本文数据集来源:忘记了,私聊发数据源
本次目的是将一份用户订单表做RFM模型分析,做好8个维度的用户分层,可以方便运营和销售有目的去跟进重点和非重点客户。
数据源字段如图所示,但本次是订单表,客户有重复购买行为,而每个订单购买的国家地区和类别都会有不同。可分析的维度是做RFM用户分层模型分析
Recency.R代表最近一次消费距离现在的时间,值越小越好
Frequency.F代表某段时间的消费频次,值越大越好
Money.M代表某段时间的消费金额,值越大越好
通过Excel来计算RFM值方法会比较绕,原理就是首先通过计算的每个订单的中间过渡值R-1、F-1、M-1,然后用过渡值通过判断做RFM模型的RFM值。而本次判断过渡值后只有两个结果,也就是只有八种用户分层,111、011、101、011、110、100、010、000
1
首先R值的计算方法可以用today()函数减去付款日期,得到距离今天的时间间隔
这算是R-1过渡值的一个辅助列,然后用Minif()函数判断输出所有行数之间同一客户名称订单的最小值;
过渡值计算出来就需要判断R值是否属于重点维度,这次我们用R-1值和所有R-1均值比较判断,大于均值为一般0,小于均值为重点1
2
第二F-1值的计算方法用countif()函数将所有订单同一个客户名称的计算出多少个作为频次;
过渡值计算出来就需要判断F值是否属于重点维度,这次同理R-1用均值做比较判断,大于均值为重点1,小于均值为一般0
3
第三M-1值的计算方法用sumifs()函数将所有订单同一个客户名称的计算合计作为总消费金额;
过渡值计算出来就需要判断F值是否属于重点维度,这次同理R-1用均值做比较判断,大于均值为重点1,小于均值为一般0
4
最后合并R-1、F-1、M-1的值,用ifs()函数判断
可视化图表
重要价值客户有88人,占比11%,重要保持客户有124人,占比16%,重要发展客户有40人,占比5%,重要挽留客户有55人,占比7%;重要客户一共占比是39%,其中重要发展和重要挽留的占比还是比较低,应从一般标签的客户中提升上来。
一般挽留客户基本属于流失客户有230人,占比29%,这个比例还算正常;一般价值客户的占比太少,占比5%。
再从销售额端分析,销售额占比最多的是重点保持客户22%和一般挽留客户21%,重点价值客户贡献15%的销售额,重点标签整体是贡献了52%的销售额
运营可以继续关注重要价值客户的关注点和重要保持客户的关注点,保持客户是属于每次消费间隔比较长,但客户的复购性和购买力在线,可跟进其业务是否顺畅,间隔时间长是不是业务层面上的问题等。