数据可视化分析教学课件——FineBI实验册节选====RFM分析模型

  数据可视化分析课程教学，0基础也能掌握，本节讲述的是常见的数据可视化分析模型：RFM分析模型

• 实验目的

  通过RFM分析法，对客户进行观察和分类，得以针对不同的特征的客户进行响应的营销策略。
  

• 实验原理

RFM 分析是美国数据库营销研究所提出的一种简单实用客户分析方法，发现客户数据中有三个神奇的要素：
最近一次消费（Recency）：客户距离最近的一次采购时间的间隔。最近一次消费意指上一次购买的时候——顾客上一次是几时来店里、上一次根据哪本邮购目录购买东西、什么时候买的车，或在你的超市买早餐最近的一次是什么时候。理论上，上一次消费时间越近的顾客应该是比较好的顾客，对提供即时的商品或是服务也最有可能会有反应。营销人员若想业绩有所成长，只能靠偷取竞争对手的市场占有率，而如果要密切地注意消费者的购买行为，那么最近的一次消费就是营销人员第一个要利用的工具。历史显示，如果我们能让消费者购买，他们就会持续购买。这也就是为什么，0至3个月的顾客收到营销人员的沟通信息多于3至6个月的顾客。
消费频率（Frequency）：指客户在限定的期间内所购买的次数。
我们可以说最常购买的顾客，也是满意度最高的顾客。如果相信品牌及商店忠诚度的话，最常购买的消费者，忠诚度也就最高。增加顾客购买的次数意味着从竞争对手处偷取市场占有率，由别人的手中赚取营业额。根据这个指标，我们又把客户分成五等分，这个五等分分析相当于是一个“忠诚度的阶梯”(loyalty ladder)，如购买一次的客户为新客户，购买两次的客户为潜力客户，购买三次的客户为老客户，购买四次的客户为成熟客户，购买五次及以上则为忠实客户。其诀窍在于让消费者一直顺着阶梯往上爬，把销售想象成是要将两次购买的顾客往上推成三次购买的顾客，把一次购买者变成两次的。
消费金额（Monetary）:客户的消费能力，通常以客户单次的平均消费金额作为衡量指标
消费金额是所有数据库报告的支柱，也可以验证“帕累托法则”(Pareto’s Law)——公司80%的收入来自20%的顾客。它显示出排名前10%的顾客所花费的金额比下一个等级者多出至少2倍，占公司所有营业额的40%以上。
这三个要素构成了数据分析最好的指标，RFM 分析也就是通过这个三个指标对客户进行观察和分类，针对不同的特征的客户进行相应的营销策略。以上三个指标会将维度再细分出2份，这样在3个维度上我们依然得到了8组用户。
重要价值客户（111）：最近消费时间近、消费频次和消费金额都很高，必须是VIP啊！
重要保持客户（011）：最近消费时间较远，但消费频次和金额都很高，说明这是个一段时间没来的忠诚客户，我们需要主动和他保持联系。
重要发展客户（101）：最近消费时间较近、消费金额高，但频次不高，忠诚度不高，很有潜力的用户，必须重点发展。
重要挽留客户（001）：最近消费时间较远、消费频次不高，但消费金额高的用户，可能是将要流失或者已经要流失的用户，应当给予挽留措施。

• 使用数据

  使用FineBI自带样式数据，功能数据下【样式数据】数据包中的【RFM明细数据】。
  

• 实验步骤
  分析思路：