前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >东哥陪你学PowerBI——通过RFM模型分析客户价值

东哥陪你学PowerBI——通过RFM模型分析客户价值

作者头像
公众号PowerBI大师
发布于 2020-04-14 09:11:09
发布于 2020-04-14 09:11:09
2K1
举报

RFM模型通过R、F、M三个要素确定客户价值,是衡量客户价值的重要工具之一。

R(Recency) 指最近一次消费,消费时间越近越好

F(Frequency) 指消费频率,即购买次数,次数越多越好

M(Monetary) 指消费金额,金额越高越好

本章通过分析某店铺会员消费数据,将每个会员的R、F、M得分值与平均值做对比 (每个要素好于平均值记为A,比平均值差记为B), 将会员分为以下八种,以便针对性做营销决策,实现精细化运营

AAA:重要价值会员;BAA:重要保持会员

ABA:重要发展会员; BBA:重要挽留会员

AAB:一般价值会员; BAB:一般保持会员

ABB:一般发展会员; BBB:一般挽留会员

我们就以一组虚拟数据来演示一下,如果用RFM模型分析客户

一、数据准备

数据源:外部EXCEL文件导入PowerBI

  1. 会员表(一千多条虚拟会员信息)
  2. 消费明细(一年左右一万多条记录)
  3. 会员价值分类表 (便于类别排序,预设各类别色号)

▲会员表

▲消费明细表

▲价值分类表

▲初始关联

二、计算RFM指标 R-Recency

最近一次消费。一般用指定日期与最后一次购买日期的相关天数来表示

1、在“消费明细表”里新建计算列:

末次消费日期= MAXX(FILTER('消费明细', '消费明细'[卡号]= EARLIER('消费明细'[卡号])), '消费明细'[消费时间]

)

点击函数名,跳转至"东哥陪你学DAX":

FilterEarlier

2、确定R值

假设截止日期为2020年1月25日

继续在“消费明细表”里新建计算列

(该列数据类型为整数)

R= DATEDIFF('消费明细'[末次消费日期],

DATE(2020,1,25),DAY)-1

点击函数名,跳转至"东哥陪你学DAX":

DateDatediff

F-Frequency

购买次数。即对销售单号进行非重复计数

继续在“消费明细表”里新建计算列F = COUNTAX(

FILTER(

SUMMARIZE('消费明细',

'消费明细'[卡号], '消费明细'[订单号]),

'消费明细'[卡号]= EARLIER('消费明细'[卡号])),

'消费明细'[订单号])

点击函数名,跳转至"东哥陪你学DAX":

FilterSummarizeEarlier

M-Monetary

购买金额。对消费金额汇总即可

继续在“消费明细表”里新建计算列M = CALCULATE( SUM('消费明细'[卡消费金额(元)]),

FILTER('消费明细',

'消费明细'[卡号]= EARLIER('消费明细'[卡号])

)

)

三、确定会员类型

上面新建了三个计算列,算是把RFM三个参数给敲定了

但“消费明细”表里还存在着大量重复会员号订单号

因此还需要来一次瘦身,把重复值去掉

新建一个表,确保一个会员号对应一条RFM值 RFM = SUMMARIZE('消费明细',

'消费明细'[卡号],

'消费明细'[R],

'消费明细'[F],

'消费明细'[M]

)

新表别忘了跟会员表建立关联

接下来就是计算三个指标的分值

根据所选标准的不同,计算方法也有多种,诸如极值法、方差法等,不过这些都涉及统计学,也许结果更准确可靠,但由于专业性较强,这里不深入探讨,有兴趣的话可以自行百度

这里咱们就用平均值比较法,做个粗略预估

(在新建表里添加计算列) R值= IF( 'RFM'[R]<= AVERAGE('RFM'[R]), "A","B") F值 = IF( 'RFM'[F]>= AVERAGE('RFM'[F]), "A","B") M值= IF( 'RFM'[M]>= AVERAGE('RFM'[M]), "A","B")

