?作者 |?leo
管理學中有一個重要概念那就是客戶關(guān)系管理(CRM)，它核心目的就是為了提高企業(yè)的核心競爭力爆哑，通過提高企業(yè)與客戶間的交互面哼，優(yōu)化客戶管理方式，從而實現(xiàn)吸引新客戶乔妈、保留老客戶以及將已有客戶轉(zhuǎn)化為忠實客戶的運營機制。
而這其中最為經(jīng)典的實現(xiàn)模型那就是RFM模型氓皱，它主要通過對每個客戶的近期消費時間路召，購買頻率和購買金額來對不同的客戶進行價值狀態(tài)劃分。
從而使得我們可以有針對性的對不同用戶進行個性化運營和營銷波材。
01 RFM模型核心維度
針對上述3個維度股淡，我們的預期：
最近一次消費的時間(Recency)：
該維度指的是最近一次消費時間間隔(R), 也就是上一次消費的時間間隔，該值越小客戶價值越高廷区，這是因為消費間隔越近的客戶越有可能產(chǎn)生二次消費唯灵。
某段時間內(nèi)消費頻率次數(shù)(Frequency):
消費頻次(F)體現(xiàn)了客戶的購買頻率，那么購買頻次越高隙轻，越能體現(xiàn)用戶的消費活躍程度埠帕，因此，客戶價值也就越高大脉。
某段時間消費的總金額(Monetary)：
消費金額(M)這個從字面意思即可知道搞监，用戶的消費金額越高水孩，用戶的消費能力越強镰矿，那么自然用戶的價值也就越高。
02 RFM劃分用戶類型及對應(yīng)運營策略
03 Excel中實現(xiàn)RFM模型
為了解決現(xiàn)存方法的缺陷俘种，作者首次提出了將MCL秤标、SSL和Excel是實現(xiàn)RFM模型的一個重要且十分直接的工具，只需要靈活使用Excel自帶的函數(shù)就可以實現(xiàn)數(shù)據(jù)的匯總計算宙刘，得到RFM模型的三個指標值苍姜，從而將用戶的價值類型提取出來，讓我們有針對性的進行業(yè)務(wù)推廣策略悬包。
接下來我們給大家演示一個用Excel實現(xiàn)的RFM模型：
【數(shù)據(jù)來源】
某淘寶店鋪的月份銷售數(shù)據(jù)
【分析目標】
根據(jù)現(xiàn)有訂單數(shù)據(jù)衙猪，構(gòu)建店鋪用戶價值模型，從而為后續(xù)的精細化運營不同的客戶群體打下基礎(chǔ)
【數(shù)據(jù)預處理】
數(shù)據(jù)量大概有3989條布近，可以在excel內(nèi)處理垫释，也可以使用python對大批量的數(shù)據(jù)進行處理。
3.1 提取關(guān)鍵詞字段：
【買家會員名】撑瞧、【總金額】棵譬、【訂單付款時間】、并設(shè)置對應(yīng)的數(shù)據(jù)類型预伺，我們要在同頁面進行RFM值的計算订咸。
3.2?計算Recency, Monetary,Frequency
Recency：?通過對【買家會員名】曼尊、【總金額】、【訂單付款時間】三列數(shù)據(jù)做透視表脏嚷，對訂單付款時間求最大值骆撇，即最近消費時間，然后與觀測時間進行求差運算然眼，可得R值
Monetary：對總金額下的客戶不同消費進行平均值運算艾船，即可獲得該客戶的M值
Frequency：對訂單付款時間進行計數(shù)運算，就是該客戶的消費頻次F值
3.3?客戶RFM模型建立
計算完客戶的R高每、F屿岂、M值后，接下來就可以實現(xiàn)客戶RFM模型的評估了鲸匿。
【簡單實現(xiàn)】
此時可以先計算出來R爷怀、F、M三個值的平均值带欢，然后對客戶的每個維度與該維度的平均值進行比較运授，如果超出平均值就是高，否則就是低乔煞。
然后將三列字段通過’&’連接符鏈接起來吁朦，生成RFM輔助列。
然后通過我們預先準備好的價值模型參考表渡贾，生成用戶價值模型逗宜。
最后通過excel的vlookup函數(shù)提取客戶類型字段到計算表中，就實現(xiàn)了我們的最終結(jié)果空骚。
【計分法】
通過用戶的R纺讲、F、M值與對應(yīng)值的極差(最大值與最小值的差)囤屹，來確定R-Score, F-Score,M-Score熬甚。
因此首先計算R、F肋坚、M的最大值乡括、最小值、極差三等分距
最大值：通過“=max(B5:B1204)” 計算,（計算F時B換成C智厌，M時B換成D即可）
最小值：通過“=min(B5:B1204)”計算（計算F時B換成C诲泌，M時B換成D即可）
極差：通過“=(F1-F2)/3”計算（計算F時F換成G，M時F換成H即可）
R-Score計算方式：在E5單元格輸入：
“=IF(ROUNDUP((B5-$F$2)/$F$3,0)=0,1,ROUNDUP((B5-$F$2)/$F$3,0)) ”
