PowerBI应用案例：用户RFM分析

一、背景

RFM模型是用户运营中的重要模型，使用该模型，对用户进行分类，针对不同的客户推行不同的策略，实现精准化运营，以期获取最大的转化率。模型的三个指标：

R（Recency）最近一次消费时间：表示用户最近一次消费距离现在的时间。消费时间越近的客户价值越大。1年前消费过的用户肯定没有1周前消费过的用户价值大。

F（Frequency）消费频率：消费频率是指用户在统计周期内购买商品的次数，经常购买的用户也就是熟客，价值肯定比偶尔来一次的客户价值大。

M（Monetary）消费金额：消费金额是指用户在统计周期内消费的总金额，体现了消费者为企业创利的多少，自然是消费越多的用户价值越大。

二、本例数据

原始销售记录清单，包括销售日期、货号、销售单编号、销量、销售额、会员ID字段

三、构建RFM模型

（1）R值、F值、M值构建

会员最后交易日期 = MAXX(FILTER('销售明细','销售明细'[会员ID]='销售明细'[会员ID]),'销售明细'[销售日期])

R值 = DATEDIFF('销售明细'[会员最后交易日期],TODAY(),DAY)

F值 = DISTINCTCOUNT('销售明细'[销售单编号])

M值 = SUM('销售明细'[销售额])

（2）新建RFM表

RFM表 = SUMMARIZE('销售明细','销售明细'[会员ID],"R",[R值],"F",[F值],"M",[M值])

（3）计算RFM得分

M得分 = IF('RFM表'[M]>=AVERAGE('RFM表'[M]),2,1)

F得分 = IF('RFM表'[F]>=AVERAGE('RFM表'[F]),2,1)

M得分 = IF('RFM表'[M]>=AVERAGE('RFM表'[M]),2,1)

M得分 = IF('RFM表'[M]>=AVERAGE('RFM表'[M]),2,1)

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

（4）会员分类

会员分组 =

SWITCH (

    'RFM表'[RFM值],

    "111", "流失会员",

    "112", "重要挽留会员",

    "121", "一般保持会员",

    "122", "重要保持会员",

    "211", "新会员",

    "212", "重要发展会员",

    "221", "一般价值会员",

    "222", "重要价值会员",

    BLANK()

)

四、可视化展示

（1）会员占比环形图

（2）会员数量标签

（3）会员贡献度瀑布图

（4）会员消费明显清单

（5）汇总效果

筛选重要保持会员