三值合并,得到RFM终值,再以此得出会员类别

(继续在新建表里添加计算列) RFM终值= 'RFM'[R值] & 'RFM'[F值] & 'RFM'[M值] 会员分组 =

SWITCH('RFM'[RFM终值],

"BBB","一般挽留","BBA","重要挽留",

"BAB","一般保持","BAA","重要保持",

"ABB","一般发展","ABA","重要发展",

"AAB","一般价值","AAA","重要价值"

)

四、制作可视化图表

可视化之前,别忘了这一步:柱状图自定义排序

拉出柱形图元素,先看下八个价值分类里各有多少人

把默认色换成预设色号

加入饼图,显示各类客户占比

各类会员消费金额占比

各类会员明细列表

RFM还有很多细枝末节这里没有提到,有兴趣的朋友可以百度分析案例,哪些维度用什么样的可视化元素,就留给自己去摸索吧

五、题外话

PowerBI系统自带的默认主题配色说多不多,说少也不少。不过就那么几套方案颠来倒去,你用他用,就成了大路货。怎样才能让你的作品让人眼前一亮?

这儿给大家推荐几个设计类博主,里面有好多配色方案,赶紧收藏以备不时之需

Photoshop大师 Photoshop资源库 Illustrator资源库 优秀网页设计

搜索“配色”或“颜色”即可,大量配色方案够你挑一阵了

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-04-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 PowerBI大师 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
1 条评论
热度
最新
r值的日期date可以换成today()吗
r值的日期date可以换成today()吗
回复回复点赞举报
推荐阅读
编辑精选文章
换一批
RFM 客户价值分析模型
在众多的客户关系管理(CRM)分析模式中,RFM 客户价值分析模型经常被提到。RFM 客户价值分析模型通过一个客户的近期购买行为、购买的总体频率及花费金额三项指标来描述该客户的价值状况。
博文视点Broadview
2021/12/06
2.2K0
RFM 客户价值分析模型
4.2 PowerBI分析模板-RFM模型
加入 PowerBI自己学 知识星球 可以:下载源文件,边学边练;遇到问题,提问交流,有问必答。
PowerBI自己学_轻松
2025/02/26
1080
4.2 PowerBI分析模板-RFM模型
【商业模型】PowerBI RFM 3.X 发布
我们历史上做过两个 RFM 分析的模型,没有任何问题,但那时的制作更多地在研究 DAX 实现的极致,而现在则完全不同,我们将回归简单,用最简单的方式来实现如何支持业务的效果。最典型的案例莫过于我们发布的【ABC动态分析精悍版】,只要两个度量值就完成动态ABC分析。在很多教程中,动态 ABC 分析是最后的压轴案例,但在这里ABC分析是最简单的模型。我们会陆续再释放几个经过极度简化的非常棒的模型。
BI佐罗
2020/02/17
1.9K1
【商业模型】PowerBI RFM 3.X 发布
不知道如何衡量会员的价值?来学习下RFM模型
很多直接面向消费者的企业,也是我们常说的To C的企业通常都会建立自己的会员体系,并在线上和线下的渠道中积累了大量的会员数据。但是如何能够更好的利用这些会员数据以及如何识别哪些是高价值的会员,这些都是每个企业都在不断探索的话题。 我们今天就一起来讨论一个可行的方案,RFM模型。讨论的内容主要会分为两个部分:
臭豆腐
2019/04/16
1.4K0
不知道如何衡量会员的价值?来学习下RFM模型
一步一步教你制作销售目标分析报告
