Excel實現RFM模型
一、什麼是 RFM 模型
在眾多的客戶關係管理 (CRM) 的分析模式中,RFM 模型是被廣泛提到的。
RFM 模型是衡量客戶價值和客戶創利能力的重要工具和手段。該模型通過一個客戶的近期購買行為、購買的總體頻率以及消費總金額三項指標來描述該客戶的價值狀況,依據這三項指標劃分 8 類客戶價值。
客戶數據三個要素:
R(Recency)——最近一次購買的時間有多遠
最近一次消費時間越近的顧客是越有可能產生二次消費的群體。
F(Frequency)——最近一段時間內的購買次數
可以理解購買次數越多的客戶是對我們產品越滿意的客戶,表示客戶的忠誠度越高。
M(Monetary)——最近一段時間內的消費金額
消費金額是分析一個客戶必不可少的一個數據,不僅是在 RFM 模型裡面,比如在考慮 ROI 以及客戶終身價值等分析的時候都是必需的。
二、整體過程
1、獲取用戶數據,基本欄位:用戶編號(用戶名稱)、用戶消費時間、用戶消費次數、用戶消費金額(具體的結合實際情況調整)
2、每個維度進行 5 個類別的劃分,並對每個用戶的 R、F、M 打分
3、將每個用戶的 R、F、M 與總的 R、F、M 均值比較,得到一個大於(等於)平均值或者小於平均值的二分類結果,通過對比得到每類客戶 RFM 的變動情況(2*2*2)共 8 個類型的結果:重要價值客戶、重要保持客戶、重要喚回客戶、重要深耕客戶、重要挽留客戶、潛力客戶、新客戶、一般維持客戶、流失客戶。
4、針對 8 大類型的客戶採取不同的營銷策略
三、Excel 實現過程
1、數據處理
最原始的數據是一條條交易的明細數據,從資料庫里提取數據的時候就可以按照我們需要的三個欄位來處理,得到如圖所示的數據。當然如果你拿到的是原始的數據則只需要用 Excel 做一個數據透視表也可以得到如圖所示的數據了。
2、設置 R、F、M 參數並打分
以 R 舉例:
0-20(>=0 and <20):得 5 分
20-26(>=20 and <26):得 4 分
其他打分以此類推,當然這個打分不一定就是正確的,要結合打分之後的情況以及實際的業務情況來調整。
Excel 處理:
R 的處理稍微麻煩一點,因為你要計算每個客戶最後的購買日期距離現在是多少天,所以需要用到 DATEDIF 函數來處理,然後用 LOOKUP 函數查找匹配返回對應的 R 得分,對於 lookup 函數第三個參數需要絕對引用,這樣就得到每個用戶的 R-score,同理可得 F-score 和 M-score。
R-score 公式:
打分結果統計:
可以根據分組統計的結果來檢驗參數設置的是否合理,哪裡還需要調整。
Excel 處理:用 countif 函數統計即可。
友情提醒:如果此處的函數不會使用可查看專欄上一篇文章《Excel 常用函數講解》,這不上次講解的立馬就用到了。
3、計算每個用戶的 R、F、M 值
將該用戶的 R-score 和所有用戶的 R-score 的均值比較,如果是大於均值則為 1,否則為 0。
4、得到客戶最終的 RFM
這裡用一個拼接符號就可以了,也可以用拼接函數得到,這樣就得到每個用戶的 RFM 了。
每個 RFM 值對應的客戶類型
1)RFM=111,重要價值客戶
RFM 都很大,最近有購買行為,累計交易次數多,累計交易金額高,優質客戶,需要保持
2)RFM=011,重要喚回客戶
交易次數和交易金額高,但是最近沒有交易,需要喚回
3)RFM=101,重要深耕客戶
交易金額大,而且最近有交易,需要重點識別
4)RFM=001,重要挽留客戶
交易金額大,但是最近沒有交易而且交易次數比較少,需要重要挽留
5)RFM=110,潛力客戶
交易次數多,且最近有交易,需要挖掘跟進
6)RFM=100,新客戶
最近剛開始交易的用戶,屬於有推廣價值的用戶
7)RFM=010,一般維持客戶
交易次數多,但是都是小額消費的,且最近沒有交易,屬於一般維持
8)RFM=000,流失客戶
RFM 值都較低,基本流失了
5、統計各類別客戶數
這樣就可以很明顯的知道目前我們的客戶主要是屬於什麼類別的,以及反映出的問題,然後針對不同類型的客戶我們需要採取怎樣的策略來營銷,提高我們的營業額
Excel 處理:
1)、可以對 RFM 分組統計,用 countif 函數即可,然後繪製條形圖。
2)、對處理的數據進行數據透視表,然後得到分組統計的結果,然後繪圖,個人認為是數據透視表的效果更好,因為數據透視表裡面的統計數據如果雙擊是可以直接顯示對應的明細數據,方便查看每類用戶的數據。
6、不同參數下的用戶分析
可以選擇購買人數、累計交易金額、平均交易金額等參數來分析目前的客戶狀況。
Excel 處理:數據透視表 + 條件格式
比如選擇購買人數可以發現我們目前的客戶維護情況怎麼樣,是新客戶的推廣工作沒做好,導致新客戶數較少,還是客戶的復購率較低,產品需要改善,新客戶的流失是什麼情況。這裡不詳細敘說,具體結合實際工作情況靈活運用。
以上是自己的理解,如果有疑問歡迎溝通交流,當然如果文章中有理解不對或者考慮和表述有所欠缺的地方也歡迎指點,感激不盡!
最後能關注一下公眾號就更好啦(公眾號:數據實踐筆記)
推薦閱讀:
※一文教你輕鬆上手數據分析神器,從此變身數據達人!
※D3.js在數據可視化中的應用以及注意事項
※數據專家鼎力推薦:好用到哭的交叉表!
※HLM無法導入spss的數據,怎麼破?
※有什麼數據分析工具可以製作全球客戶網點分布圖?
TAG:模型 | 数据分析工具 | MicrosoftExcel |