F-score和M-score計算方式類似：
“=IF(ROUNDUP((C5-$G$2)/$G$3,0)=0,1,ROUNDUP((C5-$G$2)/$G$3,0))”
“?=IF(ROUNDUP((D5-$H$2)/$H$3,0)=0,1,ROUNDUP((D5-$H$2)/$H$3,0))”
RFM-Score計算采用將R峦剔、F档礁、M以百分位、十分位吝沫、個位組成三位數(shù)的方式實現(xiàn)呻澜，共有3*3*3=27種組合方式递礼。
H5單元格的公式：“=E5*100+F5*10+G5”
下拉填充柄應(yīng)用于整個列表，得到最后結(jié)果：
然后對數(shù)據(jù)表區(qū)域A4到H3996進行數(shù)據(jù)透視：匯總不同的RFM-Score對應(yīng)的客戶群體羹幸。
可以采用數(shù)據(jù)條的方式直觀顯示客戶分布情況脊髓。
04 Python實現(xiàn)RFM模型
通過Python處理數(shù)據(jù)時，我們首先需要關(guān)注我們提取進來的數(shù)據(jù)是否需要預處理栅受，比如數(shù)據(jù)的類型是否符合預期将硝，字段名是否需要調(diào)整，缺失值是否需要填充屏镊，重復值是否需要去除等等依疼，因此第一步我們首先需要對數(shù)據(jù)進行初步的熟悉了解：
4.1?熟悉數(shù)據(jù)源
常用于初步了解數(shù)據(jù)的方法有很多比如：shape(了解數(shù)據(jù)的大小，幾行幾列)而芥，head(顯示其中的前幾條數(shù)據(jù))律罢，tail(顯示數(shù)據(jù)源最后幾條數(shù)據(jù))，sample(隨機提取幾條數(shù)據(jù)),info(顯示數(shù)據(jù)源的各字段數(shù)據(jù)類型)棍丐，describe(對數(shù)據(jù)源進行數(shù)學描述)误辑。
顯示結(jié)果如下：
通過上圖我們發(fā)現(xiàn)交易記錄里面會有一些無效訂單，那么我們首先就要排除這類訂單歌逢，那么就可以通過pandas的布爾索引來進行數(shù)據(jù)的篩選：
結(jié)果如下：
4.2?選取字段
鑒于我們僅需要買家付款時間巾钉，購買日期，實付金額這三個字段秘案，我們僅需要對他們進行數(shù)據(jù)處理砰苍，因此可以排除其他字段。
結(jié)果如下：
缺失值處理：
4.3 RFM建模：
A.?計算R值
添加天數(shù)字段踏烙，將付款時間與觀察日期進行日期計算得到R值
運行結(jié)果如下：
B.?計算R师骗、F历等、M值
通過聚合函數(shù)讨惩，對買家昵稱進行計數(shù)運算獲得消費頻次F值，計算天數(shù)字段的最小值獲得客戶的R值寒屯，通過實付金額的求和運算獲得客戶的M值荐捻。
運行結(jié)果如下：
C.?用戶價值評分
通過上述計算，我們可以根據(jù)不同的分數(shù)段來對客戶R寡夹、F处面、M值進行打分，就本案例來講：
R值：我們得出的最小值是660菩掏，以30天作為間隔魂角，660-690天，打5分智绸；690-720野揪，打4分访忿；720-750打3分；750-780打2分斯稳；>780海铆，打1分。
F值：我們得出的最小值是1次挣惰，以1次作為時間間隔卧斟，0-2，打1分憎茂；2-3珍语，打2分；3-4竖幔，打3分廊酣；4-5，打4分赏枚；>5亡驰，打5分。
M指：我們得出的最小值是0.005元饿幅，我們以500元作為時間間隔凡辱，0-50，打1分栗恩；50-100透乾，打2分；100-150磕秤，打3分乳乌；150-200，打4分市咆；>200汉操，打5分。
依據(jù)上述標準建立程序方法：
運行結(jié)果：
D. 用戶標簽設(shè)定：
第一步：計算用戶R蒙兰、F磷瘤、M平均值：
運行結(jié)果
第二步：驗證用戶各項指標是否超出平均值，是則計一分搜变，否則不計分采缚。
運行結(jié)果如下：
第三步：生成用戶標簽列：
運行結(jié)果如下：
E. 可視化呈現(xiàn)：
柱狀圖：
運行結(jié)果如下：
通過以上數(shù)據(jù)分析工具的分析，我們可以發(fā)現(xiàn)在實現(xiàn)RFM模型的方法中挠他，Python具有更為強大的可用性和靈活性扳抽，且擁有完備的數(shù)據(jù)分析手段，從數(shù)據(jù)預處理、分析到最后的數(shù)據(jù)呈現(xiàn)贸呢。
而Excel在實際工作中應(yīng)用場景也是非常多見的赂苗，通過本案例可以很好的實踐Excel相關(guān)函數(shù)，希望本文對你的數(shù)據(jù)分析之旅有所幫助贮尉。
