案列情況介紹：
1.案列使用tableau10.5《示例：超市》數(shù)據(jù)
2.時間跨越：2014-2017年
3.方法：根據(jù)客戶和訂單號來進(jìn)行客戶生命周期和RFM模型的分析
4.分析目的：通過對模型的分析的分析給業(yè)務(wù)提出建議
案列分析：
1.老客戶的貢獻(xiàn)度：視圖中藍(lán)色部分表示2014年的客戶，隨著時間的推移排惨，這些老客戶在后面的年份中對銷售額的貢獻(xiàn)基本維持在66%以上
排除2014年，視圖中橙色的部分為2015年的客戶暮芭，這些客戶的后兩年銷售貢獻(xiàn)占到了70%
2.建立一個初步的客戶生命生命周期模型鹿驼，利用客戶的首次購買時間和最后一次購買時間，以節(jié)點(diǎn)2017-12-31日止辕宏，四象限的分類可以看到這4類客戶分別是：忠實(shí)客戶畜晰，流失客戶，新客戶以及一次性客戶
圓圈的大小表示銷售額的大小瑞筐，視圖顯示了忠實(shí)客戶和流失客戶對銷售額的貢獻(xiàn)很大凄鼻，而新客戶或者一次性客戶較少
對客戶生命周期相關(guān)的客戶數(shù)量進(jìn)行的統(tǒng)計(jì)如下，流失客戶多達(dá)200多人
之所以客戶生命周期的劃分是一個初步模型聚假，因?yàn)樗幸欢ǖ木窒扌钥榘觯]有考慮客戶的購買頻率和購買金額。接下來進(jìn)行這兩部分的分析膘格，具體到2017年
3.客戶訂單數(shù)量直方圖
視圖上半部分表示所有年份的客戶數(shù)量峭范，其中有88位老客戶在2017沒有購買記錄，下半部分“訂單數(shù)2017-客戶”顯示了在2017年客戶的購買頻率瘪贱，暫且取購買次數(shù)>=4的高頻客戶纱控，共有140位顧客在2017年產(chǎn)生了642次消費(fèi)。而<4的低頻客戶菜秦，共有541位在2017年產(chǎn)生了1018次消費(fèi)甜害，
前者是后者的2.5倍
4.客戶購買金額直方圖
暫且根據(jù)購買金為1萬為節(jié)點(diǎn)進(jìn)行劃分，視圖顯示>=1萬的 客戶數(shù)量為199人喷户，消費(fèi)了367萬唾那，而<1萬的客戶數(shù)量為484人，消費(fèi)了186萬，前者的消費(fèi)額占2017年年度銷售額的67%
5.RFM模型建立
通過對最近購買日期闹获，購買頻率期犬，購買金額的分類，我們可以更好的劃分客戶的類別避诽，一共8類龟虎，視圖中柱狀粗細(xì)表示銷售額大小，新客戶不僅人數(shù)較多沙庐，銷售額也較高
6.RFM分類-產(chǎn)品和銷售額情況
新客戶購買的產(chǎn)品比例比較均勻
而重要喚回客戶比較注重技術(shù)和家具鲤妥，對辦公用品的需求最小
7.RFM分類-地區(qū)和銷售額情況
各地區(qū)的重要價值客戶保持在17%以上，新客戶達(dá)到了30%以上的水平
西南地區(qū)的重要深耕客戶略低拱雏，僅有9.48%
西北地區(qū)的重要挽留客戶較高棉安，但僅有12.18%
至于流失的客戶，也都達(dá)到了17%以上
通過對客戶的分析铸抑，借助模型從不同角度得出幾點(diǎn)結(jié)論：
1.客戶生命周期和RFM模型運(yùn)用的參數(shù)不同贡耽，所有表達(dá)的視角也不同
2.因?yàn)槟Ｐ捅旧碛幸欢ǖ木窒扌裕热缭诶峡蛻糌暙I(xiàn)度我們看到每年的銷售額大部分都以老客戶居多鹊汛，但RFM模型展現(xiàn)的是新客戶的貢獻(xiàn)度較多
3.RFM模型可以較準(zhǔn)確的定位客戶蒲赂，能在以后的業(yè)務(wù)發(fā)展中提供很多幫助，對于流失的客戶可以選擇放棄刁憋，對于重要的客戶可以拜訪了解他們的更多需求滥嘴，而對于潛力客戶和新客戶則更多的需要將他們轉(zhuǎn)化成重要類型的客戶，因?yàn)槠髽I(yè)拓新能力下降至耻，光靠老客戶貢獻(xiàn)勢必有隱憂
最后若皱，一切的建議和方案都要依附業(yè)務(wù)發(fā)展。
