基於PowerBI構建動態客戶價值模型RFM驅動客戶營銷

來自專欄 簡快Excel之PowerBI建模分析

作者：佐羅

概述

在眾多的客戶中找到重點客戶以及對客戶進行動態分類，而後分而治之。

根據美國資料庫營銷研究所Arthur Hughes的研究，客戶資料庫中有三個神奇的要素，這三個要素構成了數據分析最好的指標：

• 最近一次消費(Recency)
• 消費頻率(Frequency)
• 消費金額(Monetary)

因此，稱該研究模型為：RFM。

最近一次消費：最近一次消費意指上一次購買的時候，顧客上一次是幾時來店裡、上一次根據哪本郵購目錄購買東西、什麼時候買的車，或在你的超市買早餐最近的一次是什麼時候。

消費頻率：消費頻率是顧客在限定的期間內所購買的次數。我們可以說最常購買的顧客，也是滿意度最高的顧客。如果相信品牌及商店忠誠度的話，最常購買的消費者，忠誠度也就最高。增加顧客購買的次數意味著從競爭對手處偷取市場佔有率，由別人的手中賺取營業額。

消費金額：消費金額是所有資料庫報告的支柱，也可以驗證「帕雷托法則」(Pareto』s Law)——公司80％的收入來自20％的顧客。它顯示出排名前10％的顧客所花費的金額比下一個等級者多出至少2倍，占公司所有營業額的40％以上。如看累計百分比的那一欄，我們會發現有40％的顧客貢獻公司總營業額的80％；而有60％的客戶占營業額的90％以上。

因此，最近一次消費、消費頻率、消費金額是測算消費者價值最重要也是最容易的方法，這充分的表現了這三個指標對營銷活動的指導意義。而其中，最近一次消費是最有力的預測指標。

RFM分群

在實際操作中，可以定義：

• R：一段時間內，客戶最近一次交易日期，與時間段終點越近越好
• F：一段時間內，客戶交易的次數，次數越多越好
• M：一段時間內，客戶的交易度量（如：金額，利潤，利潤率），越大越好

首先，選定客戶群體的每個客戶，計算上述三個指標的值。

分群方法：

• 對於某個客戶，如果其R值高於群體平均R值，則該客戶屬於R↑，反之屬於R↓。
• 對於某個客戶，如果其F值高於群體平均F值，則該客戶屬於F↑，反之屬於F↓。
• 對於某個客戶，如果其M值高於群體平均M值，則該客戶屬於M↑，反之屬於M↓。

將上述客戶裝入三維空間，則可以形成如下的分群結構：

並作出如下的業務定義：

• R↑F↑M↑：重要價值客戶
• R↑F↑M↓：一般價值客戶
• R↑F↓M↑：重要發展客戶
• R↑F↓M↓：一般發展客戶
• R↓F↑M↑：重要保持客戶
• R↓F↑M↓：一般保持客戶
• R↓F↓M↑：重要挽留客戶
• R↓F↓M↓：一般挽留客戶

這裡的業務語義非常清晰，可以直接指導業務對不同群體的客戶產生影響的營銷改善策略。

所需要的表

做RFM計算，最小程度只需要依賴於一個表即可：訂單表。實際中，可以是一種分表的結構，以PowerBI結構為例，如下：

這是一個非常簡單的結構：一個客戶可能產生多個訂單，每個訂單有多條訂單明細。

PowerBI RFM 模型展示

在PowerBI的實現中，可以通過動態的參數化設置，將RFM模型進一步增強以適應更靈活的業務需要：

• 通過滑桿設定考察RFM的時間範圍
• 通過滑桿設定RFM的三個分指標的相對權重
• 通過滑桿設定默認顯示的RFM TOP X具體客戶

時間段

默認情況下，RFM中對R的計算是相對於當前時間的，但對歷史進行計算的時候就需要選定一個時間段了。

RFM權重

RFM不同分指標的R、F、M的權重可能不同，改變RFM的權重可以完全影響客戶的分類結果：

對於 R優先 的情況：

對於 M優先 的情況：

可以看出，分類的結果形態發生了質變。這也是在現實的業務中需要這種動態性的支撐。

參數設置

可以通過PowerBI參數法來實現動態的參數話設置。並使用全局同步切片器來完成參數的同步效果。

DAX

RFM可以通過DAX進行計算，本案例全部使用度量值完成（沒有計算列），使得計算保持動態性。對RFM三個指標的計算在DAX中非常簡單，如下：

RFM.R =AVERAGEX ( DISTINCT ( 客戶[客戶名稱] ), CALCULATE ( AVERAGEX ( 訂單頭, DATEDIFF ( [訂單日期], LASTDATE ( RFM日期[Date] ), DAY ) ), TREATAS ( VALUES ( RFM日期[Date] ), 訂單頭[訂單日期] ) ))RFM.F =AVERAGEX ( DISTINCT ( 客戶[客戶名稱] ), CALCULATE ( COUNTROWS ( 訂單頭 ), TREATAS ( VALUES ( RFM日期[Date] ), 訂單頭[訂單日期] ) ))RFM.M =AVERAGEX ( DISTINCT ( 客戶[客戶名稱] ), CALCULATE ( SUM ( 訂單頭[訂單金額] ), TREATAS ( VALUES ( RFM日期[Date] ), 訂單頭[訂單日期] ) ))

RFM核心計算使用的DAX非常簡單，其他動態擴展需要額外的一些DAX計算式來輔助完成。

思考：從上述DAX中可以卡出本案例並非完美，在實際業務中，可能需要按某種產品類別、品牌、門店來計算RFM，但需要DAX表達式兼顧這些，讀者可自行思考如果基於上述的DAX來優化。

總結

動態效果展示：

該案例進一步證明PowerBI DAX數據建模不同於一般自助BI工具，它使業務人員可以藉助PowerBI強大的數據建模能力使用DAX建立RFM模型，並通過PowerBI可視化及動態參數賦予RFM模型動態性。

歡迎一起交流

http://weixin.qq.com/r/GXiVjTfE2GqnrXPu9y0L (二維碼自動識別)

如需案例源文件，轉發後私信獲取

http://weixin.qq.com/r/qDqLk2LEKz9UrSbw92_6 (二維碼自動識別)