下字段：

客户R（天数）F（订单数）M（总金额）
A710¥5000
B902¥500
C155¥1200

其中：

  • R：今天日期减去最后一次购买日期
  • F：订单数量
  • M：消费总金额

📊 三、如何打分和分层？

通常是把 R、F、M 分别打 1~5 分（或其他等级），越高分代表越好：

维度打分规则（示例）
R越近打分越高（1~5）
F越多打分越高（1~5）
M金额越大打分越高（1~5）

👉 然后拼接 RFM 分数，比如客户 A 的得分是 5-5-5，客户 B 是 1-1-1。

🎯 分层示例（RFM 组合标签）：

RFM组合用户类型
555核心客户
155潜在高价值客户
511活跃新用户
111流失低价值用户

🛠 四、Power BI 中如何实现 RFM 模型？

✅ 步骤 1：准备数据

你的数据需要包括这些字段：

  • CustomerID
  • OrderDate
  • SalesAmount

✅ 步骤 2：建一个“RFM”计算表（用 DAX）

最近购买天数 = 
DATEDIFF(
    MAX(Sales[OrderDate]),
    TODAY(),
    DAY
)

购买次数 = 
CALCULATE(COUNTROWS(Sales), ALLEXCEPT(Sales, Sales[CustomerID]))

总消费金额 = 
CALCULATE(SUM(Sales[Amount]), ALLEXCEPT(Sales, Sales[CustomerID]))

然后你可以为 R、F、M 分别打分：

R得分 = 
SWITCH(
    TRUE(),
    [最近购买天数] <= 30, 5,
    [最近购买天数] <= 60, 4,
    [最近购买天数] <= 90, 3,
    [最近购买天数] <= 180, 2,
    1
)

F得分 = 
SWITCH(
    TRUE(),
    [购买次数] >= 20, 5,
    [购买次数] >= 10, 4,
    [购买次数] >= 5, 3,
    [购买次数] >= 2, 2,
    1
)

M得分 = 
SWITCH(
    TRUE(),
    [总消费金额] >= 10000, 5,
    [总消费金额] >= 5000, 4,
    [总消费金额] >= 2000, 3,
    [总消费金额] >= 500, 2,
    1
)

RFM标签 = [R得分] & [F得分] & [M得分]

✅ 步骤 3：使用这个 RFM 分层字段做可视化

你可以创建饼图、柱状图，查看各类客户群体的数量、占比、总销售额等。

🚀 五、RFM 应用场景

行业应用方式
电商用户精准营销、优惠券投放
旅游活跃旅客推荐新路线、流失用户召回
金融高价值客户 VIP 管理、低活跃用户提醒
游戏核心玩家维护、充值用户促活
教育学生分类管理、课程推荐策略

✅ 总结

项目内容说明
模型名RFM（Recency, Frequency, Monetary）
用途客户价值分析与分层
方法计算每个维度 → 打分 → 拼标签
工具Power BI 中可用 DAX 实现
avatar
文章
阅读
粉丝