  前面的文章中我已经使用了一个入门案例动态销售报告来带领大家入门PowerBI的入门学习,基于动态销售报告,我可以在来进行细化处理销售目标表中的数据。本文的主题就是销售目标的分析。我们都知道销售目标是销售的起点,销售人员每天的跟进都可以来反映销售目标完成情况。因此,将销售目标的颗粒度细化到每一天很有必要。   销售目标的细化主要的难点在于许多的企业在销售业务中有季节性。比如说在相同的月份中,去年的2月和今年的2月可能天数不同,无法全部复制。还有就是月份中的周末时间,有些月份存在4个周末,有些月份存在5个周末。这些时间因素都会对销售趋势造成一定的影响。   回到数据源结构,我们回顾一下动态销售报告中的销售明细数据。这个表中有销售日期和销售额,我们可以使用DAX函数来将销售目标处理到该表的汇总数据表中。接下就一起来处理数据吧。在PowerQuery中手动输入销售目标表
黄昏前黎明后
2020/02/13
1.9K0
案例实操|手把手教你搭建 RFM 客户价值分析模型
随着电商的不断发展,网上购物变得越来越流行。更多电商平台崛起,对于电商卖家来说增加的不只是人们越来越高的需求,还要面对更多强大的竞争对手。面对这些挑战,就需要能够及时发现店铺经营中的问题,并且能够有效解决这些实际的问题,从而提升自身的竞争力。
用户6888863
2023/03/01
1.4K0
案例实操|手把手教你搭建 RFM 客户价值分析模型
东哥陪你学DAX——Treatas
相信大家都遇到过下图这种情况,两表之间拉扯半天,虚线就是没法变成实线,表关联就是这么倔,不给面子
公众号PowerBI大师
2020/05/08
9380
东哥陪你学DAX——Treatas
航空客户价值分析特色LRFMC模型——RFM升级
我们说RFM模型由R(最近消费时间间隔)、F(消费频次)和M(消费总额)三个指标构成,通过该模型识别出高价值客户。但该模型并不完全适合所有行业,如航空行业,直接使用M指标并不能反映客户的真实价值,因为“长途低等舱”可能没有“短途高等舱”价值高。所以得根据实际行业灵活调整RFM模型的指标,本文就拿航空公司的数据为例,将RFM模型构建成L(入会至当前时间的间隔,反映可能的活跃时长)、R(最近消费时间距当前的间隔,反映当前的活跃状态)、F(乘机次数,反映客户的忠诚度)、M(飞行里程数,反映客户对乘机的依赖性)和C(舱位等级对应的折扣系数,侧面反映客户价值高低)5个指标。下面就利用这5个指标进行客户价值分群的实战:
悟乙己
2019/05/28
2.8K0
基于 LRFMC 模型的会员用户画像
RFM 模型的概念介绍,用途,详细的使用方法本博文都不 一一 介绍了,毕竟如此常见的模型,前人论文文献、各平台都已经十分详细的叙述了整个流程。所以我们便将侧重点放在根据场景进行了优化调整的 LRFMC 模型上,这里穿插回顾少部分精华理论即可。
萝 卜
2022/05/12
8310
基于 LRFMC 模型的会员用户画像
RFM会员价值度模型
会员价值度用来评估用户的价值情况,是区分会员价值的重要模型和参考依据,也是衡量不同营销效果的关键指标。
@小森
2024/03/15
5440
RFM会员价值度模型
一步一步教你PowerBI数据分析:制作客户RFM数据分析
客户分析就是根据客户信息数据来分析客户特征,评估客户价值,从而为客户制订相应的营销策略与资源配置。通过合理、系统的客户分析,企业可以知道不同的客户有着什么样的需求,分析客户消费特征与商务效益的关系,使运营策略得到最优的规划;更为重要的是可以发现潜在客户,从而进一步扩大商业规模,使企业得到快速的发展。
黄昏前黎明后
2020/05/22
2K0
一步一步教你PowerBI数据分析:制作客户RFM数据分析
[数据分析] 使用Python简单玩玩RFM用户价值模型
最近有朋友在问怎么做用户分群,刚好看到有个RFM客户价值模型,就移过来用python简单演示一下,感觉还是有一定的作用的。
可以叫我才哥
2021/08/05
8281
RFM模型是什么?我用Tableau告诉你
本文来自于公众号读者投稿。作者Suke,数据爱好者,主攻方向:数据分析,数据产品化。
超哥的杂货铺
2020/02/24
4.6K0
RFM模型是什么?我用Tableau告诉你
【数据分析】商品新零售行业——客户价值分析驾驶舱(附详细操作) | 留言送书
大家可以叫我黄同学(博客名:Huang Supreme),一个应用统计硕士,爱好写一些技术博客,志在用通俗易懂的写作风格,帮助大家学到知识,学好知识!
磐创AI
2020/04/29
1.7K0
【数据分析】商品新零售行业——客户价值分析驾驶舱(附详细操作) | 留言送书
东哥陪你学PowerBI——日期表
常在群里看到很多关于对日期表的疑问和困惑,尤其是刚进群的初学者。那今天我们就来聊一下,日期表是怎么回事,在业务分析里究竟起了什么作用?
公众号PowerBI大师
2020/05/18
2.7K0
RFM用户分层|原理+Python全流程实现
《RFM模型》 在数据分析中经常会进行用户分层,本文我们来了解一下常见的用户分层模型RFM。
数据山谷
2022/04/12
5700
RFM用户分层|原理+Python全流程实现
史上最强 PowerBI 全动态 RFM 模型 2.2 版 完美得无懈可击
本文蕴藏杀机,PowerBI DAX 设计的诸多精华尽在一个模型,推荐仔细阅读。上篇文章写得少得可怜,很多战友提出严重抗议,要求继续揭示这其中的奥秘,好吧,你吩咐,我照办。
BI佐罗
2019/09/23
3.8K1
史上最强 PowerBI 全动态 RFM 模型 2.2 版 完美得无懈可击
无需学习Python,一个公式搞定领导想看的大屏
随着数字化的脚步加快,越来越多的企业开始注重数据的展示和报告。原有数据的整合,清洗,二次加工变得越来越普遍。为了实现以上功能,企业不得不花大量的人力、物力去做原始数据的加工,但是由于业务场景的快速变化,导致原有代码里面写死的数据处理逻辑和现实的需要产生严重的偏离。针对这些,迫切希望有一个能自己实现数据处理,然后将处理结果进行多维度展示的工具。那么今天,就给大家推荐一款软件工具——Wyn商业智能软件。
葡萄城控件
2023/10/16
1960
无需学习Python,一个公式搞定领导想看的大屏
【商业数据分析】用户价值RFM模型详解
一个聪明的营销者懂得“了解你的客户”的重要性。营销人员不能仅关注于产生更多的点击量,他们必须遵循从增加点击率到保持、忠诚和建立客户关系的模式转变。 与其把整个客户群作为一个整体来分析,不如把他们分成同质化的群体,了解每个群体的特点,让他们参与相关的活动,而不是仅仅根据客户的年龄或地理位置来细分。 接下来介绍的RFM模型是最受欢迎的、易于使用的和有效的客户细分方法之一,它使市场营销人员能够分析客户行为。
润森
2022/09/22
3.2K0
【商业数据分析】用户价值RFM模型详解
详解RFM客户价值模型,送你20个企业战略和竞争分析模型
不会模型,做不了分析! 最近在做一个比较大型公司的案子,涉及到营销、销售、架构、财务等各方面的分析和研究,不得不说,在信息量很大、分析维度很多的时候,有准确的分析思路和结构真的起了非常大的梳理作用。因为,再多的信息量,只要在模型的框架内,在辨别是否是否有用后,进行合理的分类,会让整体的思路清晰很多。 在跟很多优秀的人交流学习之后,会发现他们之所以能够夸夸其谈,并且头头是道,不仅仅是因为知识储备够多,还在于拥有了准确的分析思路,这就是分析模型。 那么这些模型到底要怎么使用呢?下面就以RFM模型为例来做说明。
沉默的白面书生
2018/05/07
2.5K1
详解RFM客户价值模型,送你20个企业战略和竞争分析模型
推荐阅读
相关推荐
RFM 客户价值分析模型
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档